java8函数式编程（三）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/litte_frog/article/details/82982342

并行化流操作

如果已经有一个Stream对象，调用parallel方法即拥有并行操作的能力

boolean b = Stream.of("z", "s", "c").
                parallel().
                isParallel();

集合通过调用parallelStream方法创建一个并行能力的流

List<Frog> frogs = new ArrayList<>();
...
double sum = frogs.parallelStream()
                .mapToInt(Frog::getAge)
                .sum();

并发与并行

并发是两个队列交替使用一台咖啡机，并行是两个队列同时使用两台咖啡机（Author:Joe Armstrong）。
上一段求和代码中，执行过程现将数据划分为多个部分，对每部分的数据进行求和，最后将求和结果合并。在数据量很大时候，每个数据分块并行求和时执行效率是很高的（多核处理器上）。所以数据是否容易分块与并行执行的线程数是影响会执行效率。

并行化数组操作

        int[] a = new int[5];
        // 元素与下标一致的数组
        Arrays.parallelSetAll(a, i -> i);

        // 创建与a相同的b数组
        int[] b = Arrays.copyOf(a, a.length);

        // 将元素值扩大2倍
        Arrays.parallelSetAll(b, i -> i*2);

        // 再求和
        Arrays.parallelPrefix(b, Integer::sum);

        int[] ints = {3,2,4,5,2,6,3,6,1,6,8,4,6,4,5,9,1,3};
        // 排序
        Arrays.parallelSort(ints);

利用并行流提升性能

不是所有数据都适合并行化，也就是说并行化是有一定代价的，总体原则就是：
内核中并行的工作时间 ＞ 内核间传输数据时间

可以通过以下几点判断是否适合并行化：
1 考虑使用无序流代替顺序流（unordered方法）
2 拆箱装箱少
3 数据量较大
4 数据接口易分解
5 合并步骤代价小