如何理解java8 stream性能

這篇文章主要講解了“如何理解java8 stream性能”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“如何理解java8 stream性能”吧！

Java 8 Stream的性能到底如何？

之前的文章中我們介紹了Java 8中Stream相關(guān)的API，我們提到Stream API可以極大提高Java程序員的生產(chǎn)力，讓程序員寫出高效率、干凈、簡(jiǎn)潔的代碼。

那么，Stream API的性能到底如何呢，代碼整潔的背后是否意味著性能的損耗呢？本文我們對(duì)Stream API的性能一探究竟。

為保證測(cè)試結(jié)果真實(shí)可信，我們將JVM運(yùn)行在-server模式下，測(cè)試數(shù)據(jù)在GB量級(jí)，測(cè)試機(jī)器采用常見的商用服務(wù)器，配置如下：

測(cè)試方法和測(cè)試數(shù)據(jù)

性能測(cè)試并不是容易的事，Java性能測(cè)試更費(fèi)勁，因?yàn)樘摂M機(jī)對(duì)性能的影響很大，JVM對(duì)性能的影響有兩方面：

1. GC的影響。GC的行為是Java中很不好控制的一塊，為增加確定性，我們手動(dòng)指定使用CMS收集器，并使用10GB固定大小的堆內(nèi)存。具體到JVM參數(shù)就是-XX:+UseConcMarkSweepGC -Xms10G -Xmx10G

2. JIT(Just-In-Time)即時(shí)編譯技術(shù)。即時(shí)編譯技術(shù)會(huì)將熱點(diǎn)代碼在JVM運(yùn)行的過程中編譯成本地代碼，測(cè)試時(shí)我們會(huì)先對(duì)程序預(yù)熱，觸發(fā)對(duì)測(cè)試函數(shù)的即時(shí)編譯。相關(guān)的JVM參數(shù)是-XX:CompileThreshold=10000。

Stream并行執(zhí)行時(shí)用到ForkJoinPool.commonPool()得到的線程池，為控制并行度我們使用Linux的taskset命令指定JVM可用的核數(shù)。

測(cè)試數(shù)據(jù)由程序隨機(jī)生成。為防止一次測(cè)試帶來的抖動(dòng)，測(cè)試4次求出平均時(shí)間作為運(yùn)行時(shí)間。

實(shí)驗(yàn)一 基本類型迭代

測(cè)試內(nèi)容：找出整型數(shù)組中的最小值。對(duì)比for循環(huán)外部迭代和Stream API內(nèi)部迭代性能。

測(cè)試程序代碼：

/**
 * java -server -Xms10G -Xmx10G -XX:+PrintGCDetails 
 * -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/IntTest
 * taskset -c 0-[0,1,3,7] java ...
 * @author CarpenterLee
 */public class IntTest {public static void main(String[] args) {new IntTest().doTest();}public void doTest(){warmUp();int[] lengths = {10000, 100000, 1000000, 10000000, 100000000, 1000000000};for(int length : lengths){System.out.println(String.format("---array length: %d---", length));int[] arr = new int[length];randomInt(arr);int times = 4;int min1 = 1;int min2 = 2;int min3 = 3;long startTime;startTime = System.nanoTime();for(int i=0; i<times; i++){min1 = minIntFor(arr);}TimeUtil.outTimeUs(startTime, "minIntFor time:", times);startTime = System.nanoTime();for(int i=0; i<times; i++){min2 = minIntStream(arr);}TimeUtil.outTimeUs(startTime, "minIntStream time:", times);startTime = System.nanoTime();for(int i=0; i<times; i++){min3 = minIntParallelStream(arr);}TimeUtil.outTimeUs(startTime, "minIntParallelStream time:", times);System.out.println(min1==min2 && min2==min3);}}private void warmUp(){int[] arr = new int[100];randomInt(arr);for(int i=0; i<20000; i++){//          minIntFor(arr);minIntStream(arr);minIntParallelStream(arr);}}private int minIntFor(int[] arr){int min = Integer.MAX_VALUE;for(int i=0; i<arr.length; i++){if(arr[i]<min)min = arr[i];}return min;}private int minIntStream(int[] arr){return Arrays.stream(arr).min().getAsInt();}private int minIntParallelStream(int[] arr){return Arrays.stream(arr).parallel().min().getAsInt();}private void randomInt(int[] arr){Random r = new Random();for(int i=0; i<arr.length; i++){arr[i] = r.nextInt();}}}

測(cè)試結(jié)果如下圖：

圖中展示的是for循環(huán)外部迭代耗時(shí)為基準(zhǔn)的時(shí)間比值。分析如下：

1. 對(duì)于基本類型Stream串行迭代的性能開銷明顯高于外部迭代開銷（兩倍）；

2. Stream并行迭代的性能比串行迭代和外部迭代都好。

并行迭代性能跟可利用的核數(shù)有關(guān)，上圖中的并行迭代使用了全部12個(gè)核，為考察使用核數(shù)對(duì)性能的影響，我們專門測(cè)試了不同核數(shù)下的Stream并行迭代效果：

