一、Steam的优势
java8中Stream配合Lambda表达式极大提高了编程效率,代码简洁易懂(可能刚接触的人会觉得晦涩难懂),不需要写传统的多线程代码就能写出高性能的并发程序
二、项目中遇到的问题
由于微信接口限制,每次导入code只能100个,所以需要分割list。但是由于code数量可能很大,这样执行效率就会很低。
1.首先想到是用多线程写传统并行程序,但是博主不是很熟练,写出代码可能会出现不可预料的结果,容易出错也难以维护。
2.然后就想到Steam中的parallel,能提高性能又能利用java8的特性,何乐而不为。
三、废话不多说,直接先贴代码,然后再解释(java8分割list代码在标题四)。
1.该方法是根据传入数量生成codes,private String getGeneratorCode(int tenantId)是我根据编码规则生成唯一code这个不需要管,我们要看的是Stream.iterate
2.iterate()第一个参数为起始值,第二个函数表达式(看自己想要生成什么样的流关键在这里),http://write.blog.csdn.net/postedit然后必须要通过limit方法来限制自己生成的Stream大小。parallel()是开启并行处理。map()就是一对一的把Stream中的元素映射成ouput Steam中的 元素。最后用collect收集,
2.1 构造流的方法还有Stream.of(),结合或者数组可直接list.stream();
String[] array = new String[]{"1","2","3"} ;
stream = Stream.of(array)或者Arrays.Stream(array);
2.2 数值流IntStream
int[] array = new int[]{1,2,3};
IntStream.of(array)或者IntStream.ranage(0,3)
3.以上构造流的方法都是已经知道大小,对于通过入参确定的应该图中方法自己生成流。
四、java8分割list,利用StreamApi实现。
没用java8前代码,做个鲜明对比():
1.list是我的编码集合(codes)。MAX_SEND为100(即每次100的大小去分割list),limit为按编码集合大小算出的本次需要分割多少次。
2.我们可以看到其实就是多了个skip跟limit方法。skip就是舍弃stream前多少个元素,那么limit就是返回流前面多少个元素(如果流里元素少于该值,则返回全部)。然后开启并行处理。通过循环我们的分割list的目标就达到了,每次取到的sendList就是100,100这样子的。
3.因为我这里业务就只需要到这里,如果我们分割之后需要收集之后再做处理,那只需要改写一下就ok;如:
List> splitList = Stream.iterate(0,n->n+1).limit(limit).parallel().map(a->{undefined
List sendList = list.stream().skip(a*MAX_SEND).limit(MAX_SEND).parallel().collect(Collectors.toList());
}).collect(Collectors.toList());
五、java8流里好像拿不到下标,所以我才用到构造一个递增数列当下标用,这就是我用java8分割list的过程,比以前的for循环看的爽心悦目,优雅些,性能功也提高了。如果各位有更好的实现方式,欢迎留言指教。
-
public static <T> List<Collection> splitList(Collection<T> collection, int maxSize, int splitSize) {
-
if(CollectionUtils.isEmpty(collection)) {
-
return Collections.emptyList();
-
}
-
return Stream.iterate(0, f -> f + 1)
-
.limit(maxSize)
-
.parallel()
-
.map(a -> collection.parallelStream().skip(a * splitSize).limit(splitSize).collect(Collectors.toList()))
-
.filter(b -> !b.isEmpty())
-
.collect(Collectors.toList());
-
}
-
public static void main(String[] args) {
-
List<Integer> list = new ArrayList<>(1001);
-
for (int i = 0; i < 950; i++) {
-
list.add(i);
-
}
-
int maxSize = list.size()/100 + 1;
-
List<Collection> splitList = splitList(list,maxSize,100);
-
for (int i = 0; i < maxSize; i++) {
-
splitList.get(i).forEach(e -> {
-
System.out.println(e);
-
});
-
}
-
}
-
public static <T> List<Collection> splitList(Collection<T> collection, int maxSize, int splitSize) {
-
if(CollectionUtils.isEmpty(collection)) return Collections.emptyList();
-
return Stream.iterate(0, f -> f + 1)
-
.limit(maxSize)
-
.parallel()
-
.map(a -> collection.parallelStream().skip(a * splitSize).limit(splitSize).collect(Collectors.toList()))
-
.filter(b -> !b.isEmpty())
-
.collect(Collectors.toList());
-
}
-
int pageSize = 3;
-
List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7);
-
List<List<Integer>> collect = IntStream.range(0, (list.size() + pageSize - 1) / pageSize)
-
.map(pageNum -> pageNum * pageSize).parallel()
-
.mapToObj(i -> list.stream().skip(i).limit(pageSize).collect(Collectors.toList()))
-
.collect(Collectors.toList());
-
System.out.println(JSON.toJSONString(collect));
-
//运行结果
-
//[[1,2,3],[4,5,6],[7]]
-
public static <T> List<Collection>> splitList(Collection<T> collection, int maxSize, int splitSize) {
-
if(isEmptyCollection(collection)) return Collections.emptyList();
-
return Stream.iterate(0, f -> f + 1)
-
.limit(maxSize)
-
.parallel()
-
.map(a -> collection.parallelStream().skip(a * splitSize).limit(splitSize).collect(Collectors.toList()))
-
.filter(b -> !b.isEmpty())
-
.collect(Collectors.toList());
-
}
————————————————
版权声明:本文为CSDN博主「lee06152433」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/lee06152433/article/details/76290821