Java8中使用stream进行分组统计和普通实现的分组统计的性能对比

在ImportNew上面看到一篇文章： http://www.importnew.com/14841.html ，说的是使用Java8的对集合采用流操作的新特性，替代旧的使用循环对集合操作的方式，使用Java8的流操作功能对集合进行分组，以及对相应的内容进行去重等操作等，使用Java8编写的代码可读性和理解性都有了非常大的提高，是非常值得称称赞的。

Java8通过流对集合的分组操作，让分组功能实现起来就非常容易了，我就想对其性能做一下比较，看看这二者之间是否有差距。

我把ImportNew上面的示例做了一下扩充，在原来的Article对像中增加了国家和省份两个，后续的示例就根据国家和省份进行二维分组统计，然后比较一下性能和效率。

Article对像：

/**
 * ClassName:Article <br/>
 * Date: 2018年5月8日 上午10:31:03 <br/>
 * 
 * @author fenglibin
 * @version
 * @see
 */
public class Article {

    private final String       title;
    private final String       author;
    private final List<String> tags;
    private final String       countryCode;
    private final String       province;

    public Article(String title, String author, List<String> tags, String countryCode, String province){
        this.title = title;
        this.author = author;
        this.tags = tags;
        this.countryCode = countryCode;
        this.province = province;
    }

    public String getTitle() {
        return title;
    }

    public String getAuthor() {
        return author;
    }

    public List<String> getTags() {
        return tags;
    }

    public String getCountryCode() {
        return countryCode;
    }

    public String getProvince() {
        return province;
    }

}

准备一些测试数据：

private static List<Article> articles = new ArrayList<Article>();

    static {
        Article a1 = new Article("Hello World", "Tom", Arrays.asList("Hello", "World", "Tom"), "CN", "GD");
        Article a2 = new Article("Thank you teacher", "Bruce", Arrays.asList("Thank", "you", "teacher", "Bruce"), "CN",
                                 "GX");
        Article a3 = new Article("Work is amazing", "Tom", Arrays.asList("Work", "amazing", "Tom"), "CN", "GD");
        Article a4 = new Article("New City", "Lucy", Arrays.asList("New", "City", "Lucy", "Good"), "US", "OT");
        articles.add(a1);
        articles.add(a2);
        articles.add(a3);
        articles.add(a4);
    }

使用普通的分组方式进行分组：

/**
     * 通过for循环逻辑，编程上会麻烦点，但是效率上高很多
     */
    private static void groupByCountryAndProvince_byNormal() {
        Map<String, Map<String, List<Article>>> result = new HashMap<String, Map<String, List<Article>>>();
        for (Article article : articles) {
            Map<String, List<Article>> pMap = result.get(article.getCountryCode());
            if(pMap==null) {
                pMap = new HashMap<String, List<Article>>();
                result.put(article.getCountryCode(), pMap);
            }
            List<Article> list = pMap.get(article.getProvince());
            if(list==null) {
                list = new ArrayList<Article>();
                pMap.put(article.getProvince(), list);
            }
            list.add(article);
        }
        result.forEach((cc, map) -> {
            System.out.println("Country Code is:" + cc);
            map.forEach((pc, list) -> {
                System.out.println("    Province Code is:" + pc);
                list.forEach((article) -> {
                    System.out.println("        Article titile is:" + article.getTitle() + ",author is:"
                                       + article.getAuthor());
                });
            });
        });
    }

使用串行流的方式进行分组：

/**
     * 以串行流的方式，通过Collectors做多维度的分组，非常方便，但是性能上很差
     */
    private static void groupByCountryAndProvince() {
        Map<String, Map<String, List<Article>>> result = articles.stream()
                .collect(Collectors.groupingBy(Article::getCountryCode,
                                                Collectors.groupingBy(Article::getProvince)));
        result.forEach((cc, map) -> {
            System.out.println("Country Code is:" + cc);
            map.forEach((pc, list) -> {
                System.out.println("    Province Code is:" + pc);
                list.forEach((article) -> {
                    System.out.println("        Article titile is:" + article.getTitle() + ",author is:"
                                       + article.getAuthor());
                });
            });
        });
    }

使用并行流的方式进行分组：

/**
     * 以并行流的方式，通过Collectors做多维度的分组，性能上比串行流的效率就高很多了
     * 实现方式也很简单，只需要将stream()修改为parallelStream()实现。
     */
    private static void groupByCountryAndProvinceParallel() {
        Map<String, Map<String, List<Article>>> result = articles.parallelStream()
                .collect(Collectors.groupingBy(Article::getCountryCode,
                                                    Collectors.groupingBy(Article::getProvince)));
        result.forEach((cc, map) -> {
            System.out.println("Country Code is:" + cc);
            map.forEach((pc, list) -> {
                System.out.println("    Province Code is:" + pc);
                list.forEach((article) -> {
                    System.out.println("        Article titile is:" + article.getTitle() + ",author is:"
                                       + article.getAuthor());
                });
            });
        });
    }

加入以下代码执行：

public static void main(String[] args) {
        long start = System.currentTimeMillis();
        groupByCountryAndProvince();
        long end = System.currentTimeMillis();
        System.out.println("串行流分组使用时长（毫秒）:" + (end - start)+"/n");
        
        start = System.currentTimeMillis();
        groupByCountryAndProvinceParallel();
        end = System.currentTimeMillis();
        System.out.println("并行流分组使用时长（毫秒）:" + (end - start)+"/n");
        
        start = System.currentTimeMillis();
        groupByCountryAndProvince_byNormal();
        end = System.currentTimeMillis();
        System.out.println("普通分组使用时长（毫秒）:" + (end - start));
    }

得到的结果如下：

Country Code is:CN
    Province Code is:GX
        Article titile is:Thank you teacher,author is:Bruce
    Province Code is:GD
        Article titile is:Hello World,author is:Tom
        Article titile is:Work is amazing,author is:Tom
Country Code is:US
    Province Code is:OT
        Article titile is:New City,author is:Lucy
串行流分组使用时长（毫秒）:70


Country Code is:CN
    Province Code is:GX
        Article titile is:Thank you teacher,author is:Bruce
    Province Code is:GD
        Article titile is:Hello World,author is:Tom
        Article titile is:Work is amazing,author is:Tom
Country Code is:US
    Province Code is:OT
        Article titile is:New City,author is:Lucy
并行流分组使用时长（毫秒）:5


Country Code is:CN
    Province Code is:GX
        Article titile is:Thank you teacher,author is:Bruce
    Province Code is:GD
        Article titile is:Hello World,author is:Tom
        Article titile is:Work is amazing,author is:Tom
Country Code is:US
    Province Code is:OT
        Article titile is:New City,author is:Lucy
普通分组使用时长（毫秒）:1

执行多次也基本上是类似的效果，因此通过以上示例可以看出，在代码的编写上确实优化了不少，但即使通过并行流的方式，性能上的差距也不少，在真实的应用场景中特别是高并发的场景中，使用的时候还是需要多考虑，毕竟鱼和熊掌不可兼容了。