學(xué)習(xí)札記-Java8系列-11-并行流
并發(fā)和并行
●并發(fā)和并行
并發(fā)是多個(gè)任務(wù)共享時(shí)間段(由CPU切換執(zhí)行磁餐，就像是在同時(shí)執(zhí)行)
并行是多個(gè)任務(wù)發(fā)生在同一時(shí)刻(真真正正的同時(shí)執(zhí)行)(必須在多核CPU下)
并行就像用更多的馬車（CPU）來拉貨（執(zhí)行任務(wù)），貨物總量（任務(wù)量）一定裕偿，那么花費(fèi)的時(shí)間自然減少了。
所以并行可以縮短任務(wù)執(zhí)行時(shí)間痛单，提高多核CPU的利用率
●數(shù)據(jù)并行化
任務(wù)可以并行化執(zhí)行嘿棘，同樣的數(shù)據(jù)也可以并行化處理！
數(shù)據(jù)并行化是指將數(shù)據(jù)分成塊旭绒，為每塊數(shù)據(jù)分配單獨(dú)的處理單元鸟妙。也就是并行流
如何使數(shù)據(jù)并行化
在Java8之前焦人，當(dāng)需要對存在于集合或數(shù)組中的若干元素進(jìn)行并發(fā)操作時(shí)，簡直就是噩夢重父！我們需要仔細(xì)考慮多線程環(huán)境下的原子性花椭、競爭甚至鎖問題。
使用Java5的java.util.concurrent.*并發(fā)庫也還是要考慮諸多細(xì)節(jié)必須十分謹(jǐn)慎房午，
使用Java7的fork/join框架編碼和調(diào)試對于一般程序員來說難度還是太大
而這一切對于Java8中的Stream矿辽，不過是小菜一碟！直接調(diào)用API方法就可以搞定郭厌！
（Stream API 可以聲明性地通過parallel() 與sequential() 在并行流與順序流之間進(jìn)行切換）
轉(zhuǎn)換為并行流
Stream 的父接口java.util.stream.BaseStream 中定義了一個(gè)parallel 方法：
只需要在流上調(diào)用一下無參數(shù)的parallel 方法袋倔，那么當(dāng)前流即可變身成為支持并發(fā)操作的流，返回值仍然為
Stream 類型折柠。例如：
Stream<Integer> stream = Stream.*of*(10, 20, 30, 40, 50).parallel();
直接獲取并行流
在通過集合獲取流時(shí)宾娜，也可以直接調(diào)用parallelStream 方法來直接獲取支持并發(fā)操作的流。
代碼為：
Stream<String> stream= **new** ArrayList<String>().parallelStream();
使用并行流
并行流后續(xù)操作的使用方式還是和以前一樣扇售，只是底層執(zhí)行的時(shí)候會(huì)使用多CPU并行執(zhí)行
比如多次執(zhí)行下面這段代碼前塔，并行流的輸出順序在很大概率上是不一定的：
@Test
public void test1() throws Exception {
System.out.println("=======================順序流=========================");
Stream.of(1, 2, 3, 4, 5, 6, 7, 8, 9, 10).forEach(System.out::println);
System.out.println("=======================并行流=========================");
Stream.of(1, 2, 3, 4, 5, 6, 7, 8, 9, 10).parallel().forEach(System.out::println);
}
效率對比
需求:使用普通for和Stream和Parallel Stream 分別計(jì)算累加和并統(tǒng)計(jì)執(zhí)行效率
public class ParallelStream {
// 需求:使用普通for和Stream和Parallel Stream 分別計(jì)算累加和并統(tǒng)計(jì)執(zhí)行效率
@Test//35592ms
public void testFor() throws Exception {
long start = System.currentTimeMillis();
long sum = 0;
for (long i = 0; i < 100000000000L; i++) {
sum += i;
}
System.out.println(sum);
long end = System.currentTimeMillis();
System.out.println(end-start);
}
@Test//52974ms
public void testStream() throws Exception {
long start = System.currentTimeMillis();
long sum = LongStream.rangeClosed(0, 100000000000L).sum();
System.out.println(sum);
long end = System.currentTimeMillis();
System.out.println(end-start);
}
@Test//12808ms
public void testParallelStream() throws Exception {
long start = System.currentTimeMillis();
long sum = LongStream.rangeClosed(0, 100000000000L).parallel().sum();
System.out.println(sum);
long end = System.currentTimeMillis();
System.out.println(end-start);
}
}
并行流的性能
影響并行流性能的主要因素
●數(shù)據(jù)大小
輸入數(shù)據(jù)的大小會(huì)影響并行化處理對性能的提升。將問題分解之后并行化處理承冰，再將結(jié)果合并會(huì)帶來額外的開銷华弓。因此只有數(shù)據(jù)足夠大、每個(gè)數(shù)據(jù)處理管道花費(fèi)的時(shí)間足夠多時(shí)困乒，并行化處理才有意義该抒。
●源數(shù)據(jù)結(jié)構(gòu)
每個(gè)管道的操作都基于一些初始數(shù)據(jù)源，通常是集合顶燕。將不同的數(shù)據(jù)源分割相對容易，這里的開銷影響了在管道中并行處理數(shù)據(jù)時(shí)到底能帶來多少性能上的提升冈爹。
●裝箱
處理基本類型比處理裝箱類型要快涌攻。
●核的數(shù)量
極端情況下，只有一個(gè)核频伤，因此完全沒必要并行化恳谎。顯然，擁有的核越多憋肖，獲得潛在性能提升的幅度就越大因痛。在實(shí)踐中，核的數(shù)量不單指你的機(jī)器上有多少核岸更，更是指運(yùn)行時(shí)你的機(jī)器能使用多少核鸵膏。這也就是說同時(shí)運(yùn)行的其他進(jìn)程，或者線程關(guān)聯(lián)性（強(qiáng)制線程在某些核或CPU 上運(yùn)行）會(huì)影響性能怎炊。
●單元處理開銷
比如數(shù)據(jù)大小谭企，這是一場并行執(zhí)行花費(fèi)時(shí)間和分解合并操作開銷之間的戰(zhàn)爭廓译。花在流中每個(gè)元素身上的時(shí)間越長债查，并行操作帶來的性能提升越明顯非区。
注意:
在底層，并行流還是沿用了fork/join 框架盹廷。fork 遞歸式地分解問題征绸，然后每段并行執(zhí)行，最終由join 合并結(jié)果俄占，返回最后的值管怠。
根據(jù)性能的好壞，將核心類庫提供的通用數(shù)據(jù)結(jié)構(gòu)分成以下3 組
●性能好
ArrayList颠放、數(shù)組或IntStream.range排惨，這些數(shù)據(jù)結(jié)構(gòu)支持隨機(jī)讀取，也就是說它們能輕而易舉地被任意分解碰凶。
●性能一般
HashSet暮芭、TreeSet，這些數(shù)據(jù)結(jié)構(gòu)不易公平地被分解欲低，但是大多數(shù)時(shí)候分解是可能的辕宏。
●性能差
有些數(shù)據(jù)結(jié)構(gòu)難于分解，比如砾莱，可能要花O(N) 的時(shí)間復(fù)雜度來分解問題瑞筐。其中包括LinkedList，對半分解太難了腊瑟。還有Streams.iterate 和BufferedReader.lines聚假，它們長度未知，因此很難預(yù)測該在哪里分解闰非。
