本文翻譯自 winterbe.com/posts/2014/…html
做者: @Winterbejava
歡迎關注我的微信公衆號: 小哈學Java,便可免費無套路領取10G面試學習資料哦,文末資料截圖。面試
我的網站: www.exception.site/java8/java8…shell
Stream
流能夠說是 Java8 新特性中用起來最爽的一個功能了,有了它,今後操做集合告別繁瑣的 for
循環。可是還有不少小夥伴對 Stream 流不是很瞭解。今天就經過這篇 @Winterbe 的譯文,一塊兒深刻了解下如何使用它吧。編程
1、Stream 流是如何工做的?api
2、不一樣類型的 Stream 流bash
3、Stream 流的處理順序微信
4、中間操做順序這麼重要?多線程
5、數據流複用問題oracle
6、高級操做
7、並行流
8、結語
當我第一次閱讀 Java8 中的 Stream API 時,說實話,我很是困惑,由於它的名字聽起來與 Java I0 框架中的 InputStream
和 OutputStream
很是相似。可是實際上,它們徹底是不一樣的東西。
Java8 Stream 使用的是函數式編程模式,如同它的名字同樣,它能夠被用來對集合進行鏈狀流式的操做。
本文就將帶着你如何使用 Java 8 不一樣類型的 Stream 操做。同時您還將瞭解流的處理順序,以及不一樣順序的流操做是如何影響運行時性能的。
咱們還將學習終端操做 API reduce
,collect
以及flatMap
的詳細介紹,最後咱們再來深刻的探討一下 Java8 並行流。
注意:若是您還不熟悉 Java 8 lambda 表達式,函數式接口以及方法引用,您能夠先閱讀一下小哈的另外一篇譯文 《Java8 新特性教程》
接下來,就讓咱們進入正題吧!
流表示包含着一系列元素的集合,咱們能夠對其作不一樣類型的操做,用來對這些元素執行計算。聽上去可能有點拗口,讓咱們用代碼說話:
List<String> myList =
Arrays.asList("a1", "a2", "b1", "c2", "c1");
myList
.stream() // 建立流
.filter(s -> s.startsWith("c")) // 執行過濾,過濾出以 c 爲前綴的字符串
.map(String::toUpperCase) // 轉換成大寫
.sorted() // 排序
.forEach(System.out::println); // for 循環打印
// C1
// C2
複製代碼
咱們能夠對流進行中間操做或者終端操做。小夥伴們可能會疑問?什麼是中間操做?什麼又是終端操做?
filter
過濾,map
對象轉換,sorted
排序,就屬於中間操做。void
或者一個非流的結果。上圖中的 forEach
循環 就是一個終止操做。看完上面的操做,感受是否是很像一個流水線式操做呢。
實際上,大部分流操做都支持 lambda 表達式做爲參數,正確理解,應該說是接受一個函數式接口的實現做爲參數。
咱們能夠從各類數據源中建立 Stream 流,其中以 Collection 集合最爲常見。如 List
和 Set
均支持 stream()
方法來建立順序流或者是並行流。
並行流是經過多線程的方式來執行的,它可以充分發揮多核 CPU 的優點來提高性能。本文在最後再來介紹並行流,咱們先討論順序流:
Arrays.asList("a1", "a2", "a3")
.stream() // 建立流
.findFirst() // 找到第一個元素
.ifPresent(System.out::println); // 若是存在,即輸出
// a1
複製代碼
在集合上調用stream()
方法會返回一個普通的 Stream 流。可是, 您大可沒必要刻意地建立一個集合,再經過集合來獲取 Stream 流,您還能夠經過以下這種方式:
Stream.of("a1", "a2", "a3")
.findFirst()
.ifPresent(System.out::println); // a1
複製代碼
例如上面這樣,咱們能夠經過 Stream.of()
從一堆對象中建立 Stream 流。
除了常規對象流以外,Java 8還附帶了一些特殊類型的流,用於處理原始數據類型int
,long
以及double
。說道這裏,你可能已經猜到了它們就是IntStream
,LongStream
還有DoubleStream
。
其中,IntStreams.range()
方法還能夠被用來取代常規的 for
