Java Stream
Stream 是Java SE 8类库中新增的关键抽象，它被定义于 java.util.stream （这个包里有若干流类型：Stream<T>代表对象引用流，此外还有一系列特化流，如 IntStream，LongStream，DoubleStream等。
Java 8 引入的的Stream主要用于取代部分Collection的操作，每个流代表一个值序列，流提供一系列常用的聚集操作，可以便捷的在它上面进行各种运算。集合类库也提供了便捷的方式使我们可以以操作流的方式使用集合、数组以及其它数据结构；

stream 的操作种类

2021-05-15-10-59-06-279867.png

①中间操作

  • 当数据源中的数据上了流水线后，这个过程对数据进行的所有操作都称为“中间操作”；
  • 中间操作仍然会返回一个流对象，因此多个中间操作可以串连起来形成一个流水线；

  • stream 提供了多种类型的中间操作，如 filter、distinct、map、sorted 等等；

    ②终端操作

  • 当所有的中间操作完成后，若要将数据从流水线上拿下来，则需要执行终端操作；

  • stream 对于终端操作，可以直接提供一个中间操作的结果，或者将结果转换为特定的 collection、array、String 等；

    stream 的特点

    ①只能遍历一次

    数据流的从一头获取数据源，在流水线上依次对元素进行操作，当元素通过流水线，便无法再对其进行操作，可以重新在数据源获取一个新的数据流进行操作；

    ②采用内部迭代的方式

    对Collection进行处理，一般会使用Iterator 遍历器的遍历方式，这是一种外部迭代；
    而对于处理Stream，只要申明处理方式，处理过程由流对象自行完成，这是一种内部迭代，对于大量数据的迭代处理中，内部迭代比外部迭代要更加高效；

    stream 相对于 Collection 的优点

  • 无存储：流并不存储值；流的元素源自数据源（可能是某个数据结构、生成函数或I/O通道等等），通过一系列计算步骤得到；

  • 函数式风格：对流的操作会产生一个结果，但流的数据源不会被修改；
  • 惰性求值：多数流操作（包括过滤、映射、排序以及去重）都可以以惰性方式实现。这使得我们可以用一遍遍历完成整个流水线操作，并可以用短路操作提供更高效的实现；
  • 无需上界：不少问题都可以被表达为无限流（infinite stream）：用户不停地读取流直到满意的结果出现为止（比如说，枚举 完美数 这个操作可以被表达为在所有整数上进行过滤）；集合是有限的，但流可以表达为无线流；

  • 代码简练：对于一些collection的迭代处理操作，使用 stream 编写可以十分简洁，如果使用传统的 collection 迭代操作，代码可能十分啰嗦，可读性也会比较糟糕；

    stream 和 iterator 迭代的效率比较

    上面 stream 的优点说了那么多，stream 函数式的写法是很舒服，那么 steam 的效率到底怎样呢？
    先说结论：

  • 传统 iterator (for-loop) 比 stream(JDK8) 迭代性能要高，尤其在小数据量的情况下；

  • 在多核情景下，对于大数据量的处理，parallel stream 可以有比 iterator 更高的迭代处理效率；
    我分别对一个随机数列 List （数量从 10 到 10000000）进行映射、过滤、排序、规约统计、字符串转化场景下，对使用 stream 和 iterator 实现的运行效率进行了统计，测试代码 基准测试代码链接
    测试环境如下： ```java 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)

JVM Settings:

  1. -Xms1024m
  3. -Xmx6144m
  5. -XX:MaxMetaspaceSize=512m
  7. -XX:ReservedCodeCacheSize=1024m
  9. -XX:+UseConcMarkSweepGC
  11. -XX:SoftRefLRUPolicyMSPerMB=100
  1. <a name="LG4UG"></a>
  2. ### 1. 映射处理测试
  3. 把一个随机数列（`List<Integer>`）中的每一个元素自增1后，重新组装为一个新的`List<Integer>`，测试的随机数列容量从 10 - 10000000，跑10次取平均时间；
  4. ```java
  5. //stream
  6. List<Integer> result = list.stream()
  7.     .mapToInt(x -> x)
  8.     .map(x -> ++x)
  9.     .boxed()
  10.     .collect(Collectors.toCollection(ArrayList::new));
  11. //iterator
  12. List<Integer> result = new ArrayList<>();
  13. for(Integer e : list){
  14.     result.add(++e);
  15. }
  16. //parallel stream
  17. List<Integer> result = list.parallelStream()
  18.     .mapToInt(x -> x)
  19.     .map(x -> ++x)
  20.     .boxed()
  21.     .collect(Collectors.toCollection(ArrayList::new));

2021-05-15-10-59-06-342696.png

2. 过滤处理测试

取出一个随机数列（List<Integer>）中的大于 200 的元素，并组装为一个新的List<Integer>，测试的随机数列容量从 10 - 10000000，跑10次取平均时间；

  1. //stream
  2. List<Integer> result = list.stream()
  3.     .mapToInt(x -> x)
  4.     .filter(x -> x > 200)
  5.     .boxed()
  6.     .collect(Collectors.toCollection(ArrayList::new));
  7. //iterator
  8. List<Integer> result = new ArrayList<>(list.size());
  9. for(Integer e : list){
  10.     if(e > 200){
  11.         result.add(e);
  12.     }
  13. }
  14. //parallel stream
  15. List<Integer> result = list.parallelStream()
  16.     .mapToInt(x -> x)
  17.     .filter(x -> x > 200)
  18.     .boxed()
  19.     .collect(Collectors.toCollection(ArrayList::new));

