java8函数式编程（三）

末蓝、 2022-05-08 05:38 246阅读 0赞

## 并行化流操作 ##

如果已经有一个Stream对象，调用parallel方法即拥有并行操作的能力

boolean b = Stream.of("z", "s", "c").
                    parallel().
                    isParallel();

集合通过调用parallelStream方法创建一个并行能力的流

List<Frog> frogs = new ArrayList<>();
    ...
    double sum = frogs.parallelStream()
                    .mapToInt(Frog::getAge)
                    .sum();

## 并发与并行 ##

![并发与并行][70]  
并发是两个队列交替使用一台咖啡机，并行是两个队列同时使用两台咖啡机（Author:Joe Armstrong）。  
上一段求和代码中，执行过程现将数据划分为多个部分，对每部分的数据进行求和，最后将求和结果合并。在数据量很大时候，每个数据分块并行求和时执行效率是很高的（多核处理器上）。所以数据是否容易分块与并行执行的线程数是影响会执行效率。

## 并行化数组操作 ##

int[] a = new int[5];
            // 元素与下标一致的数组
            Arrays.parallelSetAll(a, i -> i);
    
            // 创建与a相同的b数组
            int[] b = Arrays.copyOf(a, a.length);
    
            // 将元素值扩大2倍
            Arrays.parallelSetAll(b, i -> i*2);
    
            // 再求和
            Arrays.parallelPrefix(b, Integer::sum);
    
            int[] ints = { 3,2,4,5,2,6,3,6,1,6,8,4,6,4,5,9,1,3};
            // 排序
            Arrays.parallelSort(ints);

## 利用并行流提升性能 ##

不是所有数据都适合并行化，也就是说并行化是有一定代价的，总体原则就是：  
**内核中并行的工作时间 ＞ 内核间传输数据时间**

可以通过以下几点判断是否适合并行化：  
*1 考虑使用无序流代替顺序流（unordered方法）*  
*2 拆箱装箱少*  
*3 数据量较大*  
*4 数据接口易分解*  
*5 合并步骤代价小*

[70]: /images/20220508/a3017e409b5645c89acf620ca9c988de.png