循環, 以下所示:
IntStream.range(1, 4)
.forEach(System.out::println); // 至關於 for (int i = 1; i < 4; i++) {}
// 1
// 2
// 3
複製代碼
上面這些原始類型流的工做方式與常規對象流基本是同樣的,但仍是略微存在一些區別:
原始類型流使用其獨有的函數式接口,例如IntFunction
代替Function
,IntPredicate
代替Predicate
。
原始類型流支持額外的終端聚合操做,sum()
以及average()
,以下所示:
Arrays.stream(new int[] {1, 2, 3})
.map(n -> 2 * n + 1) // 對數值中的每一個對象執行 2*n + 1 操做
.average() // 求平均值
.ifPresent(System.out::println); // 若是值不爲空,則輸出
// 5.0
複製代碼
可是,偶爾咱們也有這種需求,須要將常規對象流轉換爲原始類型流,這個時候,中間操做 mapToInt()
,mapToLong()
以及mapToDouble
就派上用場了:
Stream.of("a1", "a2", "a3")
.map(s -> s.substring(1)) // 對每一個字符串元素從下標1位置開始截取
.mapToInt(Integer::parseInt) // 轉成 int 基礎類型類型流
.max() // 取最大值
.ifPresent(System.out::println); // 不爲空則輸出
// 3
複製代碼
若是說,您須要將原始類型流裝換成對象流,您可使用 mapToObj()
來達到目的:
IntStream.range(1, 4)
.mapToObj(i -> "a" + i) // for 循環 1->4, 拼接前綴 a
.forEach(System.out::println); // for 循環打印
// a1
// a2
// a3
複製代碼
下面是一個組合示例,咱們將雙精度流首先轉換成 int
類型流,而後再將其裝換成對象流:
Stream.of(1.0, 2.0, 3.0)
.mapToInt(Double::intValue) // double 類型轉 int
.mapToObj(i -> "a" + i) // 對值拼接前綴 a
.forEach(System.out::println); // for 循環打印
// a1
// a2
// a3
複製代碼
上小節中,咱們已經學會了如何建立不一樣類型的 Stream 流,接下來咱們再深刻了解下數據流的執行順序。
在討論處理順序以前,您須要明確一點,那就是中間操做的有個重要特性 —— 延遲性。觀察下面這個沒有終端操做的示例代碼:
Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> {
System.out.println("filter: " + s);
return true;
});
複製代碼
執行此代碼段時,您可能會認爲,將依次打印 "d2", "a2", "b1", "b3", "c" 元素。然而當你實際去執行的時候,它不會打印任何內容。
爲何呢?
緣由是:當且僅當存在終端操做時,中間操做操做纔會被執行。
是否是不信?接下來,對上面的代碼添加 forEach
終端操做:
Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> {
System.out.println("filter: " + s);
return true;
})
.forEach(s -> System.out.println("forEach: " + s));
複製代碼
再次執行,咱們會看到輸出以下:
filter: d2
forEach: d2
filter: a2
forEach: a2
filter: b1
forEach: b1
filter: b3
forEach: b3
filter: c
forEach: c
複製代碼
輸出的順序可能會讓你很驚訝!你腦海裏確定會想,應該是先將全部 filter
前綴的字符串打印出來,接着纔會打印 forEach
前綴的字符串。
事實上,輸出的結果倒是隨着鏈條垂直移動的。好比說,當 Stream 開始處理 d2 元素時,它實際上會在執行完 filter 操做後,再執行 forEach 操做,接着纔會處理第二個元素。
是否是很神奇?爲何要設計成這樣呢?
