当前位置：首页 > news >正文

求求你们了，别再乱用 parallelStream 了，速度竟然比 Stream 还要慢！！

news 来源：原创 2024/5/4 14:18:56

parallelStream 一定更快吗？

大家都知道 Stream 分为顺序流和并行流：

stream（顺序流）
parallelStream（并行流）

它们最大的区别就是 parallelStream 支持并行化处理，所以效率较 stream（顺序流）肯定是要更快的。这篇不会介绍 Stream 基础，Stream 系列我之前写过一个专题了，不懂的关注公众号Java技术栈，然后在公众号 Java 教程菜单中阅读。

然而你确定 parallelStream 一定要更快吗？

栈长写了一段排序的示例，分别用 stream 和 parallelStream，对 100 ~ 10000000 条数据的集合进行排序，来看下执行效率究竟如何！

顺序流排序：

/**
 * 顺序流排序
 * @author: 栈长
 * @from: 公众号Java技术栈
 */
private static void streamSort() {
    long start = System.currentTimeMillis();
    List<SortTest.User> list = new ArrayList<>(LIST);

    list.stream().sorted(SortTest.User::compareAge).collect(Collectors.toList());

    System.out.println("\nList size: " + list.size() + " Stream.sorted: " + (System.currentTimeMillis() - start));
}

并行流排序：

/**
 * 并行流排序
 * @author: 栈长
 * @from: 公众号Java技术栈
 */
private static void parallelStreamSort() {
    long start = System.currentTimeMillis();
    List<SortTest.User> list = new ArrayList<>(LIST);

    list.parallelStream().sorted(SortTest.User::compareAge).collect(Collectors.toList());

    System.out.println("List size: " + list.size() + " ParallelStream.sorted: " + (System.currentTimeMillis() - start));
}

本文所有完整示例源代码已经上传：

“
https://github.com/javastacks/javastack
”

执行结果如下：

“
List size: 10000000 Stream.sorted: 202 List size: 10000000 ParallelStream.sorted: 402

List size: 1000000 Stream.sorted: 53 List size: 1000000 ParallelStream.sorted: 15

List size: 100000 Stream.sorted: 1 List size: 100000 ParallelStream.sorted: 2

List size: 10000 Stream.sorted: 0 List size: 10000 ParallelStream.sorted: 1

List size: 1000 Stream.sorted: 0 List size: 1000 ParallelStream.sorted: 1

List size: 100 Stream.sorted: 0 List size: 100 ParallelStream.sorted: 0
”

在 100000 以下是没什么区别的；

在 1000000 左右 ParallelStream 虽然领先 Stream，但也不是绝对每次都领先，经过不断测试，这个数据量区间的测试两者会互相领先；

在 10000000 左右就很稳定了，ParallelStream 几乎比 Stream 慢了 2 倍！

现在你可能会有疑问了，为什么会这样？

栈长起初也有疑问，并行流（ParallelStream）怎么会比顺序流（Stream）还要慢。。

其实我后面想想也就明白了，并行流（ParallelStream）的背后其实是 Java7 开始支持的Fork/Join，即把一个大任务拆分成 N 个小任务，然后最终合并各个子任务的结果，所以对于子任务线程的拆分、创建、结果合并等操作都需要不少的开销，特别是线程的创建。

所以这种不耗时的简单排序操作事实上是不适用于并行流（ParallelStream）的，它所带来的线程创建的损耗可能还会比顺序流（Stream）还要更慢。

最新 Java 8+ 面试题也都整理好了，点击Java面试库小程序在线刷题。

什么时候用 ParallelStream？

既然使用 Fork/Join 是会有损耗的，那对于单条数据的处理的时间最好是理论上要超过用并行流（ParallelStream）本身的损耗，这种情况下就比较合适。

也就是说，如果对于流中的每条数据的处理比较费时间，并且没有顺序要求，这种场景下用并行流（ParallelStream）会更快，更合适。

来看下面这个示例：

顺序流数据处理：

/**
 * 顺序流数据处理
 * @author: 栈长
 * @from: 公众号Java技术栈
 */
private static void streamProcess() {
    long start = System.currentTimeMillis();
    List<SortTest.User> list = new ArrayList<>(LIST);

    list.stream().map(StreamSpeedTest::process).collect(Collectors.toList());

    System.out.println("\nList size: " + list.size() + " Stream process: " + (System.currentTimeMillis() - start));
}

并行流数据处理：

/**
 * 并行流数据处理
 * @author: 栈长
 * @from: 公众号Java技术栈
 */
private static void parallelStreamProcess() {
    long start = System.currentTimeMillis();
    List<SortTest.User> list = new ArrayList<>(LIST);

    list.parallelStream().map(StreamSpeedTest::process).collect(Collectors.toList());

    System.out.println("List size: " + list.size() + " ParallelStream process: " + (System.currentTimeMillis() - start));
}

数据处理：

/**
 * 数据处理
 * @author: 栈长
 * @from: 公众号Java技术栈
 */
private static SortTest.User process(SortTest.User user) {
    try {
        user.setName(user.getName() + ": process");
        Thread.sleep(5);
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
    return user;
}

注意： 这里加了个休眠 5 毫秒，为了体现真实的处理数据耗时。

本文所有完整示例源代码已经上传：

“
https://github.com/javastacks/javastack
”

并行流排序：

“
List size: 1000 Stream process: 5750 List size: 1000 ParallelStream process: 745

List size: 100 Stream process: 566 List size: 100 ParallelStream process: 77
”

结果很明显了，不管测试多少次，并行流（ParallelStream）的处理速度都要比顺序流（Stream）要快几倍！！我这里只测试了 100 和 1000 条数据，因为 10000 条以上的数据用顺序流（Stream）可能要等非常久。

而且我程序中的处理逻辑只休眠了 5 毫秒，如果实际处理单条数据的耗时要比这个更长，那并行流（ParallelStream）的处理效率还会更明显。