寫在前面的話

在前面我們已經看過了一些流的處理，那麼Lambda除了在寫法上的不同，還有其它什麼作用呢？當然有，就是資料並行化處理！

它在某些場景下可以提高程式的效能。我們先看一個前面的例子，查詢所有的男同學

// 流方式
        List<Person> newBoys = personList.stream().filter(p -> 1 == p.getSex()).collect(Collectors.toList());

現在用並行流改寫一下 

// 流方式：找出所有男同學
		List<Person> newBoys = personList.parallelStream().filter(p -> 1 == p.getSex()).collect(Collectors.toList());
 

細心的同學已經發現區別了，stream與parallelStream，是的，要用並行流parallelStream，就是這麼簡單！

什麼是並行

有必要嘗試解釋一下，什麼是資料並行化

Java支援多執行緒，可以同時開啟多個任務。引入多執行緒的原因在於，執行緒可能會阻塞，CPU會主動切分時間片，只有分配到時間片的執行緒才會執行。而現代的處理器，幾乎都是多核的，即多個CPU，如何才能更高效的利用硬體呢，多執行緒。

並行和多執行緒是有區別的，比如運送一堆貨物，如果只有一輛車(單執行緒)，肯定慢，平時如果貨少，那還能應付過來 ，如果比如某寶的"雙十一"，那就肯定快遞像垃圾一樣如山，怎麼辦呢？我們可以增加車輛(多執行緒)，那麼肯定能加快運送速度。但是有一個前提，必須是多條道(多核CPU)。而在有些只有單個出口的地方，還必須排隊(併發，執行緒安全)

而並行的針對同一個任務的。比如還是一輛車的貨，10000件，全部放在A車上，要跑N個小時。現在取出一半放到B車上，理論上A,B2車同時跑，是不是會理快呢？嘿嘿嘿，這就是說的資料並行化，這裡不會涉及併發。而這一切，Java8的並行流都在底層幫我們實現了

一定會更快？

紙上得來終覺淺，絕知此事要躬行！我們來看下，前面2個程式碼的分別執行時間

@Test
	public void test() {

		// 資料並行化處理
		// 學生集合
		Person kobe = new Person("kobe", 40, 1);
		Person jordan = new Person("jordan", 50, 1);
		Person mess = new Person("mess", 20, 2);
		List<Person> personList = Arrays.asList(kobe, jordan, mess);
		
		long beginTime = System.currentTimeMillis();
		
		// 原來的方式
        List<Person> oldBoys = new ArrayList<>(personList.size());
        for (Person p : personList) {
            // 性別男
            if (p.getSex() == 1) {
                oldBoys.add(p);
            }
        }
        long endTime = System.currentTimeMillis();
        log.info("原來的方式 take time:" + (endTime - beginTime));
        
        beginTime = System.currentTimeMillis();
		// 流方式：找出所有男同學
		List<Person> newBoys = personList.stream()
				.filter(p -> 1 == p.getSex())
				.collect(Collectors.toList());
		
		endTime = System.currentTimeMillis();
		log.info("流方式 take time:" + (endTime - beginTime));
		

        beginTime = System.currentTimeMillis();
		// 流方式：找出所有男同學
		List<Person> parallelBoys = personList.parallelStream()
				.filter(p -> 1 == p.getSex())
				.collect(Collectors.toList());
		
		endTime = System.currentTimeMillis();
		log.info("並行流方式 take time:" + (endTime - beginTime));
	}
 

咦，是不是很奇怪，原來的for迴圈方式最快？多執行幾次，發現結果也是這樣的，那真是這樣嗎，我們把資料量擴大試試

我靠，還是更慢，換個方法試試

@Test
	public void test() {

		// 學生集合
		List<Person> personList = new ArrayList<>(1000000);
		for (int i = 0, j = 1000000; i < j; i++) {
			int sex = i % 2;
			Person p = new Person(String.valueOf(i), i, sex);
			personList.add(p);
		}

		long beginTime2 = System.currentTimeMillis();
		// 流方式：年齡之和
		int parallelAges = personList.parallelStream().mapToInt(p -> p.getAge()).sum();

		long endTime2 = System.currentTimeMillis();
		log.info("並行流方式 take time:" + (endTime2 - beginTime2));
		log.info("parallelAges:" + parallelAges);

		long beginTime = System.currentTimeMillis();

		// 原來的方式
		int totalAge = 0;
		for (Person p : personList) {
			// 年齡之和
			totalAge = totalAge + p.getAge();
		}
		long endTime = System.currentTimeMillis();
		log.info("原來的方式 take time:" + (endTime - beginTime));
		log.info("totalAge:" + totalAge);

	}

看看結果，還是更慢。。。這倒很出我意外，崩潰了，

可能跟我機器有關吧。所以還是需要找地方驗證，如果哪位同學能解答一下，歡迎指教

這裡引用一下《java8函數語言程式設計》的結論

一些條件

輸入資料的大小。

理論上輸入的資料越大，操作越複雜，並行流的效果越好。因為拆分資料處理，最後合併結果都會帶來額外的開銷。我們可以通過修改前面的例子，personList的大小來觀察

可以看到，資料越大，並行效果越好。當然，真實專案中的處理遠比上面複雜，而超過1000w的資料，我本地機器就OOM了

資料結構

我們通常是操作集合。一般來說，越好分割的並行速度越快。比如ArrayList,陣列等支援隨機讀取的，效果較好。

HashSet,TreeSet,這類不容易公平的分解。而LinkedList,Stream.iterator等分解就比較困難的，效果是比較差的

裝箱

處理包裝類比基本型別花的時間多，肉眼可見

核的數量

當然，如果核的數量越多，獲得潛在並行提升速度的趕快。比如4核一般比雙核快，對吧