转载

玩转Java8Stream（五、并行Stream）

java8的并行Stream对开发者非常友好，非常容易实现并行计算。并行Stream底层使用ForkJoinTask实现Stream的并行处理，充分利用cpu的多核能力，Stream的API将底层复杂实现完全屏蔽了，开发者仅需调用一个方法即可实现并行计算，就是这么简单。

开启并行Stream

开启并行Stream只需在调用终止操作符之前调用 parallel() 方法即可开启并行计算。

@Test
    public void parallelStream(){
        IntStream.range(0,100)
                .parallel()
                .forEach(e-> System.out.println(Thread.currentThread()+" "+e));
    }

执行上述代码，可以看出代码将会交由ForkJoinPool中的线程执行。

玩转Java8Stream（五、并行Stream）

小试牛刀

这里使用分别使用并行Stream和穿行Stream计算0到100000000000之间的和

@Test
    public void testSum(){
        //并行计算
        long time= System.currentTimeMillis();
        long sum1 = LongStream.rangeClosed(1,100000000000l).parallel().sum();
        System.out.println(System.currentTimeMillis()-time);
        //串行计算
        time = System.currentTimeMillis();
        long sum2 = LongStream.rangeClosed(1,100000000000l).sum();
        System.out.println(System.currentTimeMillis()-time);

        System.out.println("sum1 = "+sum1+" sum2 = "+sum2);
        Assert.assertTrue(sum1==sum2);
    }

执行结果如图，我的cpu是6核的，串行计算的时间差不多是并行计算的5倍；并行计算下充分利用了cpu的多核性能，如果数据量更大，两者之间的差距更大，并行Stream的优势更加明显。

玩转Java8Stream（五、并行Stream）

`sequential()` 和 `parallel()`

默认情况下创建的stream都是串行的，parallel将串行流转成并行流，两者是互斥冲突的，sequential将并行流转成串行流，但并不意味者二者不可同时出现。

isParallel() 可以检测stream是否为并行stream。

@Test
    public void isParallel(){
        IntStream stream = IntStream.range(0,100);
        stream.parallel();
        Assert.assertTrue(stream.isParallel());
    }

如代码所示，执行‘串行->并行->串行->并行’的转换，最终还是并行流。

@Test
    public void spspIsP(){
        IntStream stream = IntStream.range(0,100);
        stream.parallel().map(e->e<<1).sequential().parallel();
        Assert.assertTrue(stream.isParallel());
    }

如代码所示，执行‘串行->并行->串行’的转换，最终还是串行流。

@Test
    public void spsIsS(){
        IntStream stream = IntStream.range(0,100);
        stream.parallel().map(e->e<<1).sequential();
        Assert.assertFalse(stream.isParallel());
    }

上例子说明，流的串行和并行取决于最后调用的那个方法（sequential() or parallel()）。

ForkJoinPool

并行stream底层依赖于ForkJoinPool.commonPool线程池，这是一个jvm进程全局共享的线程，当这个线程池中执行了耗时操作，后面的任务将会堆积，造成性能问题；默认情况下这个线程池的大小为逻辑核数-1，当然你也可以通过jvm参数‘java.util.concurrent.ForkJoinPool.common.parallelism’来修改线程的池大小，这里并不建议使用这种方式，最好的方式是使用自定义的线程池。

如代码所示，创建4线程的ForkJoinPool线程池。

@Test
    public void CustomPool(){
        ForkJoinPool forkJoinPool = new ForkJoinPool(4);

        forkJoinPool.submit(()->{
            IntStream.range(0,100).parallel().forEach(e-> System.out.println(Thread.currentThread()+" "+e));
        }).join();
    }

代码执行结果如图，并行的stream在自定义的线程池中执行。

玩转Java8Stream（五、并行Stream）

那为什么forkJoinPool.submit()就可以实现自定义线程池呢？查看源码得知，ForkJoinWorkerThread内部会持有ForkJoinPool的引用，在代码执行时，最终会调用doInvoke方法，通过Thread.currentThread可以知道是ForkJoinWorkerThread类型的线程，进而获取到ForkJoinPool，最终利用这个pool来执行计算。

/**
     * Implementation for invoke, quietlyInvoke.
     *
     * @return status upon completion
     */
    private int doInvoke() {
        int s; Thread t; ForkJoinWorkerThread wt;
        return (s = doExec()) < 0 ? s :
            ((t = Thread.currentThread()) instanceof ForkJoinWorkerThread) ?
            (wt = (ForkJoinWorkerThread)t).pool.
            awaitJoin(wt.workQueue, this, 0L) :
            externalAwaitDone();
    }