緣由是出於性能的考慮。這樣設計能夠減小對每一個元素的實際操做數,看完下面代碼你就明白了:
Stream.of("d2", "a2", "b1", "b3", "c")
.map(s -> {
System.out.println("map: " + s);
return s.toUpperCase(); // 轉大寫
})
.anyMatch(s -> {
System.out.println("anyMatch: " + s);
return s.startsWith("A"); // 過濾出以 A 爲前綴的元素
});
// map: d2
// anyMatch: D2
// map: a2
// anyMatch: A2
複製代碼
終端操做 anyMatch()
表示任何一個元素以 A 爲前綴,返回爲 true
,就中止循環。因此它會從 d2
開始匹配,接着循環到 a2
的時候,返回爲 true
,因而中止循環。
因爲數據流的鏈式調用是垂直執行的,map
這裏只須要執行兩次。相對於水平執行來講,map
會執行儘量少的次數,而不是把全部元素都 map
轉換一遍。
下面的例子由兩個中間操做map
和filter
,以及一個終端操做forEach
組成。讓咱們再來看看這些操做是如何執行的:
Stream.of("d2", "a2", "b1", "b3", "c")
.map(s -> {
System.out.println("map: " + s);
return s.toUpperCase(); // 轉大寫
})
.filter(s -> {
System.out.println("filter: " + s);
return s.startsWith("A"); // 過濾出以 A 爲前綴的元素
})
.forEach(s -> System.out.println("forEach: " + s)); // for 循環輸出
// map: d2
// filter: D2
// map: a2
// filter: A2
// forEach: A2
// map: b1
// filter: B1
// map: b3
// filter: B3
// map: c
// filter: C
複製代碼
學習了上面一小節,您應該已經知道了,map
和filter
會對集合中的每一個字符串調用五次,而forEach
卻只會調用一次,由於只有 "a2" 知足過濾條件。
若是咱們改變中間操做的順序,將filter
移動到鏈頭的最開始,就能夠大大減小實際的執行次數:
Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> {
System.out.println("filter: " + s)
return s.startsWith("a"); // 過濾出以 a 爲前綴的元素
})
.map(s -> {
System.out.println("map: " + s);
return s.toUpperCase(); // 轉大寫
})
.forEach(s -> System.out.println("forEach: " + s)); // for 循環輸出
// filter: d2
// filter: a2
// map: a2
// forEach: A2
// filter: b1
// filter: b3
// filter: c
複製代碼
如今,map
僅僅只需調用一次,性能獲得了提高,這種小技巧對於流中存在大量元素來講,是很是頗有用的。
接下來,讓咱們對上面的代碼再添加一箇中間操做sorted
:
Stream.of("d2", "a2", "b1", "b3", "c")
.sorted((s1, s2) -> {
System.out.printf("sort: %s; %s\n", s1, s2);
return s1.compareTo(s2); // 排序
})
.filter(s -> {
System.out.println("filter: " + s);
return s.startsWith("a"); // 過濾出以 a 爲前綴的元素
})
.map(s -> {
System.out.println("map: " + s);
return s.toUpperCase(); // 轉大寫
})
.forEach(s -> System.out.println("forEach: " + s)); // for 循環輸出
複製代碼
sorted
是一個有狀態的操做,由於它須要在處理的過程當中,保存狀態以對集合中的元素進行排序。
執行上面代碼,輸出以下:
sort: a2; d2
sort: b1; a2
sort: b1; d2
sort: b1; a2
sort: b3; b1
sort: b3; d2
sort: c; b3
sort: c; d2
filter: a2
map: a2
forEach: A2
filter: b1
filter: b3
filter: c
filter: d2
複製代碼
咦咦咦?此次怎麼又不是垂直執行了。你須要知道的是,sorted
是水平執行的。所以,在這種狀況下,sorted
會對集合中的元素組合調用八次。這裏,咱們也能夠利用上面說道的優化技巧,將 filter 過濾中間操做移動到開頭部分:
Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> {
System.out.println("filter: " + s);
return s.startsWith("a");
})
.sorted((s1, s2) -> {
System.out.printf("sort: %s; %s\n", s1, s2);
return s1.compareTo(s2);
})
.map(s -> {
System.out.println("map: " + s);
return s.toUpperCase();
})
.forEach(s -> System.out.println("forEach: " + s));
// filter: d2
// filter: a2
// filter: b1
// filter: b3
// filter: c
// map: a2
// forEach: A2
複製代碼
從上面的輸出中,咱們看到了 sorted
從未被調用過,由於通過filter
事後的元素已經減小到只有一個,這種狀況下,是不用執行排序操做的。所以性能被大大提升了。
Java8 Stream 流是不能被複用的,一旦你調用任何終端操做,流就會關閉:
Stream<String> stream =
Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> s.startsWith("a"));
