在此JAX Magazine的預覽預覽中，JAX倫敦發言人Angelika Langer為使用Java流的任何人回答了最重要的問題：它們真的更快嗎？

Java 8是JDK收集框架的主要新增功能，即流API。 與集合相似，流表示元素序列。 集合支持對單個元素起作用的操作，例如add() ， remove()和contains() 。 相反，流具有批量操作，例如forEach() ， filter() ， map()和reduce() ，它們訪問序列中的所有元素。 Java流的概念受功能編程語言的啟發，其中相應的抽象通常稱為序列，該序列也具有filter-map-reduce操作。 由于這種相似性，Java 8（至少在某種程度上）除了其一直支持的面向對象范例之外，還允許一種函數式編程樣式。

也許與普遍的看法相反，Java編程語言的設計人員沒有擴展Java及其JDK來允許Java中的功能編程，也沒有將Java變成“目標與功能”混合編程語言。 發明Java流的真正動機是性能，或者更確切地說，是使并行性更易于軟件開發人員訪問（請參見Lambda州的Brian Goetz ）。 考慮到硬件的發展方式，這個目標對我來說很有意義。 我們的硬件今天有數十個cpu內核，將來可能還會有數百個。 為了有效利用硬件功能，從而達到最新的執行性能，我們必須并行化。 畢竟–在多核平臺上運行單個線程有什么意義？ 同時，多線程編程被認為是困難且容易出錯的，這是正確的。 流有兩種形式（順序流和并行流），旨在隱藏運行多個線程的復雜性。 并行流使魔術般，輕松地并且以每個Java開發人員都可以訪問的方式并行執行批量操作變得極為容易。

并行流操作是否比順序操作快？ 聽到Angelika Langer在2015年JAX倫敦上的演講。

因此，我們來談談性能。 Java 8流有多快？ 一個普遍的期望是流操作的并行執行比僅單個線程的順序執行要快。 是真的嗎 流會提高性能嗎？

為了回答有關性能的問題，我們必須進行衡量，即運行一個微基準測試。 標桿管理也很困難且容易出錯。 您需要執行適當的預熱，注意各種失真的影響，從虛擬機的JIT編譯器應用的優化（消除臭名昭著的死代碼）到硬件優化（例如，如果增加一個內核的cpu頻率，則應注意）其他核心處于閑置狀態）。 通常，必須以一粒鹽作為基準結果。 每個基準都是實驗。 其結果取決于上下文。 永遠不要相信在硬件環境中尚未產生的基準數據。 這樣說，讓我們嘗試一下。

將流與循環進行比較

首先，我們想了解流的批量操作與常規的傳統for-比較。 首先出于性能考慮是否值得使用流？

我們將用于基準測試的序列是一個int-數組，其中填充了500,000個隨機整數值。 在此數組中，我們將搜索最大值。

這是帶有for-循環的傳統解決方案：

int[] a = ints; int e = ints.length; int m = Integer.MIN_VALUE; for(int i=0; i < e; i++) if(a[i] > m) m = a[i];

這是使用順序IntStream的解決方案：

int m = Arrays.stream(ints).reduce(Integer.MIN_VALUE, Math::max);

我們在具有適當預熱功能的過時硬件（雙核，無動態超頻）上進行了測量，并得出了中途可靠的基準數據。 這是在特定情況下的結果：

int-array, for-loop : 0.36 ms int-array, seq. stream: 5.35 ms

結果令人震驚：舊的for-循環比順序流快15倍。 真令人失望！ 多年的開發工作花費在為Java 8構建流上，然后進行此？！？！？ 可是等等！ 在得出流非常慢的結論之前，讓我們看看如果用ArrayList <Integer>替換int- array會發生什么。

這是for-循環：

int m = Integer.MIN_VALUE; for (int i : myList)if (i>m) m=i;

這是基于流的解決方案：

int m = myList.stream().reduce(Integer.MIN_VALUE, Math::max);

結果如下：

ArrayList, for-loop : 6.55 ms ArrayList, seq. stream: 8.33 ms

同樣， for-循環比順序流操作要快，但是ArrayList上的差異不如在陣列上那么重要。

讓我們考慮一下。 為什么結果相差這么大？ 有幾個方面需要考慮。

首先，訪問數組元素非?？臁?這是基于索引的內存訪問，沒有任何開銷。 換句話說，這是簡單的底層存儲訪問。 另一方面，通過迭代器訪問集合中的元素（例如ArrayList），并且迭代器不可避免地增加了開銷。 另外，對集合元素進行裝箱和拆箱會產生開銷，而int數組則使用普通原始類型int。 本質上，對于該ArrayList測量通過迭代和拳擊開銷而對于INT-陣列附圖示出的優點是支配for-環路。

