153、Java8新特性之并行流和串行流
并行流就是把一个内容分成多个数据块，并用不同的线程分别处理每个数据块的流。Java8中将并行做了优化，我们可以很容易的对数据进行并行操作。StreamAPI可以声明性的通过parallel()与sequential()在并行流与顺序流之间进行切换。
再说并行流之前，我们先了解一个框架Fork/Join：Fork/Join框架就是在必要情况下，将一个大的任务进行拆分fork成若干个小的任务，知道不可再拆分，然后再将一个个小的任务的运算结果进行join汇总。
Fork/Join框架使用起来比较复杂，但是效率高。Fork/Join框架采取“工作窃取”模式（work-stealing）：当执行新的任务时，它可以将其拆分为更小的任务执行，并将小任务加入到线程队列中，然后再从一个随机线程的队列中偷一个并把它放在自己的队列中。
相对于一般的线程池实现，Fork/Join框架的优势体现在对其中包含的任务的处理方式上。在一般的线程池中，如果一个线程正在执行的任务由于某些原因无法继续执行，那么该线程会处于等待状态，而在Fork/Join框架实现中，如果某个子问题由于等待另外一个子问题的完成而无法继续运行，那么处理该子问题的线程会主动寻找其他尚未运行的子问题来执行。这种方式减少了线程的等待时间，提高了性能。
Fork/Join模式使用：
* 1.继承抽象类RecusiveTask（有返回值，泛型指定返回值）或者抽象类RecusiveAction（无返回值）
* 2.实现其中的compute方法，以递归形式拆分任务
* 3.任务拆分完成之后，调用fork，压入线程队列
* 4.任务处理完成之后，调用join，返回值
* 5.运行程序时，需要ForkJoinPool的支持
* 5.1.新建ForkJoinPool
* 5.2.用父类ForkJoinTask去引用需要新建的对象
* 5.3.调用ForkJoinPool的invoke，进行fork/join，接收返回值
测试Fork/Join框架：
public class ForkJoinCalculate extends RecursiveTask {
private long start;
private long end;
private static final long THRESHOLD = 10000;
public ForkJoinCalculate(long start, long end) {
this.start = start;
this.end = end;
}
@Override
protected Long compute() {
long length = end - start;
if (length <= THRESHOLD){
long sum = 0;
for (long i = start; i <= end; i++){
sum += i;
}
return sum;
}else {
long middle = (start + end) / 2;
ForkJoinCalculate left = new ForkJoinCalculate(start,middle);
left.fork();//拆分子任务，同时压入线程队列
ForkJoinCalculate right = new ForkJoinCalculate(middle,end);
right.fork();
return (long)right.join() + (long)left.join();
}
}
}
public class TestForkJoin {
//使用ForkJoin框架计算从0加到1亿的和
@Test
public void test1(){
Instant start = Instant.now();
ForkJoinPool pool = new ForkJoinPool();
ForkJoinTask<Long> task = new ForkJoinCalculate(0,100000000L);
Long sum = pool.invoke(task);
System.out.println("和是：" + sum);
Instant end = Instant.now();
System.out.println("耗费时间是：" + Duration.between(start,end).toMillis() + "毫秒");
}
//使用普通for循环计算求和
@Test
public void test2(){
Instant start = Instant.now();
long sum = 0L;
for (long i = 0; i <= 100000000L; i++){
sum += i;
}
System.out.println("和是：" + sum);
Instant end = Instant.now();
System.out.println("耗费时间是：" + Duration.between(start,end).toMillis() + "毫秒");
}
}
数据量越大，Fork/Join框架的优势越明显。
下面看Java8使用并行流怎么实现：
//使用Java8并行流计算求和
@Test
public void test3(){
Instant start = Instant.now();
long sum = LongStream.rangeClosed(0, 100000000L).parallel().reduce(0, Long::sum);
System.out.println("和是：" + sum);
Instant end = Instant.now();
System.out.println("耗费时间是：" + Duration.between(start,end).toMillis() + "毫秒");
}