Java8 Stream性能如何及评测工具推荐

程序新视界

发布于 2019-10-22 11:26:14

7880

发布于 2019-10-22 11:26:14

文章被收录于专栏：丑胖侠丑胖侠

本文链接：https://blog.csdn.net/wo541075754/article/details/102499232

作为技术人员，学习新知识是基本功课。有些知识是不得不学，有些知识是学了之后如虎添翼，Java8的Stream就是兼具两者的知识。不学看不懂，学了写起代码来如虎添翼。

在上篇《Java8 Stream新特性详解及实战》中我们介绍了Java8 Stream的基本使用方法，尝试一下是不是感觉很爽？当只用一行代码就搞定最终结果时，是不是再也不想用for循环一遍遍去迭代了。

同时，你是否又看到类似《Java8 Lambda表达式和流操作如何让你的代码变慢5倍》这样的文章，那么今天就带大家通过编写测试程序来一探究竟，看看Stream的性能到底如何。同时，带大家认识一个非常不错的性能测试工具junitperf。

测试环境

先同步一下测试环境及工具信息：

JDK版本：1.8.0_151。
电脑配置：MacBook Pro i7，16G内存。
Java测试工具：junitperf及Junit。
IDE：intellij IDEA。

在测试的过程中电脑中还开了其他很多应用，但基本上都没进行操作。

实验一：基本类型迭代

基本测试方案，先初始化一个int数组，5亿个随机数。然后从这个数组中找到最小的一个数。

采用三个单元测试方法来对照参考：

testIntFor：测试for循环执行时间；
testIntStream：测试串行Stream执行时间；
testIntParallelStream：测试并行Stream执行时间；

测试程序相关代码：

public class StreamTest {

	public static int[] arr;

	@BeforeAll
	public static void init() {
		arr = new int[500000000];
		randomInt(arr);
	}

	@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
	public void testIntFor() {
		minIntFor(arr);
	}

	@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
	public void testIntParallelStream() {
		minIntParallelStream(arr);
	}

	@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
	public void testIntStream() {
		minIntStream(arr);
	}

	private int minIntStream(int[] arr) {
		return Arrays.stream(arr).min().getAsInt();
	}

	private int minIntParallelStream(int[] arr) {
		return Arrays.stream(arr).parallel().min().getAsInt();
	}

	private int minIntFor(int[] arr) {
		int min = Integer.MAX_VALUE;
		for (int anArr : arr) {
			if (anArr < min) {
				min = anArr;
			}
		}
		return min;
	}

	private static void randomInt(int[] arr) {
		Random r = new Random();
		for (int i = 0; i < arr.length; i  ) {
			arr[i] = r.nextInt();
		}
	}
}

基本操作流程：通过@BeforeAll注解的init方法对数组进行随机初始化，然后再统一执行上面三个测试方法。

在单元测试的方法上都有下面的注解：

@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})

该注释为junitperf提供的注解，其中duration为持续执行这段代码的时间，单位毫秒；warmUp预热时间，这里预热1秒；reporter输出报表格式，这里采用HTML展示，可以更直观看到效果。

好上面的一切都准备好了，剩下的就是统一执行单元测试。执行结果如下三个图。

针对基础类型（int）操作，结果分析：

串行Stream的执行的确不如for循环性能高，耗时大概是for循环的2倍。
并行Stream的执行性能要优于for循环，耗时大概是for循环的一半。
这里没有用不同核数的机器测试，但并行Stream随着服务器核数的增加，必然更快。

实验二：对象迭代

生成一个List列表，列表中随机生成10000000个字符串，然后分别通过不同的方式计算获得最小的字符串。

基本操作与实验一相同，不再贴出代码，直接看测试的效果图。

针对对象（String）操作，结果分析：

Stream的性能与for循环已经相差不大了，耗时大概是for循环的1.25倍左右。
并行Stream执行的性能要优于for循环，而且比基础类型的优势更高，耗时已经低于for循环的一半。
针对不同服务器核数，Stream效率同样会更加高。

实验三：复杂对象归约

生成一个List列表，列表里面存放着1百万个User对象。每个对象中都包含用户名和用户某次运动的距离，同一用户可在List里包含多条运动记录。现在通过不同的方式来统计用户的总共运动了多远距离。

基本测试思路一致，这里只贴出基于Stream的算法的代码，以便大家了解Stream的复杂对象归约如何使用。

// 串行写法
users.stream().collect(
				Collectors.groupingBy(User::getUserName,
						Collectors.summingDouble(User::getMeters)));
// 并行写法						
users.parallelStream().collect(
				Collectors.groupingBy(User::getUserName,
						Collectors.summingDouble(User::getMeters)));

下面看测试结果的数据：