其次，我們是否曾認真地期望過流會比普通的for-loop更快？ 編譯器在優化循環方面擁有40多年的經驗，虛擬機的JIT編譯器尤其易于以與我們的基準測試相同的步伐來優化陣列上的for-循環。 另一方面，流是Java的最新添加，并且JIT編譯器（尚未）尚未對其執行任何特別復雜的優化。

第三，我們必須記住，一旦掌握了序列元素，我們就不會做太多事情。 我們花了很多精力來嘗試訪問元素，然后對它進行的工作并不多。 我們只比較兩個整數，在JIT編譯后，它們幾乎不止一個匯編指令。 因此，我們的基準測試說明了元素訪問的成本–不一定是典型情況。 如果應用于序列中每個元素的功能是CPU密集型的，則性能指標將發生重大變化。 您會發現，如果功能受CPU的限制很大，則for循環流和順序流之間將不再有可測量的差異。

加入我們的JAX倫敦-Java和軟件創新者大會。 使用以下代碼可享受10％的折扣：MP_JCG10

從該基準實驗得出的最終結論并非并非流總是比循環慢。 是的，流有時比循環慢，但它們也可以同樣快。 這要視情況而定。 帶回家的要點是順序流不會比循環快。 如果使用順序流，則出于性能原因，請不要這樣做； 之所以這樣做，是因為您喜歡函數式編程風格。

那么，性能改進流是在哪里發明的呢？ 到目前為止，我們僅將循環與流進行了比較。 并行化如何？ 流的點是易于并行化，以實現更好的性能。

比較順序流與并行流

作為第二個實驗，我們想弄清楚順序流與并行流在性能方面的比較。 并行流操作是否比順序操作快？

我們使用填充500,000個整數值的同一int-數組。 這是順序流操作：

int m = Arrays.stream(ints).reduce(Integer.MIN_VALUE, Math::max);

這是并行流操作：

int m = Arrays.stream(ints).parallel().reduce(Integer.MIN_VALUE, Math::max);

我們的期望是并行執行應該比順序執行更快。 由于測量是在雙核平臺上進行的，因此并行執行最多可以是順序執行的兩倍。 理想情況下，順序/并行性能之比應為2.0。自然地，并行執行確實會引入一些開銷，用于拆分問題，創建子任務，在多個線程中運行子任務，收集其部分結果以及產生總體結果。 該比率將小于2.0，但應該接近。

這些是實際的基準測試結果：

sequential parallel seq./par. int-array 5.35 ms 3.35 ms 1.60

通過我們的基準進行的現實檢查得出的比率（順序/并行）僅為1.6而不是2.0，這說明了并行執行涉及的開銷量以及（在此特定平臺上）如何（好壞）得到超額補償。

您可能會傾向于概括這些數字并得出結論，并行流始終比順序流快，也許不如人們希望的那樣快（在雙核硬件上），但是至少更快。 但是，事實并非如此。 同樣，有許多方面有助于并行流操作的性能。

其中之一是流源的可拆分性。 數組可以很好地拆分； 只需進行索引計算就可以找出中間元素并將數組拆分為兩半。 沒有開銷，因此幾乎沒有拆分成本。 與數組相比，集合拆分的難易程度如何？ 拆分二叉樹或鏈表需要什么？ 在某些情況下，對于不同類型的集合，您將觀察到截然不同的性能結果。

另一個方面是有狀態性。 一些流操作保持狀態。 一個示例是distinct()操作。 這是一個中間操作，可消除輸入序列中的重復項，即它返回具有不同元素的輸出序列。 為了確定下一個元素是否重復，操作必須與它已經遇到的所有元素進行比較。 為此，它維護某種數據結構作為其狀態。 如果在并行流上調用distinct() ，則其狀態將被多個工作線程并發訪問，這需要某種形式的協調或同步，這會增加開銷，從而減慢并行執行的速度，最大程度地降低了并行執行的程度。比順序執行慢。

考慮到這一點，可以公平地說，流的性能模型并非微不足道。 幼稚地期望并行流操作總是比順序流操作快。 性能提升（如果有的話）取決于許多因素，我在上文中簡要提到了其中的一些因素。 如果您熟悉流的內部工作原理，則可以對并行流操作的性能做出明智的猜測。 但是，您需要進行大量基準測試，以便針對給定的上下文確定并行進行是否值得。 實際上，在某些情況下，并行執行要比順序執行慢，并且在所有情況下盲目使用并行流可能會適得其反。

實現是：是的，并行流操作易于使用，并且通常比順序操作運行得更快，但是不要指望奇跡。 另外，不要猜測； 相反，要進行很多基準測試。

這是《 JAX雜志》的先睹為快–在此處注冊以獲取更多免費的開發人員提示，趨勢和教程。

翻譯自: https://www.javacodegeeks.com/2015/07/java-performance-tutorial-how-fast-are-the-java-8-streams.html

總結

以上是生活随笔為你收集整理的Java性能教程– Java 8流有多快？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。