stream.anyMatch(s -> true); // ok
stream.noneMatch(s -> true); // exception
複製代碼
當咱們對 stream 調用了 anyMatch
終端操做之後,流即關閉了,再調用 noneMatch
就會拋出異常:
java.lang.IllegalStateException: stream has already been operated upon or closed
at java.util.stream.AbstractPipeline.evaluate(AbstractPipeline.java:229)
at java.util.stream.ReferencePipeline.noneMatch(ReferencePipeline.java:459)
at com.winterbe.java8.Streams5.test7(Streams5.java:38)
at com.winterbe.java8.Streams5.main(Streams5.java:28)
複製代碼
爲了克服這個限制,咱們必須爲咱們想要執行的每一個終端操做建立一個新的流鏈,例如,咱們能夠經過 Supplier
來包裝一下流,經過 get()
方法來構建一個新的 Stream
流,以下所示:
Supplier<Stream<String>> streamSupplier =
() -> Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> s.startsWith("a"));
streamSupplier.get().anyMatch(s -> true); // ok
streamSupplier.get().noneMatch(s -> true); // ok
複製代碼
經過構造一個新的流,來避開流不能被複用的限制, 這也是取巧的一種方式。
Streams
支持的操做很豐富,除了上面介紹的這些比較經常使用的中間操做,如filter
或map
(參見Stream Javadoc)外。還有一些更復雜的操做,如collect
,flatMap
以及reduce
。接下來,就讓咱們學習一下:
本小節中的大多數代碼示例均會使用如下 List<Person>
進行演示:
class Person {
String name;
int age;
Person(String name, int age) {
this.name = name;
this.age = age;
}
@Override
public String toString() {
return name;
}
}
// 構建一個 Person 集合
List<Person> persons =
Arrays.asList(
new Person("Max", 18),
new Person("Peter", 23),
new Person("Pamela", 23),
new Person("David", 12));
複製代碼
collect 是一個很是有用的終端操做,它能夠將流中的元素轉變成另一個不一樣的對象,例如一個List
,Set
或Map
。collect 接受入參爲Collector
(收集器),它由四個不一樣的操做組成:供應器(supplier)、累加器(accumulator)、組合器(combiner)和終止器(finisher)。
這些都是個啥?別慌,看上去很是複雜的樣子,但好在大多數狀況下,您並不須要本身去實現收集器。由於 Java 8經過Collectors
類內置了各類經常使用的收集器,你直接拿來用就好了。
讓咱們先從一個很是常見的用例開始:
List<Person> filtered =
persons
.stream() // 構建流
.filter(p -> p.name.startsWith("P")) // 過濾出名字以 P 開頭的
.collect(Collectors.toList()); // 生成一個新的 List
System.out.println(filtered); // [Peter, Pamela]
複製代碼
你也看到了,從流中構造一個 List
異常簡單。若是說你須要構造一個 Set
集合,只須要使用Collectors.toSet()
就能夠了。
接下來這個示例,將會按年齡對全部人進行分組:
Map<Integer, List<Person>> personsByAge = persons
.stream()
.collect(Collectors.groupingBy(p -> p.age)); // 以年齡爲 key,進行分組
personsByAge
.forEach((age, p) -> System.out.format("age %s: %s\n", age, p));
// age 18: [Max]
// age 23: [Peter, Pamela]
// age 12: [David]
複製代碼
除了上面這些操做。您還能夠在流上執行聚合操做,例如,計算全部人的平均年齡:
Double averageAge = persons
.stream()
.collect(Collectors.averagingInt(p -> p.age)); // 聚合出平均年齡
System.out.println(averageAge); // 19.0
複製代碼
若是您還想獲得一個更全面的統計信息,摘要收集器能夠返回一個特殊的內置統計對象。經過它,咱們能夠簡單地計算出最小年齡、最大年齡、平均年齡、總和以及總數量。
IntSummaryStatistics ageSummary =
persons
.stream()
.collect(Collectors.summarizingInt(p -> p.age)); // 生成摘要統計
System.out.println(ageSummary);
// IntSummaryStatistics{count=4, sum=76, min=12, average=19.000000, max=23}
複製代碼
下一個這個示例,能夠將全部人名鏈接成一個字符串:
String phrase = persons
.stream()
.filter(p -> p.age >= 18) // 過濾出年齡大於等於18的
.map(p -> p.name) // 提取名字
.collect(Collectors.joining(" and ", "In Germany ", " are of legal age.")); // 以 In Germany 開頭,and 鏈接各元素,再以 are of legal age. 結束
System.out.println(phrase);
// In Germany Max and Peter and Pamela are of legal age.