2021-05-15-10-59-06-389571.png

3. 自然排序测试

对一个随机数列（List<Integer>）进行自然排序，并组装为一个新的List<Integer>，iterator 使用的是 Collections#sort API（使用归并排序算法实现），测试的随机数列容量从 10 - 10000000，跑10次取平均时间；

  1. //stream
  2. List<Integer> result = list.stream()
  3.     .mapToInt(x->x)
  4.     .sorted()
  5.     .boxed()
  6.     .collect(Collectors.toCollection(ArrayList::new));
  7. //iterator
  8. List<Integer> result = new ArrayList<>(list);
  9. Collections.sort(result);
  10. //parallel stream
  11. List<Integer> result = list.parallelStream()
  12.     .mapToInt(x->x)
  13.     .sorted()
  14.     .boxed()
  15.     .collect(Collectors.toCollection(ArrayList::new));

2021-05-15-10-59-06-510249.png

4. 归约统计测试

获取一个随机数列（List<Integer>）的最大值，测试的随机数列容量从 10 - 10000000，跑10次取平均时间；

  1. //stream
  2. int max = list.stream()
  3.     .mapToInt(x -> x)
  4.     .max()
  5.     .getAsInt();
  6. //iterator
  7. int max = -1;
  8. for(Integer e : list){
  9.     if(e > max){
  10.         max = e;
  11.     }
  12. }
  13. //parallel stream
  14. int max = list.parallelStream()
  15.     .mapToInt(x -> x)
  16.     .max()
  17.     .getAsInt();

2021-05-15-10-59-06-613971.png

5. 字符串拼接测试

获取一个随机数列（List<Integer>）各个元素使用“,”分隔的字符串，测试的随机数列容量从 10 - 10000000，跑10次取平均时间；

  1. //stream
  2. String result = list.stream().map(String::valueOf).collect(Collectors.joining(","));
  3. //iterator
  4. StringBuilder builder = new StringBuilder();
  5. for(Integer e : list){
  6.     builder.append(e).append(",");
  7. }
  8. String result = builder.length() == 0 ? "" : builder.substring(0,builder.length() - 1);
  9. //parallel stream
  10. String result = list.stream().map(String::valueOf).collect(Collectors.joining(","));

2021-05-15-10-59-06-803470.png

6. 混合操作测试

对一个随机数列（List<Integer>）进行去空值，除重，映射，过滤，并组装为一个新的List<Integer>，测试的随机数列容量从 10 - 10000000，跑10次取平均时间；

  1. //stream
  2. List<Integer> result = list.stream()
  3.     .filter(Objects::nonNull)
  4.     .mapToInt(x -> x + 1)
  5.     .filter(x -> x > 200)
  6.     .distinct()
  7.     .boxed()
  8.     .collect(Collectors.toCollection(ArrayList::new));
  9. //iterator
  10. HashSet<Integer> set  = new HashSet<>(list.size());
  11. for(Integer e : list){
  12.     if(e != null && e > 200){
  13.         set.add(e + 1);
  14.     }
  15. }
  16. List<Integer> result = new ArrayList<>(set);
  17. //parallel stream
  18. List<Integer> result = list.parallelStream()
  19.     .filter(Objects::nonNull)
  20.     .mapToInt(x -> x + 1)
  21.     .filter(x -> x > 200)
  22.     .distinct()
  23.     .boxed()
  24.     .collect(Collectors.toCollection(ArrayList::new));

2021-05-15-10-59-06-893227.png
实验结果总结
从以上的实验来看，可以总结处以下几点：

  • 在少低数据量的处理场景中（size<=1000），stream 的处理效率是不如传统的 iterator 外部迭代器处理速度快的，但是实际上这些处理任务本身运行时间都低于毫秒，这点效率的差距对普通业务几乎没有影响，反而 stream 可以使得代码更加简洁；
  • 在大数据量（szie>10000）时，stream 的处理效率会高于 iterator，特别是使用了并行流，在cpu恰好将线程分配到多个核心的条件下（当然parallel stream 底层使用的是 JVM 的 ForkJoinPool，这东西分配线程本身就很玄学），可以达到一个很高的运行效率，然而实际普通业务一般不会有需要迭代高于10000次的计算；

  • Parallel Stream 受引 CPU 环境影响很大，当没分配到多个cpu核心时，加上引用 forkJoinPool 的开销，运行效率可能还不如普通的 Stream；

    使用 Stream 的建议

  • 简单的迭代逻辑，可以直接使用 iterator，对于有多步处理的迭代逻辑，可以使用 stream，损失一点几乎没有的效率，换来代码的高可读性是值得的；

  • 单核 cpu 环境，不推荐使用 parallel stream，在多核 cpu 且有大数据量的条件下，推荐使用 paralle stream；
  • stream 中含有装箱类型，在进行中间操作之前，最好转成对应的数值流，减少由于频繁的拆箱、装箱造成的性能损失；