转载

JDK8 Stream 数据流，大数据量下的性能效率分析

回复“ 1024 ”或 “ 面试题 ” 获取学习资料

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

中间操作

1、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”；

2、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；

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

终端操作

1、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；

2、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。整编：微信公众号，搜云库技术团队，ID：souyunku

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

1、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；

2、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；

3、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；

4、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；

5、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

好了，上面 stream 的优点吹了那么多，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：

1、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；

2、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：

1、映射处理测试

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；

JDK8 Stream 数据流，大数据量下的性能效率分析

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；

JDK8 Stream 数据流，大数据量下的性能效率分析

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。整编：微信公众号，搜云库技术团队，ID：souyunku

JDK8 Stream 数据流，大数据量下的性能效率分析

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；

JDK8 Stream 数据流，大数据量下的性能效率分析

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；

JDK8 Stream 数据流，大数据量下的性能效率分析

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；

JDK8 Stream 数据流，大数据量下的性能效率分析

7、实验结果总结

从以上的实验来看，可以总结处以下几点：

1、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；

2、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。整编：微信公众号，搜云库技术团队，ID：souyunku

3、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；