複製代碼
鏈接收集器的入參接受分隔符,以及可選的前綴以及後綴。
對於如何將流轉換爲 Map
集合,咱們必須指定 Map
的鍵和值。這裏須要注意,Map
的鍵必須是惟一的,不然會拋出IllegalStateException
異常。
你能夠選擇傳遞一個合併函數做爲額外的參數來避免發生這個異常:
Map<Integer, String> map = persons
.stream()
.collect(Collectors.toMap(
p -> p.age,
p -> p.name,
(name1, name2) -> name1 + ";" + name2)); // 對於一樣 key 的,將值拼接
System.out.println(map);
// {18=Max, 23=Peter;Pamela, 12=David}
複製代碼
既然咱們已經知道了這些強大的內置收集器,接下來就讓咱們嘗試構建自定義收集器吧。
好比說,咱們但願將流中的全部人轉換成一個字符串,包含全部大寫的名稱,並以|
分割。爲了達到這種效果,咱們須要經過Collector.of()
建立一個新的收集器。同時,咱們還須要傳入收集器的四個組成部分:供應器、累加器、組合器和終止器。
Collector<Person, StringJoiner, String> personNameCollector =
Collector.of(
() -> new StringJoiner(" | "), // supplier 供應器
(j, p) -> j.add(p.name.toUpperCase()), // accumulator 累加器
(j1, j2) -> j1.merge(j2), // combiner 組合器
StringJoiner::toString); // finisher 終止器
String names = persons
.stream()
.collect(personNameCollector); // 傳入自定義的收集器
System.out.println(names); // MAX | PETER | PAMELA | DAVID
複製代碼
因爲Java 中的字符串是 final 類型的,咱們須要藉助輔助類StringJoiner
,來幫咱們構造字符串。
最開始供應器使用分隔符構造了一個StringJointer
。
累加器用於將每一個人的人名轉大寫,而後加到StringJointer
中。
組合器將兩個StringJointer
合併爲一個。
最終,終結器從StringJointer
構造出預期的字符串。
上面咱們已經學會了如經過map
操做, 將流中的對象轉換爲另外一種類型。可是,Map
只能將每一個對象映射到另外一個對象。
若是說,咱們想要將一個對象轉換爲多個其餘對象或者根本不作轉換操做呢?這個時候,flatMap
就派上用場了。
FlatMap
可以將流的每一個元素, 轉換爲其餘對象的流。所以,每一個對象能夠被轉換爲零個,一個或多個其餘對象,並以流的方式返回。以後,這些流的內容會被放入flatMap
返回的流中。
在學習如何實際操做flatMap
以前,咱們先新建兩個類,用來測試:
class Foo {
String name;
List<Bar> bars = new ArrayList<>();
Foo(String name) {
this.name = name;
}
}
class Bar {
String name;
Bar(String name) {
this.name = name;
}
}
複製代碼
接下來,經過咱們上面學習到的流知識,來實例化一些對象:
List<Foo> foos = new ArrayList<>();
// 建立 foos 集合
IntStream
.range(1, 4)
.forEach(i -> foos.add(new Foo("Foo" + i)));
// 建立 bars 集合
foos.forEach(f ->
IntStream
.range(1, 4)
.forEach(i -> f.bars.add(new Bar("Bar" + i + " <- " + f.name))));
複製代碼
咱們建立了包含三個foo
的集合,每一個foo
中又包含三個 bar
。
flatMap
的入參接受一個返回對象流的函數。爲了處理每一個foo
中的bar
,咱們須要傳入相應 stream 流:
foos.stream()
.flatMap(f -> f.bars.stream())
.forEach(b -> System.out.println(b.name));
// Bar1 <- Foo1
// Bar2 <- Foo1
// Bar3 <- Foo1
// Bar1 <- Foo2
// Bar2 <- Foo2
// Bar3 <- Foo2
// Bar1 <- Foo3
// Bar2 <- Foo3
// Bar3 <- Foo3
複製代碼
如上所示,咱們已成功將三個 foo
對象的流轉換爲九個bar
對象的流。
最後,上面的這段代碼能夠簡化爲單一的流式操做:
IntStream.range(1, 4)
.mapToObj(i -> new Foo("Foo" + i))
.peek(f -> IntStream.range(1, 4)
.mapToObj(i -> new Bar("Bar" + i + " <- " f.name))