分析，對(duì)于基本類型：

1. 使用Stream并行API在單核情況下性能很差，比Stream串行API的性能還差；

2. 隨著使用核數(shù)的增加，Stream并行效果逐漸變好，比使用for循環(huán)外部迭代的性能還好。

以上兩個(gè)測(cè)試說明，對(duì)于基本類型的簡(jiǎn)單迭代，Stream串行迭代性能更差，但多核情況下Stream迭代時(shí)性能較好。

實(shí)驗(yàn)二 對(duì)象迭代

再來看對(duì)象的迭代效果。

測(cè)試內(nèi)容：找出字符串列表中最小的元素（自然順序），對(duì)比for循環(huán)外部迭代和Stream API內(nèi)部迭代性能。

測(cè)試程序代碼：

/**
 * java -server -Xms10G -Xmx10G -XX:+PrintGCDetails 
 * -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/StringTest
 * taskset -c 0-[0,1,3,7] java ...
 * @author CarpenterLee
 */public class StringTest {public static void main(String[] args) {new StringTest().doTest();}public void doTest(){warmUp();int[] lengths = {10000, 100000, 1000000, 10000000, 20000000, 40000000};for(int length : lengths){System.out.println(String.format("---List length: %d---", length));ArrayList<String> list = randomStringList(length);int times = 4;String min1 = "1";String min2 = "2";String min3 = "3";long startTime;startTime = System.nanoTime();for(int i=0; i<times; i++){min1 = minStringForLoop(list);}TimeUtil.outTimeUs(startTime, "minStringForLoop time:", times);startTime = System.nanoTime();for(int i=0; i<times; i++){min2 = minStringStream(list);}TimeUtil.outTimeUs(startTime, "minStringStream time:", times);startTime = System.nanoTime();for(int i=0; i<times; i++){min3 = minStringParallelStream(list);   }TimeUtil.outTimeUs(startTime, "minStringParallelStream time:", times);System.out.println(min1.equals(min2) && min2.equals(min3));//          System.out.println(min1);}}private void warmUp(){ArrayList<String> list = randomStringList(10);for(int i=0; i<20000; i++){minStringForLoop(list);minStringStream(list);minStringParallelStream(list);}}private String minStringForLoop(ArrayList<String> list){String minStr = null;boolean first = true;for(String str : list){if(first){first = false;minStr = str;}if(minStr.compareTo(str)>0){minStr = str;}}return minStr;}private String minStringStream(ArrayList<String> list){return list.stream().min(String::compareTo).get();}private String minStringParallelStream(ArrayList<String> list){return list.stream().parallel().min(String::compareTo).get();}private ArrayList<String> randomStringList(int listLength){ArrayList<String> list = new ArrayList<>(listLength);Random rand = new Random();int strLength = 10;StringBuilder buf = new StringBuilder(strLength);for(int i=0; i<listLength; i++){buf.delete(0, buf.length());for(int j=0; j<strLength; j++){buf.append((char)('a'+rand.nextInt(26)));}list.add(buf.toString());}return list;}}

測(cè)試結(jié)果如下圖：

結(jié)果分析如下：

1. 對(duì)于對(duì)象類型Stream串行迭代的性能開銷仍然高于外部迭代開銷（1.5倍），但差距沒有基本類型那么大。

2. Stream并行迭代的性能比串行迭代和外部迭代都好。

再來單獨(dú)考察Stream并行迭代效果：

分析，對(duì)于對(duì)象類型：

1. 使用Stream并行API在單核情況下性能比for循環(huán)外部迭代差；

2. 隨著使用核數(shù)的增加，Stream并行效果逐漸變好，多核帶來的效果明顯。

以上兩個(gè)測(cè)試說明，對(duì)于對(duì)象類型的簡(jiǎn)單迭代，Stream串行迭代性能更差，但多核情況下Stream迭代時(shí)性能較好。

實(shí)驗(yàn)三 復(fù)雜對(duì)象歸約

從實(shí)驗(yàn)一、二的結(jié)果來看，Stream串行執(zhí)行的效果都比外部迭代差（很多），是不是說明Stream真的不行了？先別下結(jié)論，我們?cè)賮砜疾煲幌赂鼜?fù)雜的操作。

測(cè)試內(nèi)容：給定訂單列表，統(tǒng)計(jì)每個(gè)用戶的總交易額。對(duì)比使用外部迭代手動(dòng)實(shí)現(xiàn)和Stream API之間的性能。

