Java 8 Stream的性能到底如何？

那么，Stream API的性能到底如何呢，代码整洁的背后是否意味着性能的损耗呢？本文我们对Stream API的性能一探究竟。

为保证测试结果真实可信，我们将JVM运行在 -server 模式下，测试数据在GB量级，测试机器采用常见的商用服务器，配置如下：

OSCentOS 6.7 x86_64CPUIntel Xeon X5675, 12M Cache 3.06 GHz, 6 Cores 12 Threads内存96GBJDKjava version 1.8.0_91, Java HotSpot(TM) 64-Bit Server VM

测试方法和测试数据

性能测试并不是容易的事，Java性能测试更费劲，因为虚拟机对性能的影响很大，JVM对性能的影响有两方面：

-XX:+UseConcMarkSweepGC -Xms10G -Xmx10G
-XX:CompileThreshold=10000
Stream并行执行时用到 ForkJoinPool.commonPool() 得到的线程池，为控制并行度我们使用Linux的 taskset 命令指定JVM可用的核数。

测试数据由程序随机生成。为防止一次测试带来的抖动，测试4次求出平均时间作为运行时间。

实验一 基本类型迭代

测试内容：找出整型数组中的最小值。对比for循环外部迭代和Stream API内部迭代性能。

测试程序代码：

/**

• java -server -Xms10G -Xmx10G -XX:+PrintGCDetails
• -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/IntTest
• taskset -c 0-[0,1,3,7] java ...
• @author CarpenterLee
  */
  public class IntTest {
  public static void main(String[] args) {
  new IntTest().doTest();
  }
  public void doTest(){
  warmUp();
  int[] lengths = {
  10000,
  100000,
  1000000,
  10000000,
  100000000,
  1000000000
  };
  for(int length : lengths){
  System.out.println(String.format("---array length: %d---", length));
  int[] arr = new int[length];
  randomInt(arr);
  int times = 4;
  int min1 = 1;
  int min2 = 2;
  int min3 = 3;
  long startTime;
  startTime = System.nanoTime();
  for(int i=0; i<times; i++){
  min1 = minIntFor(arr);
  }
  TimeUtil.outTimeUs(startTime, "minIntFor time:", times);
  startTime = System.nanoTime();
  for(int i=0; i<times; i++){
  min2 = minIntStream(arr);
  }
  TimeUtil.outTimeUs(startTime, "minIntStream time:", times);
  startTime = System.nanoTime();
  for(int i=0; i<times; i++){
  min3 = minIntParallelStream(arr);
  }
  TimeUtil.outTimeUs(startTime, "minIntParallelStream time:", times);
  System.out.println(min1==min2 && min2==min3);
  }
  }
  private void warmUp(){
  int[] arr = new int[100];
  randomInt(arr);
  for(int i=0; i<20000; i++){
  // minIntFor(arr);
  minIntStream(arr);
  minIntParallelStream(arr);
  }
  }
  private int minIntFor(int[] arr){
  int min = Integer.MAX_VALUE;
  for(int i=0; i<arr.length; i++){
  if(arr[i]<min)
  min = arr[i];
  }
  return min;
  }
  private int minIntStream(int[] arr){
  return Arrays.stream(arr).min().getAsInt();
  }
  private int minIntParallelStream(int[] arr){
  return Arrays.stream(arr).parallel().min().getAsInt();
  }
  private void randomInt(int[] arr){
  Random r = new Random();
  for(int i=0; i<arr.length; i++){
  arr[i] = r.nextInt();
  }
  }
  }
  测试结果如下图：

图中展示的是for循环外部迭代耗时为基准的时间比值。分析如下：

对于基本类型Stream串行迭代的性能开销明显高于外部迭×××销（两倍）；
Stream并行迭代的性能比串行迭代和外部迭代都好。
并行迭代性能跟可利用的核数有关，上图中的并行迭代使用了全部12个核，为考察使用核数对性能的影响，我们专门测试了不同核数下的Stream并行迭代效果：

分析，对于基本类型：

使用Stream并行API在单核情况下性能很差，比Stream串行API的性能还差；
随着使用核数的增加，Stream并行效果逐渐变好，比使用for循环外部迭代的性能还好。
以上两个测试说明，对于基本类型的简单迭代，Stream串行迭代性能更差，但多核情况下Stream迭代时性能较好。

