Stream並行流詳解

一、並行與併發的區別

在說到並行的時候，相信不少人都會想到併發的概念。那麼並行和併發二者一字之差，有什麼區別呢？

並行：多個任務在同一時間點發生，並由不一樣的cpu進行處理，不互相搶佔資源

並行：

併發：多個任務在同一時間點內同時發生了，但由同一個cpu進行處理，互相搶佔資源

併發：

當在大量數據處理上，數據並行化能夠大量縮短任務的執行時間，將一個數據分解成多個部分，而後並行處理，最 後將多個結果彙總，獲得最終結果。

二、並行流原理介紹

對於並行流，其在底層實現中，是沿用了Java7提供的fork/join分解合併框架進行實現。fork根據cpu核數進行數 據分塊，join對各個fork進行合併。實現過程以下所示：

三、影響並行流性能主要存在5個因素

對於並行流，必定不要陷入一個誤區：並行必定比串行快。並行在不一樣的狀況下它不必定是比串行快的。影響並行 流性能主要存在5個因素：

1）數據大小：輸入數據的大小，直接影響了並行處理的性能。由於在並行內部實現中涉及到了fork/join操做，它 自己就存在性能上的開銷。所以只有當數據量很大，使用並行處理纔有意義。

2）源數據結構：fork時會對源數據進行分割，數據源的特性直接影響了fork的性能。 ArrayList、數組或IntStream.range，可分解性最佳，由於他們都支持隨機讀取，所以能夠被任意分割。 HashSet、TreeSet，可分解性通常，其雖然可被分解，但由於其內部數據結構，很難被平均分解。 LinkedList、Streams.iterate、BufferedReader.lines，可分解性極差，由於他們長度未知，沒法肯定在哪裏進行 分割。

3）裝箱拆箱 儘可能使用基本數據類型，避免裝箱拆箱。

4）CPU核數 fork的產生數量是與可用CPU核數相關，可用的核數越多，獲取的性能提高就會越大。

5）單元處理開銷 花在流中每一個元素的時間越長，並行操做帶來的性能提高就會越明顯。

四、測試總結

1）基本類型

性能消耗： Stream串行>for循環>Stream並行

2）對象

性能消耗：Stream串行>for循環>Stream並行

3）複雜對象

性能消耗：for循環>Stream串行>Stream並行

結論：對於簡單操做，若是環境機是多核的話，建議使用Stream並行，同時在不考慮核數的狀況 下，普通for循環性能要明顯高於Stream串行，相差兩倍左右。 對於複雜操做，推薦使用Stream API操做。