我們將訂單簡(jiǎn)化為<userName, price, timeStamp>構(gòu)成的元組，并用Order對(duì)象來表示。

測(cè)試程序代碼：

/**
 * java -server -Xms10G -Xmx10G -XX:+PrintGCDetails 
 * -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/ReductionTest
 * taskset -c 0-[0,1,3,7] java ...
 * @author CarpenterLee
 */public class ReductionTest {public static void main(String[] args) {new ReductionTest().doTest();}public void doTest(){warmUp();int[] lengths = {10000, 100000, 1000000, 10000000, 20000000, 40000000};for(int length : lengths){System.out.println(String.format("---orders length: %d---", length));List<Order> orders = Order.genOrders(length);int times = 4;Map<String, Double> map1 = null;Map<String, Double> map2 = null;Map<String, Double> map3 = null;long startTime;startTime = System.nanoTime();for(int i=0; i<times; i++){map1 = sumOrderForLoop(orders);}TimeUtil.outTimeUs(startTime, "sumOrderForLoop time:", times);startTime = System.nanoTime();for(int i=0; i<times; i++){map2 = sumOrderStream(orders);}TimeUtil.outTimeUs(startTime, "sumOrderStream time:", times);startTime = System.nanoTime();for(int i=0; i<times; i++){map3 = sumOrderParallelStream(orders);  }TimeUtil.outTimeUs(startTime, "sumOrderParallelStream time:", times);System.out.println("users=" + map3.size());}}private void warmUp(){List<Order> orders = Order.genOrders(10);for(int i=0; i<20000; i++){sumOrderForLoop(orders);sumOrderStream(orders);sumOrderParallelStream(orders);}}private Map<String, Double> sumOrderForLoop(List<Order> orders){Map<String, Double> map = new HashMap<>();for(Order od : orders){String userName = od.getUserName();Double v; if((v=map.get(userName)) != null){map.put(userName, v+od.getPrice());}else{map.put(userName, od.getPrice());}}return map;}private Map<String, Double> sumOrderStream(List<Order> orders){return orders.stream().collect(Collectors.groupingBy(Order::getUserName, Collectors.summingDouble(Order::getPrice)));}private Map<String, Double> sumOrderParallelStream(List<Order> orders){return orders.parallelStream().collect(Collectors.groupingBy(Order::getUserName, Collectors.summingDouble(Order::getPrice)));}}class Order{private String userName;private double price;private long timestamp;public Order(String userName, double price, long timestamp) {this.userName = userName;this.price = price;this.timestamp = timestamp;}public String getUserName() {return userName;}public double getPrice() {return price;}public long getTimestamp() {return timestamp;}public static List<Order> genOrders(int listLength){ArrayList<Order> list = new ArrayList<>(listLength);Random rand = new Random();int users = listLength/200;// 200 orders per userusers = users==0 ? listLength : users;ArrayList<String> userNames = new ArrayList<>(users);for(int i=0; i<users; i++){userNames.add(UUID.randomUUID().toString());}for(int i=0; i<listLength; i++){double price = rand.nextInt(1000);String userName = userNames.get(rand.nextInt(users));list.add(new Order(userName, price, System.nanoTime()));}return list;}@Overridepublic String toString(){return userName + "::" + price;}}

測(cè)試結(jié)果如下圖：

分析，對(duì)于復(fù)雜的歸約操作：

1. Stream API的性能普遍好于外部手動(dòng)迭代，并行Stream效果更佳；

再來考察并行度對(duì)并行效果的影響，測(cè)試結(jié)果如下：

分析，對(duì)于復(fù)雜的歸約操作：

1. 使用Stream并行歸約在單核情況下性能比串行歸約以及手動(dòng)歸約都要差，簡(jiǎn)單說就是最差的；

2. 隨著使用核數(shù)的增加，Stream并行效果逐漸變好，多核帶來的效果明顯。

以上兩個(gè)實(shí)驗(yàn)說明，對(duì)于復(fù)雜的歸約操作，Stream串行歸約效果好于手動(dòng)歸約，在多核情況下，并行歸約效果更佳。我們有理由相信，對(duì)于其他復(fù)雜的操作，Stream API也能表現(xiàn)出相似的性能表現(xiàn)。

結(jié)論

上述三個(gè)實(shí)驗(yàn)的結(jié)果可以總結(jié)如下：

1. 對(duì)于簡(jiǎn)單操作，比如最簡(jiǎn)單的遍歷，Stream串行API性能明顯差于顯示迭代，但并行的Stream API能夠發(fā)揮多核特性。

2. 對(duì)于復(fù)雜操作，Stream串行API性能可以和手動(dòng)實(shí)現(xiàn)的效果匹敵，在并行執(zhí)行時(shí)Stream API效果遠(yuǎn)超手動(dòng)實(shí)現(xiàn)。

所以，如果出于性能考慮，1. 對(duì)于簡(jiǎn)單操作推薦使用外部迭代手動(dòng)實(shí)現(xiàn)，2. 對(duì)于復(fù)雜操作，推薦使用Stream API， 3. 在多核情況下，推薦使用并行Stream API來發(fā)揮多核優(yōu)勢(shì)，4.單核情況下不建議使用并行Stream API。

如果出于代碼簡(jiǎn)潔性考慮，使用Stream API能夠?qū)懗龈痰拇a。即使是從性能方面說，盡可能的使用Stream API也另外一個(gè)優(yōu)勢(shì)，那就是只要Java Stream類庫做了升級(jí)優(yōu)化，代碼不用做任何修改就能享受到升級(jí)帶來的好處。

感謝各位的閱讀，以上就是“如何理解java8 stream性能”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)如何理解java8 stream性能這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！