定义一个测试类
public class TestParallelStream { private List<Integer> list; private int size; private CountDownLatch countDownLatch; @Before public void initList(){ list = new ArrayList<>(); size = 100; countDownLatch = new CountDownLatch(size); for(int i=0; i<size; i++) { list.add(i); } }
上面定义了一个100元素的list。
下面使用迭代器遍历：
/** * 迭代器遍历 * @throws Exception */ @Test public void testFor() throws Exception { long start = System.currentTimeMillis(); Iterator<Integer> iterator = list.iterator(); while(iterator.hasNext()){ System.out.print(iterator.next()); } System.out.println(); long end = System.currentTimeMillis(); System.out.println(end-start); }
结果耗时稳定一位数的毫秒
使用parallelStream的方式：
/**
* 使用parallelSteam.forEach()遍历 * @throws Exception */ @Test public void testListForEach() throws Exception{ long start = System.currentTimeMillis(); list.parallelStream().forEach( l -> { System.out.print(l); countDownLatch.countDown(); } ); countDownLatch.await(); System.out.println(); long end = System.currentTimeMillis(); System.out.println(end-start); }
结果是稳定在50以上的两位数的毫秒。
但是当我们要进行耗时的操作时，比如说IO，这里用Thread.sleep(100)模拟IO。
用迭代器处理模拟的IO的方式：
/** * 当有耗时操作时，使用迭代器遍历 * @throws Exception */ @Test public void testForSleep() throws Exception { long start = System.currentTimeMillis(); Iterator<Integer> iterator = list.iterator(); while(iterator.hasNext()){ System.out.print(iterator.next()); Thread.sleep(100); } System.out.println(); long end = System.currentTimeMillis(); System.out.println(end-start); }
结果是比10000大一些的毫秒数。
用parallelStream处理模拟的IO：
/**
* 当有耗时操作时,使用parallelSteam.forEach()遍历 * @throws Exception */ @Test public void testListParallelStream() throws Exception{ long start = System.currentTimeMillis(); list.parallelStream().forEach( l -> { System.out.print(l); try { Thread.sleep(100); } catch (InterruptedException e) { e.printStackTrace(); } countDownLatch.countDown(); } ); countDownLatch.await(); System.out.println(); long end = System.currentTimeMillis(); System.out.println(end-start); }
结果是比2500大一些的毫秒数。应该是跟我电脑4核有关，处理4个线程。是上面迭代器遍历时间的1/4.
总结
当数据量不大或者没有太耗时的操作时，顺序执行（如iterator）往往比并行执行更快，毕竟，分配资源、准备线程池和其它相关资源也是需要时间的；
当任务涉及到耗时操作（如I/O）并且任务之间不互相依赖时，那么并行化就是一个不错的选择。通常而言，将这类程序并行化之后，执行速度会提升好几个等级；
由于在并行环境中任务的执行顺序是不确定的，因此对于依赖于顺序的任务而言，并行化也许不能给出正确的结果。
参考：