实验二 对象迭代

再来看对象的迭代效果。

测试内容：找出字符串列表中最小的元素（自然顺序），对比for循环外部迭代和Stream API内部迭代性能。

测试程序代码：

/**

• java -server -Xms10G -Xmx10G -XX:+PrintGCDetails
• -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/StringTest
• taskset -c 0-[0,1,3,7] java ...
• @author CarpenterLee
  */
  public class StringTest {
  public static void main(String[] args) {
  new StringTest().doTest();
  }
  public void doTest(){
  warmUp();
  int[] lengths = {
  10000,
  100000,
  1000000,
  10000000,
  20000000,
  40000000
  };
  for(int length : lengths){
  System.out.println(String.format("---List length: %d---", length));
  ArrayList<String> list = randomStringList(length);
  int times = 4;
  String min1 = "1";
  String min2 = "2";
  String min3 = "3";
  long startTime;
  startTime = System.nanoTime();
  for(int i=0; i<times; i++){
  min1 = minStringForLoop(list);
  }
  TimeUtil.outTimeUs(startTime, "minStringForLoop time:", times);
  startTime = System.nanoTime();
  for(int i=0; i<times; i++){
  min2 = minStringStream(list);
  }
  TimeUtil.outTimeUs(startTime, "minStringStream time:", times);
  startTime = System.nanoTime();
  for(int i=0; i<times; i++){
  min3 = minStringParallelStream(list);
  }
  TimeUtil.outTimeUs(startTime, "minStringParallelStream time:", times);
  System.out.println(min1.equals(min2) && min2.equals(min3));
  // System.out.println(min1);
  }
  }
  private void warmUp(){
  ArrayList<String> list = randomStringList(10);
  for(int i=0; i<20000; i++){
  minStringForLoop(list);
  minStringStream(list);
  minStringParallelStream(list);
  }
  }
  private String minStringForLoop(ArrayList<String> list){
  String minStr = null;
  boolean first = true;
  for(String str : list){
  if(first){
  first = false;
  minStr = str;
  }
  if(minStr.compareTo(str)>0){
  minStr = str;
  }
  }
  return minStr;
  }
  private String minStringStream(ArrayList<String> list){
  return list.stream().min(String::compareTo).get();
  }
  private String minStringParallelStream(ArrayList<String> list){
  return list.stream().parallel().min(String::compareTo).get();
  }
  private ArrayList<String> randomStringList(int listLength){
  ArrayList<String> list = new ArrayList<>(listLength);
  Random rand = new Random();
  int strLength = 10;
  StringBuilder buf = new StringBuilder(strLength);
  for(int i=0; i<listLength; i++){
  buf.delete(0, buf.length());
  for(int j=0; j<strLength; j++){
  buf.append((char)('a'+rand.nextInt(26)));
  }
  list.add(buf.toString());
  }
  return list;
  }
  }
  测试结果如下图：

结果分析如下：

对于对象类型Stream串行迭代的性能开销仍然高于外部迭×××销（1.5倍），但差距没有基本类型那么大。
Stream并行迭代的性能比串行迭代和外部迭代都好。
再来单独考察Stream并行迭代效果：

分析，对于对象类型：

使用Stream并行API在单核情况下性能比for循环外部迭代差；
随着使用核数的增加，Stream并行效果逐渐变好，多核带来的效果明显。
以上两个测试说明，对于对象类型的简单迭代，Stream串行迭代性能更差，但多核情况下Stream迭代时性能较好。

