①只能遍历一次：
数据流的从一头获取数据源，在流水线上依次对元素进行操作，当元素通过流水线，便无法再对其进行操作，可以重新在数据源获取一个新的数据流进行操作；
②采用内部迭代的方式：
对Collection进行处理，一般会使用 Iterator 遍历器的遍历方式，这是一种外部迭代；
而对于处理Stream，只要申明处理方式，处理过程由流对象自行完成，这是一种内部迭代，对于大量数据的迭代处理中，内部迭代比外部迭代要更加高效；
stream 相对于 Collection 的优点
-
无存储：流并不存储值；流的元素源自数据源（可能是某个数据结构、生成函数或I/O通道等等），通过一系列计算步骤得到；
-
函数式风格：对流的操作会产生一个结果，但流的数据源不会被修改；
-
惰性求值：多数流操作（包括过滤、映射、排序以及去重）都可以以惰性方式实现。这使得我们可以用一遍遍历完成整个流水线操作，并可以用短路操作提供更高效的实现；
-
无需上界：不少问题都可以被表达为无限流（infinite stream）：用户不停地读取流直到满意的结果出现为止（比如说，枚举 完美数 这个操作可以被表达为在所有整数上进行过滤）；集合是有限的，但流可以表达为无线流；
-
代码简练：对于一些collection的迭代处理操作，使用 stream 编写可以十分简洁，如果使用传统的 collection 迭代操作，代码可能十分啰嗦，可读性也会比较糟糕；
stream 和 iterator 迭代的效率比较
好了，上面 stream 的优点吹了那么多，stream 函数式的写法是很舒服，那么 steam 的效率到底怎样呢？
先说结论：
-
传统 iterator (for-loop) 比 stream(JDK8) 迭代性能要高，尤其在小数据量的情况下；
-
在多核情景下，对于大数据量的处理，parallel stream 可以有比 iterator 更高的迭代处理效率；
我分别对一个随机数列 List （数量从 10 到 10000000）进行映射、过滤、排序、规约统计、字符串转化场景下，对使用 stream 和 iterator 实现的运行效率进行了统计。
测试环境如下：
_System：Ubuntu 16.04 xenial
CPU：Intel Core i7-8550U
RAM：16GB
JDK version：1.8.0_151
JVM：HotSpot™ 64-Bit Server VM (build 25.151-b12, mixed mode)
JVM Settings:
-Xms1024m
-Xmx6144m
-XX:MaxMetaspaceSize=512m
-XX:ReservedCodeCacheSize=1024m
-XX:+UseConcMarkSweepGC
-XX:SoftRefLRUPolicyMSPerMB=100_
1.映射处理测试
把一个随机数列（List）中的每一个元素自增1后，重新组装为一个新的 List，测试的随机数列容量从 10 - 10000000，跑10次取平均时间；
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36`//stream` `List<Integer> result = list.stream()` `.mapToInt(x -> x)` `.map(x -> ++x)` `.boxed()` `.collect(Collectors.toCollection(ArrayList::new));` `//iterator` `List<Integer> result = new ArrayList<>();` `for(Integer e : list){` `result.add(++e);` `}` `//parallel stream` `List<Integer> result = list.parallelStream()` `.mapToInt(x -> x)` `.map(x -> ++x)` `.boxed()` `.collect(Collectors.toCollection(ArrayList::new));`
2. 过滤处理测试
取出一个随机数列（List）中的大于 200 的元素，并组装为一个新的 List，测试的随机数列容量从 10 - 10000000，跑10次取平均时间；
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40`//stream` `List<Integer> result = list.stream()` `.mapToInt(x -> x)` `.filter(x -> x > 200)` `.boxed()` `.collect(Collectors.toCollection(ArrayList::new));` `//iterator` `List<Integer> result = new ArrayList<>(list.size());` `for(Integer e : list){` `if(e > 200){` `result.add(e);` `}` `}` `//parallel stream` `List<Integer> result = list.parallelStream()` `.mapToInt(x -> x)` `.filter(x -> x > 200)` `.boxed()` `.collect(Collectors.toCollection(ArrayList::new));`
3. 自然排序测试
对一个随机数列（List）进行自然排序，并组装为一个新的 List，iterator 使用的是 Collections # sort API（使用归并排序算法实现），测试的随机数列容量从 10 - 10000000，跑10次取平均时间；
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32`//stream` `List<Integer> result = list.stream()` `.mapToInt(x->x)` `.sorted()` `.boxed()` `.collect(Collectors.toCollection(ArrayList::new));` `//iterator` `List<Integer> result = new ArrayList<>(list);` `Collections.sort(result);` `//parallel stream` `List<Integer> result = list.parallelStream()` `.mapToInt(x->x)` `.sorted()` `.boxed()` `.collect(Collectors.toCollection(ArrayList::new));`
4. 归约统计测试
获取一个随机数列（List）的最大值，测试的随机数列容量从 10 - 10000000，跑10次取平均时间；
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36`//stream` `int max = list.stream()` `.mapToInt(x -> x)` `.max()` `.getAsInt();` `//iterator` `int max = -1;` `for(Integer e : list){` `if(e > max){` `max = e;` `}` `}` `//parallel stream` `int max = list.parallelStream()` `.mapToInt(x -> x)` `.max()` `.getAsInt();`
最后
2020年在匆匆忙忙慌慌乱乱中就这么度过了，我们迎来了新一年，互联网的发展如此之快，技术日新月异，更新迭代成为了这个时代的代名词，坚持下来的技术体系会越来越健壮，JVM作为如今是跳槽大厂必备的技能，如果你还没掌握，更别提之后更新的新技术了。
更多JVM面试整理：
oInt(x -> x)`
.max()
.getAsInt();
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17# 最后 2020年在匆匆忙忙慌慌乱乱中就这么度过了，我们迎来了新一年，互联网的发展如此之快，技术日新月异，更新迭代成为了这个时代的代名词，坚持下来的技术体系会越来越健壮，JVM作为如今是跳槽大厂必备的技能，如果你还没掌握，更别提之后更新的新技术了。 [外链图片转存中...(img-rkli1LWG-1628225395373)] **更多JVM面试整理：** [外链图片转存中...(img-G5AviTfp-1628225395375)] **[点击这里免费下载“百万级”「JVM笔记」](https://gitee.com/vip204888/java-p7)**
最后
以上就是落后盼望最近收集整理的关于rocketmq教程教程，JDK8 Stream 数据流效率分析最后的全部内容，更多相关rocketmq教程教程，JDK8内容请搜索靠谱客的其他文章。
发表评论 取消回复