Stream流

参考：强大的Stream API以及并行流与串行流

JDK8-Stream并行流详解

强大的Stream并行流

Java 8 (6) Stream 流 - 并行数据处理与性能

Fork/Join框架详解

Stream概述

stream是JDK8中处理集合的关键抽象概念，可以对集合进行操作，可以执行复杂的查找、过滤和映射数据等操作。stream API提高一种高效且易于使用的处理数据的方式。

stream流是数据渠道，用于操作数据源（集合、数组等）所生成的元素序列。

特点：

• stream自己不会存储元素
• stream不会改变源对象
• stream操作是延迟执行的。会等到需要结果的时候执行。

操作步骤：

1. 创建stream流
2. 中间操作。这是一个中间操作链，对数据源进行处理，包含filter、map、limit等
3. 终止操作。一个终止操作，才执行中间操作链，并产生结果。

Stream具体操作

1、创建stream流

• default Stream<E> stream()：返回一个顺序流。
• default Stream<E> parallelStream()：返回一个并行流。

2、中间操作

多个中间操作可以链式进行，形成流水线，只有当触发终止操作，中间操作才会执行。

中间操作返回的值还是stream流对象。

中间操作：

• 筛选与切片

filter：从流中排除元素

distinct：去重（通过hashcode和equals）

limit：截断，不超过给定数

skip：跳过元素

• 映射

map：接收一个函数作为参数，应用到每个元素上。

mapToDouble、mapToInt、mapToLong、flatMap等

• 排序

sorted：按自然排序，或者实现Comparator 接口，写比较器，自定义排序

3、终止操作

终止操作会从流的流水线生产结果。其结果可以是任何不是流的值，即终止操作返回值已经不再是stream流对象了。

终止操作：

• 查找与匹配

allMatch、anyMatch、noneMatch：匹配

findFirst、findAny：查找返回

count：元素综述

max：最大值

min：返回流中最小值

forEach： 内部迭代

注：流进行了终止操作后，就不能在使用了，会报错。

• 归约

reduce：将流中元素反复结合起来。

• 收集

collect：将流转换为其他形式。收集到list、set、map等。

stream并行流

并行流：把一个内容分成多个数据块，并用不同的线程分别处理每个数据块的流。

在JDK8在通过声明parallel和sequential在并行流和串行流之间切换。

对于并行流，沿用了JDK7提供的fork/join框架。

• 影响并行流性能的5个因素：
  • 数据大小
  • 源数据结构
  • 装箱拆箱，尽量使用基本数据类型，避免装箱拆箱
  • CPU核数
  • 单元处理开销

1、fork/join框架

把大任务分割成若干个小任务，最终汇总每一个小任务结果后得到大任务结果的框架。

fork/join框架与传统线程池的区别：

• 采用工作窃取模式（work-stealing）：

当执行新的任务时，它可以将其拆分成更小的任务执行，并将小任务加到线程队列中，然后再从一个随机线程的队列中偷一个并把它放在自己的队列中。

• 传统线程池，如果一个线程正在执行的任务由于某些原因无法运行，那么该线程会处于等待状态。
• fork/join框架实现中，如果某个子问题由于等待另一个子问题完成而无法继续运行，那么处理该子问题的线程会主动寻找其他尚未运行的子问题来执行，减少线程的等待时间，提高性能。

2、案例分析

并行处理案例

// 使用一个容器装载 100 个数字，通过 Stream 并行处理的方式将容器中为单数的数字转移到容器 parallelList
List<Integer> integerList= new ArrayList<Integer>();

for (int i = 0; i <100; i++) {
      integerList.add(i);
}

List<Integer> parallelList = new ArrayList<Integer>() ;
integerList.stream()
           .parallel()
           .filter(i->i%2==1)
           .forEach(i->parallelList.add(i));

• 案例存在的问题

最后parallelList集合中的值可能为null值或者缺少值

• 原因

因为parallelList声明的是ArrayList，ArrayList是线程不安全的。所以在并行流，多线程下，在forEach循环遍历是会有问题。

例如在parallelList.add()时，线程1在size++后准备给index为size+1的位置赋值，这个时候线程2又来size++，这个线程1中赋值的index就变成了size+2，在线程1赋值后，线程2又在size+2位置赋值。最终结果就是size+1位置没有赋值，size+2位置是线程2的值，线程1的值被覆盖。

• 解决方法：

最佳：将forEach操作换为collect（），转为list。

其他方法：同步机制，加锁、vector。