Java 8：Streams vs Collections的性能

3回答

猛跑小猪

LinkedList使用迭代器停止使用除列表中间的大量删除之外的任何内容。停止手动编写基准测试代码，使用JMH。适当的基准：@OutputTimeUnit(TimeUnit.NANOSECONDS)@BenchmarkMode(Mode.AverageTime)@OperationsPerInvocation(StreamVsVanilla.N)public class StreamVsVanilla {    public static final int N = 10000;    static List<Integer> sourceList = new ArrayList<>();    static {        for (int i = 0; i < N; i++) {            sourceList.add(i);        }    }    @Benchmark    public List<Double> vanilla() {        List<Double> result = new ArrayList<>(sourceList.size() / 2 + 1);        for (Integer i : sourceList) {            if (i % 2 == 0){                result.add(Math.sqrt(i));            }        }        return result;    }    @Benchmark    public List<Double> stream() {        return sourceList.stream()                .filter(i -> i % 2 == 0)                .map(Math::sqrt)                .collect(Collectors.toCollection(                    () -> new ArrayList<>(sourceList.size() / 2 + 1)));    }}结果：Benchmark                   Mode   Samples         Mean   Mean error    UnitsStreamVsVanilla.stream      avgt        10       17.588        0.230    ns/opStreamVsVanilla.vanilla     avgt        10       10.796        0.063    ns/op正如我预期的那样，流实现速度相当慢。JIT能够内联所有lambda内容，但不会像vanilla版本那样生成完美简洁的代码。通常，Java 8流不是魔术。他们无法加速已经很好实现的东西（可能是普通的迭代或Java 5的 - 每个语句都替换为Iterable.forEach()和Collection.removeIf()调用）。流更多的是编码方便性和安全性。方便 - 速度权衡在这里工作。

0 0

SMILET

1）您使用基准测试时间不到1秒。这意味着副作用会对您的结果产生强烈影响。所以，我增加了你的任务10次    int max = 10_000_000;并运行你的基准。我的结果：Collections: Elapsed time:   8592999350 ns  (8.592999 seconds)Streams: Elapsed time:       2068208058 ns  (2.068208 seconds)Parallel streams: Elapsed time:  7186967071 ns  (7.186967 seconds)没有edit（int max = 1_000_000）结果Collections: Elapsed time:   113373057 ns   (0.113373 seconds)Streams: Elapsed time:       135570440 ns   (0.135570 seconds)Parallel streams: Elapsed time:  104091980 ns   (0.104092 seconds)这就像你的结果：流比收集慢。结论：流初始化/值传输花费了大量时间。2）增加任务流后变得更快（没关系），但并行流仍然太慢。怎么了？注意：你有collect(Collectors.toList())命令。收集单个集合实质上会在并发执行时引入性能瓶颈和开销。可以通过替换来估计开销的相对成本collecting to collection -> counting the element count对于流，它可以通过collect(Collectors.counting())。我得到了结果：Collections: Elapsed time:   41856183 ns    (0.041856 seconds)Streams: Elapsed time:       546590322 ns   (0.546590 seconds)Parallel streams: Elapsed time:  1540051478 ns  (1.540051 seconds)那是一项艰巨的任务！（int max = 10000000）结论：收集物品需要花费大部分时间。最慢的部分是添加到列表中。BTW，简单ArrayList用于Collectors.toList()。

0 0

繁星coding

public static void main(String[] args) {    //Calculating square root of even numbers from 1 to N           int min = 1;    int max = 10000000;    List<Integer> sourceList = new ArrayList<>();    for (int i = min; i < max; i++) {        sourceList.add(i);    }    List<Double> result = new LinkedList<>();    //Collections approach    long t0 = System.nanoTime();    long elapsed = 0;    for (Integer i : sourceList) {        if(i % 2 == 0){            result.add( doSomeCalculate(i));        }    }    elapsed = System.nanoTime() - t0;           System.out.printf("Collections: Elapsed time:\t %d ns \t(%f seconds)%n", elapsed, elapsed / Math.pow(10, 9));    //Stream approach    Stream<Integer> stream = sourceList.stream();           t0 = System.nanoTime();    result = stream.filter(i -> i%2 == 0).map(i -> doSomeCalculate(i))            .collect(Collectors.toList());    elapsed = System.nanoTime() - t0;           System.out.printf("Streams: Elapsed time:\t\t %d ns \t(%f seconds)%n", elapsed, elapsed / Math.pow(10, 9));    //Parallel stream approach    stream = sourceList.stream().parallel();            t0 = System.nanoTime();    result = stream.filter(i -> i%2 == 0).map(i ->  doSomeCalculate(i))            .collect(Collectors.toList());    elapsed = System.nanoTime() - t0;           System.out.printf("Parallel streams: Elapsed time:\t %d ns \t(%f seconds)%n", elapsed, elapsed / Math.pow(10, 9));      }static double doSomeCalculate(int input) {    for(int i=0; i<100000; i++){        Math.sqrt(i+input);    }    return Math.sqrt(input);}我稍微更改了代码，在我的mac book pro上运行了8个内核，得到了一个合理的结果：收藏：经历时间：1522036826 ns（1.522037秒）流：经过的时间：4315833719 ns（4.315834秒）并行流：经过时间：261152901 ns（0.261153秒）

0 0