怎样使用Stream对购物车进行性能优化
本篇是对上篇《怎么用Fork/Join框架实现对购物车的性能优化》的补充,因此直奔主题。
Stream简介
Stream即流式操作,是Java8中提供的一个重要特性。它可以实现对集合的并行处理和函数式操作它是对集合对象功能的增强,专注于对集合对象进行各种非常便利、高效的聚合操作,或者大批量数据操作。Stream API 借助于同样新出现的 Lambda 表达式,极大的提高编程效率和程序可读性。同时它提供串行和并行两种模式进行汇聚操作,并发模式能够充分利用多核处理器的优势,使用 fork/join 并行方式来拆分任务和加速处理(O.O并发模式下的原理是Fork/Join)。此处不对Stream进行过多介绍,网上有很多很棒文章,让我们直接感受下Stream的强大。
代码实现
import java.util.ArrayList;
import java.util.Comparator;
import java.util.List;
import java.util.concurrent.TimeUnit;
import java.util.stream.Collectors;
public class StreamDemo {
private static final Object lock = new Object();
public static void main(String[] args) {
long begin = System.nanoTime();
List<Object> result = new ArrayList<>(100);
// 创建100个商品ID
List<String> list = new ArrayList<>();
for (int i = 0; i < 100; i++) {
list.add("商品ID"+i);
}
// 并行模式
list.parallelStream().forEach( s ->{
// 假设每个商品信息的计算会耗费100ms
try {
Thread.sleep( 100);
} catch (InterruptedException e) {
e.printStackTrace();
}
// 将计算的结果加到集合中,因为ArrayList不是线程安全的,所以需要进行同步
synchronized (lock){
result.add(s);
}
});
// 因为并行计算出来的结果无序,在此进行简单的排序
List<Object> collect = result.stream().sorted(Comparator.comparingInt(s -> Integer.parseInt(s.toString().substring(4)))).collect(Collectors.toList());
System.out.println(collect.size());
System.out.println("花费时间:" + TimeUnit.NANOSECONDS.toMillis(System.nanoTime() - begin));
}
}
执行结果:
花费时间:756
通过与上一章的对比,可以看到使用Stream+Lambda的方式写出来的代码相当简洁,而且比用fork/join框架尽然还要稍微快了一点点,可见Stream API的强大