本文转载自微信公众号“小明菜市场”，作者小明菜市场。转载本文请联系小明菜市场公众号。前言如果之前需要对一个集合进行处理，需要手动将其分成几个部分，然后为每个部分创建一个线程，最后在合适的时候进行合并。这是一种手动处理并行集合的方法。在java8中，有一个新功能，可以开启并行模式。并行流的识别启用并行流什么是并行流？它是一种流，将一个流内容分成多个数据块，并使用不同的线程分别处理每个不同的数据块。例如，下面有一个例子。在List中，需要单独计算List数据。代码如下：ListappleList=newArrayList<>();//假装从库中检出数据for(Appleapple:appleList){apple.setPrice(5.0*apple.getWeight()/1000);}这里，时间复杂度是O(list.size)。随着列表的增加，时间消耗也随之增加。并行流可以解决这个问题，代码如下：appleList.parallelStream().forEach(apple->apple.setPrice(5.0*apple.getWeight()/1000));这里，通过调用parallelStream()流，将当前流并行，然后并行执行。并行流内部使用默认的ForkJoinPool线程池，默认的线程数为处理器的核心数。测试并行流的常用代码如下：publicstaticvoidmain(String[]args)throwsInterruptedException{ListappleList=initAppleList();Datebegin=newDate();for(Appleapple:appleList){apple.setPrice(5.0*apple.getWeight()/1000);Thread.sleep(1000);}Dateend=newDate();log.info("苹果个数：{}，耗时：{}s",appleList.size(),(end.getTime()-begin.getTime())/1000);}输出耗时4s。并行代码如下：ListappleList=initAppleList();Datebegin=newDate();appleList.parallelStream().forEach(apple->{apple.setPrice(5.0*apple.getWeight()/1000);try{Thread.sleep(1000);}catch(InterruptedExceptione){e.printStackTrace();}});Dateend=newDate();log.info("苹果数量：{}，耗时：{}s",appleList.size(),(end.getTime()-begin.getTime())/1000);输出结果耗时1s。可以看到，耗时有了很大的提升，提升了3s。并行流拆分会影响流的速度。对于并行流，需要注意以下几点：对于iterate方法处理的前n个数，无论并行与否，总是比循环慢，对于LongStream。rangeClosed()方法，没有迭代的第二个痛点。它生成基本类型的值，无需拆箱操作。此外，它还可以直接将待生成的数1-n拆分为1-n/4、1n/4-2n/4、……3n/4-n等四部分。因此，并行状态下的rangeClosed()比for循环的外部迭代要快。代码如下：packagelambdasinaction.chap7;importjava.util.stream.*;publicclassParallelStreams{publicstaticlongiterativeSum(longn){longresult=0;for(longi=0;i<=n;i++){result+=i;}returnresult;}publicstaticlongsequentialSum(longn){returnStream.iterate(1L,i->i+1).limit(n).reduce(Long::sum).get();}publicstaticlongparallelSum(longn){returnStream.iterate(1L,i->i+1).limit(n).parallel().reduce(Long::sum).get();}publicstaticlongrangedSum(longn){returnLongStream.rangeClosed(1,n).reduce(Long::sum).getAsLong();;}}packagelambdasinaction.chap7;importjava.util.concurrent.*;importjava.util.function.*;publicclassParallelStreamsHarness{publicstaticfinalForkJoinPoolFORK_JOIN_POOL=newForkJoinPool();publicstaticvoidmain(String[]args){System.out.println("IterativeSumdoneinmeasurePerf(ParallelStreams：：它erativeSum,10_000_000L)+"msecs");System.out.println("SequentialSumdonein:"+measurePerf(ParallelStreams::sequentialSum,10_000_000L)+"msecs");System.out.println("ParallelforkJoinSumdonein:"+measurePerf(ParallelStreams::parallelSum,10_000_000L)+"msecs");System.out.println("RangeforkJoinSumdonein:"+measurePerf(ParallelStreams::rangedSum,10_000_000L)+"msecs");System.out.println("ParallelrangeforkJoinSumdonein:"+measurePerf(ParallelStreams::parallelRangedSum,10_000_000L)+"msecs");}publicstaticlongmeasurePerf(Functionf,Tinput){longfastest=Long.MAX_VALUE;for(inti=0;i<10;i++){longstart=System.nanoTime();Rresult=f.apply(input);longduration=(System.nanoTime()-start)/1_000_000;System.out.println("Result:"+result);if(duration
