JDK8 Stream 數據流效率分析

Stream 是Java SE 8類庫中新增的關鍵抽象，它被定義于 java.util.stream （這個包里有若干流類型：Stream 代表對象引用流，此外還有一系列特化流，如 IntStream，LongStream，DoubleStream等 ）。

Java 8 引入的的Stream主要用于取代部分Collection的操作，每個流代表一個值序列，流提供一系列常用的聚集操作，可以便捷的在它上面進行各種運算。集合類庫也提供了便捷的方式使我們可以以操作流的方式使用集合、數組以及其它數據結構；

stream 的操作種類

①中間操作

• 當數據源中的數據上了流水線后，這個過程對數據進行的所有操作都稱為“中間操作”；
• 中間操作仍然會返回一個流對象，因此多個中間操作可以串連起來形成一個流水線；
• stream 提供了多種類型的中間操作，如 filter、distinct、map、sorted 等等；

②終端操作

• 當所有的中間操作完成后，若要將數據從流水線上拿下來，則需要執行終端操作；

• stream 對于終端操作，可以直接提供一個中間操作的結果，或者將結果轉換為特定的 collection、array、String 等；

stream 的特點

①只能遍歷一次：

數據流的從一頭獲取數據源，在流水線上依次對元素進行操作，當元素通過流水線，便無法再對其進行操作，可以重新在數據源獲取一個新的數據流進行操作；

②采用內部迭代的方式：

對Collection進行處理，一般會使用 Iterator 遍歷器的遍歷方式，這是一種外部迭代；

而對于處理Stream，只要申明處理方式，處理過程由流對象自行完成，這是一種內部迭代，對于大量數據的迭代處理中，內部迭代比外部迭代要更加高效；

stream 相對于 Collection 的優點

注無存儲： 流并不存儲值；流的元素源自數據源（可能是某個數據結構、生成函數或I/O通道等等），通過一系列計算步驟得到；

• 函數式風格： 對流的操作會產生一個結果，但流的數據源不會被修改；
• 惰性求值： 多數流操作（包括過濾、映射、排序以及去重）都可以以惰性方式實現。這使得我們可以用一遍遍歷完成整個流水線操作，并可以用短路操作提供更高效的實現；
• 無需上界： 不少問題都可以被表達為無限流（infinite stream）：用戶不停地讀取流直到滿意的結果出現為止（比如說，枚舉 完美數 這個操作可以被表達為在所有整數上進行過濾）；集合是有限的，但流可以表達為無線流；
• 代碼簡練： 對于一些collection的迭代處理操作，使用 stream 編寫可以十分簡潔，如果使用傳統的 collection 迭代操作，代碼可能十分啰嗦，可讀性也會比較糟糕；

stream 和 iterator 迭代的效率比較

好了，上面 stream 的優點吹了那么多，stream 函數式的寫法是很舒服，那么 steam 的效率到底怎樣呢？

先說結論：

• 傳統 iterator (for-loop) 比 stream(JDK8) 迭代性能要高，尤其在小數據量的情況下；

• 在多核情景下，對于大數據量的處理，parallel stream 可以有比 iterator 更高的迭代處理效率；

我分別對一個隨機數列 List （數量從 10 到 10000000）進行映射、過濾、排序、規約統計、字符串轉化場景下，對使用 stream 和 iterator 實現的運行效率進行了統計。

測試環境如下：

System：Ubuntu 16.04 xenial

CPU：Intel Core i7-8550U

RAM：16GB

JDK version：1.8.0_151

JVM：HotSpot(TM) 64-Bit Server VM (build 25.151-b12, mixed mode)

JVMSettings:

-Xms1024m

-Xmx6144m

-XX:MaxMetaspaceSize=512m

-XX:ReservedCodeCacheSize=1024m

-XX:+UseConcMarkSweepGC

-XX:SoftRefLRUPolicyMSPerMB=100

1. 映射處理測試

把一個隨機數列（List）中的每一個元素自增1后，重新組裝為一個新的 List，測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

//stream
Listresult=list.stream()
.mapToInt(x->x)
.map(x->++x)
.boxed()
.collect(Collectors.toCollection(ArrayList::new));
//iterator
Listresult=newArrayList<>();
for(Integere:list){
result.add(++e);
}
//parallelstream
Listresult=list.parallelStream()
.mapToInt(x->x)
.map(x->++x)
.boxed()
.collect(Collectors.toCollection(ArrayList::new));