.forEach(f.bars::add))
.flatMap(f -> f.bars.stream())
.forEach(b -> System.out.println(b.name));
複製代碼
flatMap
也可用於Java8引入的Optional
類。Optional
的flatMap
操做返回一個Optional
或其餘類型的對象。因此它能夠用於避免繁瑣的null
檢查。
接下來,讓咱們建立層次更深的對象:
class Outer {
Nested nested;
}
class Nested {
Inner inner;
}
class Inner {
String foo;
}
複製代碼
爲了處理從 Outer 對象中獲取最底層的 foo 字符串,你須要添加多個null
檢查來避免可能發生的NullPointerException
,以下所示:
Outer outer = new Outer();
if (outer != null && outer.nested != null && outer.nested.inner != null) {
System.out.println(outer.nested.inner.foo);
}
複製代碼
咱們還可使用Optional
的flatMap
操做,來完成上述相同功能的判斷,且更加優雅:
Optional.of(new Outer())
.flatMap(o -> Optional.ofNullable(o.nested))
.flatMap(n -> Optional.ofNullable(n.inner))
.flatMap(i -> Optional.ofNullable(i.foo))
.ifPresent(System.out::println);
複製代碼
若是不爲空的話,每一個flatMap
的調用都會返回預期對象的Optional
包裝,不然返回爲null
的Optional
包裝類。
筆者補充:關於 Optional 可參見我另外一篇譯文《Java8 新特性如何防止空指針異常》
規約操做能夠將流的全部元素組合成一個結果。Java 8 支持三種不一樣的reduce
方法。第一種將流中的元素規約成流中的一個元素。
讓咱們看看如何使用這種方法,來篩選出年齡最大的那我的:
persons
.stream()
.reduce((p1, p2) -> p1.age > p2.age ? p1 : p2)
.ifPresent(System.out::println); // Pamela
複製代碼
reduce
方法接受BinaryOperator
積累函數。該函數其實是兩個操做數類型相同的BiFunction
。BiFunction
功能和Function
同樣,可是它接受兩個參數。示例代碼中,咱們比較兩我的的年齡,來返回年齡較大的人。
第二種reduce
方法接受標識值和BinaryOperator
累加器。此方法可用於構造一個新的 Person
,其中包含來自流中全部其餘人的聚合名稱和年齡:
Person result =
persons
.stream()
.reduce(new Person("", 0), (p1, p2) -> {
p1.age += p2.age;
p1.name += p2.name;
return p1;
});
System.out.format("name=%s; age=%s", result.name, result.age);
// name=MaxPeterPamelaDavid; age=76
複製代碼
第三種reduce
方法接受三個參數:標識值,BiFunction
累加器和類型的組合器函數BinaryOperator
。因爲初始值的類型不必定爲Person
,咱們可使用這個歸約函數來計算全部人的年齡總和:
Integer ageSum = persons
.stream()
.reduce(0, (sum, p) -> sum += p.age, (sum1, sum2) -> sum1 + sum2);
System.out.println(ageSum); // 76
複製代碼
結果爲76,可是內部究竟發生了什麼呢?讓咱們再打印一些調試日誌:
Integer ageSum = persons
.stream()
.reduce(0,
(sum, p) -> {
System.out.format("accumulator: sum=%s; person=%s\n", sum, p);
return sum += p.age;
},
(sum1, sum2) -> {
System.out.format("combiner: sum1=%s; sum2=%s\n", sum1, sum2);
return sum1 + sum2;
});
// accumulator: sum=0; person=Max
// accumulator: sum=18; person=Peter
// accumulator: sum=41; person=Pamela
// accumulator: sum=64; person=David
複製代碼
你能夠看到,累加器函數完成了全部工做。它首先使用初始值0
和第一我的年齡相加。接下來的三步中sum
會持續增長,直到76。
等等?好像哪裏不太對!組合器歷來都沒有調用過啊?
