java8 统计_Java8中使用stream进行分组统计和普通实现的分组统计的性能对比

在ImportNew上面看到一篇文章： http://www.importnew.com/14841.html

，说的是使用 Java 8的对集合采用流操作的新特性，替代旧的使用循环对集合操作的方式，使用Java8的流操作功能对集合进行分组，以及对相应的内容进行去重等操作等，使用Java8编写的代码可读性和理解性都有了非常大的提高，是非常值得称称赞的。

Java8通过流对集合的分组操作，让分组功能实现起来就非常容易了，我就想对其性能做一下比较，看看这二者之间是否有差距。

我把ImportNew上面的示例做了一下扩充，在原来的Article对像中增加了国家和省份两个，后续的示例就根据国家和省份进行二维分组统计，然后比较一下性能和效率。

Article对像：

/**

* ClassName:Article

* Date: 2018年5月8日 上午10:31:03

*

* @author fenglibin

* @version

* @see

*/

public class Article {

private final String title;

private final String author;

private final List tags;

private final String countryCode;

private final String province;

public Article(String title, String author, List tags, String countryCode, String province){

this.title = title;

this.author = author;

this.tags = tags;

this.countryCode = countryCode;

this.province = province;

}

public String getTitle() {

return title;

}

public String getAuthor() {

return author;

}

public List getTags() {

return tags;

}

public String getCountryCode() {

return countryCode;

}

public String getProvince() {

return province;

}

}

准备一些测试数据：

private static List articles = new ArrayList();

static {

Article a1 = new Article("Hello World", "Tom", Arrays.asList("Hello", "World", "Tom"), "CN", "GD");

Article a2 = new Article("Thank you teacher", "Bruce", Arrays.asList("Thank", "you", "teacher", "Bruce"), "CN",

"GX");

Article a3 = new Article("Work is amazing", "Tom", Arrays.asList("Work", "amazing", "Tom"), "CN", "GD");

Article a4 = new Article("New City", "Lucy", Arrays.asList("New", "City", "Lucy", "Good"), "US", "OT");

articles.add(a1);

articles.add(a2);

articles.add(a3);

articles.add(a4);

}

使用普通的分组方式进行分组：

/**

* 通过for循环逻辑，编程上会麻烦点，但是效率上高很多

*/

private static void groupByCountryAndProvince_byNormal() {

Map>> result = new HashMap>>();

for (Article article : articles) {

Map> pMap = result.get(article.getCountryCode());

if(pMap==null) {

pMap = new HashMap>();

result.put(article.getCountryCode(), pMap);

}

List list = pMap.get(article.getProvince());

if(list==null) {

list = new ArrayList();

pMap.put(article.getProvince(), list);

}

list.add(article);

}

result.forEach((cc, map) -> {

System.out.println("Country Code is:" + cc);

map.forEach((pc, list) -> {

System.out.println(" Province Code is:" + pc);

list.forEach((article) -> {

System.out.println(" Article titile is:" + article.getTitle() + ",author is:"

+ article.getAuthor());

});

});

});

}

使用串行流的方式进行分组：

/**

* 以串行流的方式，通过Collectors做多维度的分组，非常方便，但是性能上很差

*/

private static void groupByCountryAndProvince() {

Map>> result = articles.stream()

.collect(Collectors.groupingBy(Article::getCountryCode,

Collectors.groupingBy(Article::getProvince)));

result.forEach((cc, map) -> {

System.out.println("Country Code is:" + cc);

map.forEach((pc, list) -> {

System.out.println(" Province Code is:" + pc);

list.forEach((article) -> {

System.out.println(" Article titile is:" + article.getTitle() + ",author is:"

+ article.getAuthor());

});

});

});

}

使用并行流的方式进行分组：

/**

* 以并行流的方式，通过Collectors做多维度的分组，性能上比串行流的效率就高很多了

* 实现方式也很简单，只需要将stream()修改为parallelStream()实现。

*/

private static void groupByCountryAndProvinceParallel() {

Map>> result = articles.parallelStream()

.collect(Collectors.groupingBy(Article::getCountryCode,

Collectors.groupingBy(Article::getProvince)));

result.forEach((cc, map) -> {

System.out.println("Country Code is:" + cc);

map.forEach((pc, list) -> {

System.out.println(" Province Code is:" + pc);

list.forEach((article) -> {

System.out.println(" Article titile is:" + article.getTitle() + ",author is:"

+ article.getAuthor());

});

});

});

}

加入以下代码执行：

public static void main(String[] args) {

long start = System.currentTimeMillis();

groupByCountryAndProvince();

long end = System.currentTimeMillis();

System.out.println("串行流分组使用时长(毫秒):" + (end - start)+"\n");

start = System.currentTimeMillis();

groupByCountryAndProvinceParallel();

end = System.currentTimeMillis();

System.out.println("并行流分组使用时长(毫秒):" + (end - start)+"\n");

start = System.currentTimeMillis();

groupByCountryAndProvince_byNormal();

end = System.currentTimeMillis();

System.out.println("普通分组使用时长(毫秒):" + (end - start));

}

得到的结果如下：

Country Code is:CN

Province Code is:GX

Article titile is:Thank you teacher,author is:Bruce

Province Code is:GD

Article titile is:Hello World,author is:Tom

Article titile is:Work is amazing,author is:Tom

Country Code is:US

Province Code is:OT

Article titile is:New City,author is:Lucy

串行流分组使用时长(毫秒):70

Country Code is:CN

Province Code is:GX

Article titile is:Thank you teacher,author is:Bruce

Province Code is:GD

Article titile is:Hello World,author is:Tom

Article titile is:Work is amazing,author is:Tom

Country Code is:US

Province Code is:OT

Article titile is:New City,author is:Lucy

并行流分组使用时长(毫秒):5

Country Code is:CN

Province Code is:GX

Article titile is:Thank you teacher,author is:Bruce

Province Code is:GD

Article titile is:Hello World,author is:Tom

Article titile is:Work is amazing,author is:Tom

Country Code is:US

Province Code is:OT

Article titile is:New City,author is:Lucy

普通分组使用时长(毫秒):1

执行多次也基本上是类似的效果，因此通过以上示例可以看出，在代码的编写上确实优化了不少，但即使通过并行流的方式，性能上的差距也不少，在真实的应用场景中特别是高并发的场景中，使用的时候还是需要多考虑，毕竟鱼和熊掌不可兼容了。