2. 過濾處理測試

取出一個隨機數列（List）中的大于 200 的元素，并組裝為一個新的 List，測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

//stream
Listresult=list.stream()
.mapToInt(x->x)
.filter(x->x>200)
.boxed()
.collect(Collectors.toCollection(ArrayList::new));
//iterator
Listresult=newArrayList<>(list.size());
for(Integere:list){
if(e>200){
result.add(e);
}
}
//parallelstream
Listresult=list.parallelStream()
.mapToInt(x->x)
.filter(x->x>200)
.boxed()
.collect(Collectors.toCollection(ArrayList::new));

3. 自然排序測試

對一個隨機數列（List）進行自然排序，并組裝為一個新的 List，iterator 使用的是 Collections # sort API（使用歸并排序算法實現），測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

//stream
Listresult=list.stream()
.mapToInt(x->x)
.sorted()
.boxed()
.collect(Collectors.toCollection(ArrayList::new));
//iterator
Listresult=newArrayList<>(list);
Collections.sort(result);
//parallelstream
Listresult=list.parallelStream()
.mapToInt(x->x)
.sorted()
.boxed()
.collect(Collectors.toCollection(ArrayList::new));

4. 歸約統計測試

獲取一個隨機數列（List）的最大值，測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

//stream
intmax=list.stream()
.mapToInt(x->x)
.max()
.getAsInt();
//iterator
intmax=-1;
for(Integere:list){
if(e>max){
max=e;
}
}
//parallelstream
intmax=list.parallelStream()
.mapToInt(x->x)
.max()
.getAsInt();

5. 字符串拼接測試

獲取一個隨機數列（List）各個元素使用“,”分隔的字符串，測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

//stream
Stringresult=list.stream().map(String::valueOf).collect(Collectors.joining(","));
//iterator
StringBuilderbuilder=newStringBuilder();
for(Integere:list){
builder.append(e).append(",");
}
Stringresult=builder.length()==0?"":builder.substring(0,builder.length()-1);
//parallelstream
Stringresult=list.stream().map(String::valueOf).collect(Collectors.joining(","));

6. 混合操作測試

對一個隨機數列（List）進行去空值，除重，映射，過濾，并組裝為一個新的 List，測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

//stream
Listresult=list.stream()
.filter(Objects::nonNull)
.mapToInt(x->x+1)
.filter(x->x>200)
.distinct()
.boxed()
.collect(Collectors.toCollection(ArrayList::new));
//iterator
HashSetset=newHashSet<>(list.size());
for(Integere:list){
if(e!=null&&e>200){
set.add(e+1);
}
}
Listresult=newArrayList<>(set);
//parallelstream
Listresult=list.parallelStream()
.filter(Objects::nonNull)
.mapToInt(x->x+1)
.filter(x->x>200)
.distinct()
.boxed()
.collect(Collectors.toCollection(ArrayList::new));

實驗結果總結

從以上的實驗來看，可以總結處以下幾點：

• 在少低數據量的處理場景中（size<=1000），stream 的處理效率是不如傳統的 iterator 外部迭代器處理速度快的，但是實際上這些處理任務本身運行時間都低于毫秒，這點效率的差距對普通業務幾乎沒有影響，反而 stream 可以使得代碼更加簡潔；

• 在大數據量（szie>10000）時，stream 的處理效率會高于 iterator，特別是使用了并行流，在cpu恰好將線程分配到多個核心的條件下（當然parallel stream 底層使用的是 JVM 的 ForkJoinPool，這東西分配線程本身就很玄學），可以達到一個很高的運行效率，然而實際普通業務一般不會有需要迭代高于10000次的計算；

• Parallel Stream 受引 CPU 環境影響很大，當沒分配到多個cpu核心時，加上引用 forkJoinPool 的開銷，運行效率可能還不如普通的 Stream；

使用 Stream 的建議

• 簡單的迭代邏輯，可以直接使用 iterator，對于有多步處理的迭代邏輯，可以使用 stream，損失一點幾乎沒有的效率，換來代碼的高可讀性是值得的；

• 單核 cpu 環境，不推薦使用 parallel stream，在多核 cpu 且有大數據量的條件下，推薦使用 paralle stream；

• stream 中含有裝箱類型，在進行中間操作之前，最好轉成對應的數值流，減少由于頻繁的拆箱、裝箱造成的性能損失；

審核編輯：湯梓紅