咱們以並行流的方式運行上面的代碼,看看日誌輸出:
Integer ageSum = persons
.parallelStream()
.reduce(0,
(sum, p) -> {
System.out.format("accumulator: sum=%s; person=%s\n", sum, p);
return sum += p.age;
},
(sum1, sum2) -> {
System.out.format("combiner: sum1=%s; sum2=%s\n", sum1, sum2);
return sum1 + sum2;
});
// accumulator: sum=0; person=Pamela
// accumulator: sum=0; person=David
// accumulator: sum=0; person=Max
// accumulator: sum=0; person=Peter
// combiner: sum1=18; sum2=23
// combiner: sum1=23; sum2=12
// combiner: sum1=41; sum2=35
複製代碼
並行流的執行方式徹底不一樣。這裏組合器被調用了。實際上,因爲累加器被並行調用,組合器須要被用於計算部分累加值的總和。
讓咱們在下一章深刻探討並行流。
流是能夠並行執行的,當流中存在大量元素時,能夠顯著提高性能。並行流底層使用的ForkJoinPool
, 它由ForkJoinPool.commonPool()
方法提供。底層線程池的大小最多爲五個 - 具體取決於 CPU 可用核心數:
ForkJoinPool commonPool = ForkJoinPool.commonPool();
System.out.println(commonPool.getParallelism()); // 3
複製代碼
在個人機器上,公共池初始化默認值爲 3。你也能夠經過設置如下JVM參數能夠減少或增長此值:
-Djava.util.concurrent.ForkJoinPool.common.parallelism=5
複製代碼
集合支持parallelStream()
方法來建立元素的並行流。或者你能夠在已存在的數據流上調用中間方法parallel()
,將串行流轉換爲並行流,這也是能夠的。
爲了詳細瞭解並行流的執行行爲,咱們在下面的示例代碼中,打印當前線程的信息:
Arrays.asList("a1", "a2", "b1", "c2", "c1")
.parallelStream()
.filter(s -> {
System.out.format("filter: %s [%s]\n",
s, Thread.currentThread().getName());
return true;
})
.map(s -> {
System.out.format("map: %s [%s]\n",
s, Thread.currentThread().getName());
return s.toUpperCase();
})
.forEach(s -> System.out.format("forEach: %s [%s]\n",
s, Thread.currentThread().getName()));
複製代碼
經過日誌輸出,咱們能夠對哪一個線程被用於執行流式操做,有個更深刻的理解:
filter: b1 [main]
filter: a2 [ForkJoinPool.commonPool-worker-1]
map: a2 [ForkJoinPool.commonPool-worker-1]
filter: c2 [ForkJoinPool.commonPool-worker-3]
map: c2 [ForkJoinPool.commonPool-worker-3]
filter: c1 [ForkJoinPool.commonPool-worker-2]
map: c1 [ForkJoinPool.commonPool-worker-2]
forEach: C2 [ForkJoinPool.commonPool-worker-3]
forEach: A2 [ForkJoinPool.commonPool-worker-1]
map: b1 [main]
forEach: B1 [main]
filter: a1 [ForkJoinPool.commonPool-worker-3]
map: a1 [ForkJoinPool.commonPool-worker-3]
forEach: A1 [ForkJoinPool.commonPool-worker-3]
forEach: C1 [ForkJoinPool.commonPool-worker-2]
複製代碼
如您所見,並行流使用了全部的ForkJoinPool
中的可用線程來執行流式操做。在持續的運行中,輸出結果可能有所不一樣,由於所使用的特定線程是非特定的。
讓咱們經過添加中間操做sort
來擴展上面示例:
Arrays.asList("a1", "a2", "b1", "c2", "c1")
.parallelStream()
.filter(s -> {
System.out.format("filter: %s [%s]\n",
s, Thread.currentThread().getName());
return true;
})
.map(s -> {
System.out.format("map: %s [%s]\n",
s, Thread.currentThread().getName());
return s.toUpperCase();
})
.sorted((s1, s2) -> {
System.out.format("sort: %s <> %s [%s]\n",