实验三 复杂对象归约

从实验一、二的结果来看，Stream串行执行的效果都比外部迭代差（很多），是不是说明Stream真的不行了？先别下结论，我们再来考察一下更复杂的操作。

测试内容：给定订单列表，统计每个用户的总交易额。对比使用外部迭代手动实现和Stream API之间的性能。

我们将订单简化为 <userName, price, timeStamp> 构成的元组，并用 Order 对象来表示。

测试程序代码：

/**

• java -server -Xms10G -Xmx10G -XX:+PrintGCDetails
• -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/ReductionTest
• taskset -c 0-[0,1,3,7] java ...
• @author CarpenterLee
  */
  public class ReductionTest {
  public static void main(String[] args) {
  new ReductionTest().doTest();
  }
  public void doTest(){
  warmUp();
  int[] lengths = {
  10000,
  100000,
  1000000,
  10000000,
  20000000,
  40000000
  };
  for(int length : lengths){
  System.out.println(String.format("---orders length: %d---", length));
  List<Order> orders = Order.genOrders(length);
  int times = 4;
  Map<String, Double> map1 = null;
  Map<String, Double> map2 = null;
  Map<String, Double> map3 = null;
  long startTime;
  startTime = System.nanoTime();
  for(int i=0; i<times; i++){
  map1 = sumOrderForLoop(orders);
  }
  TimeUtil.outTimeUs(startTime, "sumOrderForLoop time:", times);
  startTime = System.nanoTime();
  for(int i=0; i<times; i++){
  map2 = sumOrderStream(orders);
  }
  TimeUtil.outTimeUs(startTime, "sumOrderStream time:", times);
  startTime = System.nanoTime();
  for(int i=0; i<times; i++){
  map3 = sumOrderParallelStream(orders);
  }
  TimeUtil.outTimeUs(startTime, "sumOrderParallelStream time:", times);
  System.out.println("users=" + map3.size());
  }
  }
  private void warmUp(){
  List<Order> orders = Order.genOrders(10);
  for(int i=0; i<20000; i++){
  sumOrderForLoop(orders);
  sumOrderStream(orders);
  sumOrderParallelStream(orders);
  }
  }
  private Map<String, Double> sumOrderForLoop(List<Order> orders){
  Map<String, Double> map = new HashMap<>();
  for(Order od : orders){
  String userName = od.getUserName();
  Double v;
  if((v=map.get(userName)) != null){
  map.put(userName, v+od.getPrice());
  }else{
  map.put(userName, od.getPrice());
  }
  }
  return map;
  }
  private Map<String, Double> sumOrderStream(List<Order> orders){
  return orders.stream().collect(
  Collectors.groupingBy(Order::getUserName,
  Collectors.summingDouble(Order::getPrice)));
  }
  private Map<String, Double> sumOrderParallelStream(List<Order> orders){
  return orders.parallelStream().collect(
  Collectors.groupingBy(Order::getUserName,
  Collectors.summingDouble(Order::getPrice)));
  }
  }
  class Order{
  private String userName;
  private double price;
  private long timestamp;
  public Order(String userName, double price, long timestamp) {
  this.userName = userName;
  this.price = price;
  this.timestamp = timestamp;
  }
  public String getUserName() {
  return userName;
  }
  public double getPrice() {
  return price;
  }
  public long getTimestamp() {
  return timestamp;
  }
  public static List<Order> genOrders(int listLength){
  ArrayList<Order> list = new ArrayList<>(listLength);
  Random rand = new Random();
  int users = listLength/200;// 200 orders per user
  users = users==0 ? listLength : users;
  ArrayList<String> userNames = new ArrayList<>(users);
  for(int i=0; i<users; i++){
  userNames.add(UUID.randomUUID().toString());
  }
  for(int i=0; i<listLength; i++){
  double price = rand.nextInt(1000);
  String userName = userNames.get(rand.nextInt(users));
  list.add(new Order(userName, price, System.nanoTime()));
  }
  return list;br/>}
  @Override
  public String toString(){
  return userName + "::" + price;
  }
  }
  测试结果如下图：

分析，对于复杂的归约操作：

Stream API的性能普遍好于外部手动迭代，并行Stream效果更佳；
再来考察并行度对并行效果的影响，测试结果如下：

分析，对于复杂的归约操作：

使用Stream并行归约在单核情况下性能比串行归约以及手动归约都要差，简单说就是最差的；
随着使用核数的增加，Stream并行效果逐渐变好，多核带来的效果明显。
以上两个实验说明，对于复杂的归约操作，Stream串行归约效果好于手动归约，在多核情况下，并行归约效果更佳。我们有理由相信，对于其他复杂的操作，Stream API也能表现出相似的性能表现。

结论

上述三个实验的结果可以总结如下：

对于简单操作，比如最简单的遍历，Stream串行API性能明显差于显示迭代，但并行的Stream API能够发挥多核特性。
对于复杂操作，Stream串行API性能可以和手动实现的效果匹敌，在并行执行时Stream API效果远超手动实现。
所以，如果出于性能考虑，1. 对于简单操作推荐使用外部迭代手动实现，2. 对于复杂操作，推荐使用Stream API， 3. 在多核情况下，推荐使用并行Stream API来发挥多核优势，4.单核情况下不建议使用并行Stream API。

如果出于代码简洁性考虑，使用Stream API能够写出更短的代码。即使是从性能方面说，尽可能的使用Stream API也另外一个优势，那就是只要Java Stream类库做了升级优化，代码不用做任何修改就能享受到升级带来的好处。

转载于:https://blog.51cto.com/14226273/2364769