StreamAPI的并行

• 由于上次对于并行流与串行流的学习忘记记录，于是这篇补上
• 上一篇：https://www.jianshu.com/p/53fee8f9fb9f

并行流与串行流

• 并行流就是把一个内容分成多个数据块，并用不同的线程分 别处理每个数据块的流。

• Java 8 中将并行进行了优化，我们可以很容易的对数据进行行操作。Stream API 可以声明性地通过 parallel() 与 sequential() 在并行流与顺序流之间进行切换。

Fork/Join

• Fork/Join 框架：就是在必要的情况下，将一个大任务，进行拆分(fork)成若干个 小任务（拆到不可再拆时），再将一个个的小任务运算的结果进行 join 汇总.

Fork/Join 框架与传统线程池的区别

• 采用 “工作窃取”模式（work-stealing）： 当执行新的任务时它可以将其拆分分成更小的任务执行，并将小任务加到线 程队列中，然后再从一个随机线程的队列中偷一个并把它放在自己的队列中。 相对于一般的线程池实现,fork/join框架的优势体现在对其中包含的任务的 处理方式上.在一般的线程池中,如果一个线程正在执行的任务由于某些原因 无法继续运行,那么该线程会处于等待状态.而在fork/join框架实现中,如果 某个子问题由于等待另外一个子问题的完成而无法继续运行.那么处理该子 问题的线程会主动寻找其他尚未运行的子问题来执行.这种方式减少了线程 的等待时间,提高了性能.

以加法为例：

import java.util.concurrent.RecursiveTask;

//继承RecursiveTask
public class ForkJoinCalculate extends RecursiveTask<Long>{

	/**
	 *
	 */
	private static final long serialVersionUID = 1L;

	private long start;
	private long end;

	//任务大小的临界值
	private static final long THRESHOLD = 10000L;

	public ForkJoinCalculate(long start, long end) {
		this.start = start;
		this.end = end;
	}

	@Override
	protected Long compute() {
		long length = end - start;

		//如果任务大小小于这个临界值则开始计算
		if(length <= THRESHOLD){
			long sum = 0;

			for (long i = start; i <= end; i++) {
				sum += i;
			}

			return sum;
		}else{
			//如果大于临界值则继续递归拆分，这里采用对半分
			long middle = (start + end) / 2;

			//拆分，并将该子任务压入线程队列
			ForkJoinCalculate left = new ForkJoinCalculate(start, middle);
			left.fork();

			ForkJoinCalculate right = new ForkJoinCalculate(middle+1, end);
			right.fork();

			//将左右结果相加并返回，合成总结果
			return left.join() + right.join();
		}

	}

}

import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.ForkJoinTask;
import java.util.stream.LongStream;

import org.junit.Test;

public class TestForkJoin {
	
	@Test
	public void test1(){
		long start = System.currentTimeMillis();
		
		ForkJoinPool pool = new ForkJoinPool();
		ForkJoinTask<Long> task = new ForkJoinCalculate(0L, 100000000000L);
		
		long sum = pool.invoke(task);
		System.out.println(sum);
		
		long end = System.currentTimeMillis();
		
		System.out.println("耗费的时间为: " + (end - start)); //20464
	}
	
	@Test
	public void test2(){
		long start = System.currentTimeMillis();
		
		long sum = 0L;
		
		for (long i = 0L; i <= 100000000000L; i++) {
			sum += i;
		}
		
		System.out.println(sum);
		
		long end = System.currentTimeMillis();
		
		System.out.println("耗费的时间为: " + (end - start)); //31006
	}
	


}

• 这两个个方法中都标了消耗的时间，可以看到，在数据规模足够大的情况下ForkJoin相对于有一定的优势，

StreamAPI中的多线程parallel()

	@Test
	public void test3(){
		long start = System.currentTimeMillis();
		
		Long sum = LongStream.rangeClosed(0L, 100000000000L)
							 .parallel()
							 .sum();
		
		System.out.println(sum);
		
		long end = System.currentTimeMillis();
		
		System.out.println("耗费的时间为: " + (end - start)); //12725
	}

这段代码给我的第一感觉其实不是消耗时间只有12S，它对于单线程与多线程的切换只需要一行代码，至于效率，猜想是底层实现比较完善，并不一定说效率一定比ForkJoin来得高。