s1, s2, Thread.currentThread().getName());
return s1.compareTo(s2);
})
.forEach(s -> System.out.format("forEach: %s [%s]\n",
s, Thread.currentThread().getName()));
複製代碼
運行代碼,輸出結果看上去有些奇怪:
filter: c2 [ForkJoinPool.commonPool-worker-3]
filter: c1 [ForkJoinPool.commonPool-worker-2]
map: c1 [ForkJoinPool.commonPool-worker-2]
filter: a2 [ForkJoinPool.commonPool-worker-1]
map: a2 [ForkJoinPool.commonPool-worker-1]
filter: b1 [main]
map: b1 [main]
filter: a1 [ForkJoinPool.commonPool-worker-2]
map: a1 [ForkJoinPool.commonPool-worker-2]
map: c2 [ForkJoinPool.commonPool-worker-3]
sort: A2 <> A1 [main]
sort: B1 <> A2 [main]
sort: C2 <> B1 [main]
sort: C1 <> C2 [main]
sort: C1 <> B1 [main]
sort: C1 <> C2 [main]
forEach: A1 [ForkJoinPool.commonPool-worker-1]
forEach: C2 [ForkJoinPool.commonPool-worker-3]
forEach: B1 [main]
forEach: A2 [ForkJoinPool.commonPool-worker-2]
forEach: C1 [ForkJoinPool.commonPool-worker-1]
複製代碼
貌似sort
只在主線程上串行執行。可是實際上,並行流中的sort
在底層使用了Java8中新的方法Arrays.parallelSort()
。如 javadoc官方文檔解釋的,這個方法會按照數據長度來決定以串行方式,或者以並行的方式來執行。
若是指定數據的長度小於最小數值,它則使用相應的
Arrays.sort
方法來進行排序。
回到上小節 reduce
的例子。咱們已經發現了組合器函數只在並行流中調用,而不不會在串行流中被調用。
讓咱們來實際觀察一下涉及到哪一個線程:
List<Person> persons = Arrays.asList(
new Person("Max", 18),
new Person("Peter", 23),
new Person("Pamela", 23),
new Person("David", 12));
persons
.parallelStream()
.reduce(0,
(sum, p) -> {
System.out.format("accumulator: sum=%s; person=%s [%s]\n",
sum, p, Thread.currentThread().getName());
return sum += p.age;
},
(sum1, sum2) -> {
System.out.format("combiner: sum1=%s; sum2=%s [%s]\n",
sum1, sum2, Thread.currentThread().getName());
return sum1 + sum2;
});
複製代碼
經過控制檯日誌輸出,累加器和組合器均在全部可用的線程上並行執行:
accumulator: sum=0; person=Pamela; [main]
accumulator: sum=0; person=Max; [ForkJoinPool.commonPool-worker-3]
accumulator: sum=0; person=David; [ForkJoinPool.commonPool-worker-2]
accumulator: sum=0; person=Peter; [ForkJoinPool.commonPool-worker-1]
combiner: sum1=18; sum2=23; [ForkJoinPool.commonPool-worker-1]
combiner: sum1=23; sum2=12; [ForkJoinPool.commonPool-worker-2]
combiner: sum1=41; sum2=35; [ForkJoinPool.commonPool-worker-2]
複製代碼
總之,你須要記住的是,並行流對含有大量元素的數據流提高性能極大。可是你也須要記住並行流的一些操做,例如reduce
和collect
操做,須要額外的計算(如組合操做),這在串行執行時是並不須要。
此外,咱們也瞭解了,全部並行流操做都共享相同的 JVM 相關的公共ForkJoinPool
。因此你可能須要避免寫出一些又慢又卡的流式操做,這頗有可能會拖慢你應用中,嚴重依賴並行流的其它部分代碼的性能。
Java8 Stream 流編程指南到這裏就結束了。若是您有興趣瞭解更多有關 Java 8 Stream 流的相關信息,我建議您使用 Stream Javadoc 閱讀官方文檔。若是您想了解有關底層機制的更多信息,您也能夠閱讀 Martin Fowlers 關於 Collection Pipelines 的文章。
最後,祝您學習愉快!
獲取方式: 關注微信公衆號: 小哈學Java, 後臺回覆"666",既可免費無套路獲取資源連接,下面是目錄以及部分截圖: