全局范围并行流利用多个处理内核和专业算法，提升了对大型集合进行并行处理的效率。实战中，在具有 8 个内核的计算机上，使用并行流计算 100 万整数的总和，比串行方法快约 10 倍。

全局范围并行流如何提升效能

简介

并行流是一种 Java 8 引入的强大特性，允许我们并行处理集合元素。在某些情况下，使用并行流可以显着提升性能。本文将探讨全局范围并行流以及它们如何在实战中提升效能。

全局范围并行流

全局范围并行流通过 java.util.concurrent.ForkJoinPool.commonPool() 线程池执行并行任务。这个线程池默认创建与处理器内核数相同的线程数。

提升效能的实战案例

假设我们有一个包含 100 万个整数的大型列表。我们想计算列表中所有数的总和。

串行方式：

Miller CSV TSV JSON 数据处理器

Miller (mlr) 是一个命令行工具，用于查询、整形和重新格式化名称索引数据，如 CSV、TSV、JSON 和 JSON Lines。它将 awk、sed、cut、join 和 sort 的功能整合到一个专为结构化数据处理而构建的单一工具中。

下载

int sum = 0;
for (int i : list) {
    sum += i;
}

并行方式：

int sum = list.parallelStream()
    .reduce(0, (a, b) -> a + b);

结果：

在具有 8 个内核的计算机上，串行方法花费的时间约为 5 秒，而并行方法仅花费约 0.5 秒。

为什么并行流更快？

并行流在多核计算机上更快有几个原因：

• 利用了多个处理内核
• 减少了与主线程的交互
• 利用了专业的任务窃取算法

最佳实践

使用并行流时应注意以下最佳实践：

• 对于大集合，并行流更有效。
• 如果元素的处理涉及大量阻塞操作（如 I/O），则并行流可能没有帮助。
• 确保收集操作是线程安全的。

结论

全局范围并行流提供了在多核计算机上提升效能的强大工具。对于大型集合和轻量级任务，使用并行流可以显着提高性能。