java理論基礎Stream性能論證測試示例
更新時間：2022年03月16日 11:57:31 作者：字母哥哥
這篇文章主要為大家介紹了java理論基礎Stream性能論證的測試示例解析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步
一、粉絲的反饋
問：stream比for循環(huán)慢5倍，用這個是為了啥？ 答：互聯(lián)網是一個新聞泛濫的時代，三人成虎，以假亂真的事情時候發(fā)生。作為一個技術開發(fā)者，要自己去動手去做，不要人云亦云。
的確，這位粉絲說的這篇文章我也看過，我就不貼地址了，也沒必要給他帶流量。怎么說呢？就是一個不懂得測試的、不入流開發(fā)工程師做的性能測試，給出了一個危言聳聽的結論。
二、所有性能測試結論都是片面的
性能測試是必要的，但針對性能測試的結果，永遠要持懷疑態(tài)度。為什么這么說？
- 性能測試脫離業(yè)務場景就是片面的性能測試。你能覆蓋所有的業(yè)務場景么？
- 性能測試脫離硬件環(huán)境就是片面的性能測試。你能覆蓋所有的硬件環(huán)境么？
- 性能測試脫離開發(fā)人員的知識面就是片面的性能測試。你能覆蓋各種開發(fā)人員奇奇怪怪的代碼么？
所以，我從來不相信網上的任何性能測試的文章。凡是我自己的從事的業(yè)務場景，我都要在接近生產環(huán)境的機器上自己測試一遍。 所有性能測試結論都是片面的，只有你生產環(huán)境下的運行結果才是真的。
三、動手測試Stream的性能
3.1.環(huán)境
windows10 、16G內存、i7-7700HQ 2.8HZ 、64位操作系統(tǒng)、JDK 1.8.0_171
3.2.測試用例與測試結論
我們在上一節(jié),已經講過：
- 針對不同的數(shù)據(jù)結構，Stream流的執(zhí)行效率是不一樣的
- 針對不同的數(shù)據(jù)源，Stream流的執(zhí)行效率也是不一樣的
所以記住筆者的話：所有性能測試結論都是片面的，你要自己動手做，相信你自己的代碼和你的環(huán)境下的測試！我的測試結果僅僅代表我自己的測試用例和測試數(shù)據(jù)結構！
3.2.1.測試用例一
測試用例：5億個int隨機數(shù)，求最小值 測試結論（測試代碼見后文）：
- 使用普通for循環(huán)，執(zhí)行效率是Stream串行流的2倍。也就是說普通for循環(huán)性能更好。
- Stream并行流計算是普通for循環(huán)執(zhí)行效率的4-5倍。
- Stream并行流計算 > 普通for循環(huán) > Stream串行流計算
3.2.2測試用例二
測試用例：長度為10的1000000隨機字符串，求最小值 測試結論（測試代碼見后文）：
- 普通for循環(huán)執(zhí)行效率與Stream串行流不相上下
- Stream并行流的執(zhí)行效率遠高于普通for循環(huán)
- Stream并行流計算 > 普通for循環(huán) = Stream串行流計算
3.2.3測試用例三
測試用例：10個用戶，每人200個訂單。按用戶統(tǒng)計訂單的總價。 測試結論（測試代碼見后文）：
- Stream并行流的執(zhí)行效率遠高于普通for循環(huán)
- Stream串行流的執(zhí)行效率大于等于普通for循環(huán)
- Stream并行流計算 > Stream串行流計算 >= 普通for循環(huán)
四、最終測試結論
對于簡單的數(shù)字(list-Int)遍歷，普通for循環(huán)效率的確比Stream串行流執(zhí)行效率高（1.5-2.5倍）。但是Stream流可以利用并行執(zhí)行的方式發(fā)揮CPU的多核優(yōu)勢,因此并行流計算執(zhí)行效率高于for循環(huán)。
對于list-Object類型的數(shù)據(jù)遍歷，普通for循環(huán)和Stream串行流比也沒有任何優(yōu)勢可言，更不用提Stream并行流計算。
雖然在不同的場景、不同的數(shù)據(jù)結構、不同的硬件環(huán)境下。Stream流與for循環(huán)性能測試結果差異較大，甚至發(fā)生逆轉。但是總體上而言：
- Stream并行流計算 >> 普通for循環(huán) ~= Stream串行流計算 (之所以用兩個大于號，你細品)
- 數(shù)據(jù)容量越大，Stream流的執(zhí)行效率越高。
- Stream并行流計算通常能夠比較好的利用CPU的多核優(yōu)勢。CPU核心越多，Stream并行流計算效率越高。
stream比for循環(huán)慢5倍？也許吧，單核CPU、串行Stream的int類型數(shù)據(jù)遍歷？我沒試過這種場景，但是我知道這不是應用系統(tǒng)的核心場景。看了十幾篇測試博文，和我的測試結果。我的結論是： 在大多數(shù)的核心業(yè)務場景下及常用數(shù)據(jù)結構下，Stream的執(zhí)行效率比for循環(huán)更高。 畢竟我們的業(yè)務中通常是實實在在的實體對象，沒事誰總對List<Int>類型進行遍歷？誰的生產服務器是單核？。
五、測試代碼
<dependency>
<groupId>com.github.houbb</groupId>
<artifactId>junitperf</artifactId>
<version>2.0.0</version>
</dependency>測試用例一：
import com.github.houbb.junitperf.core.annotation.JunitPerfConfig;
import com.github.houbb.junitperf.core.report.impl.HtmlReporter;
import org.junit.jupiter.api.BeforeAll;
import java.util.Arrays;
import java.util.Random;
public class StreamIntTest {
public static int[] arr;
@BeforeAll
public static void init() {
arr = new int[500000000]; //5億個隨機Int
randomInt(arr);
}
@JunitPerfConfig( warmUp = 1000, reporter = {HtmlReporter.class})
public void testIntFor() {
minIntFor(arr);
}
@JunitPerfConfig( warmUp = 1000, reporter = {HtmlReporter.class})
public void testIntParallelStream() {
minIntParallelStream(arr);
}
@JunitPerfConfig( warmUp = 1000, reporter = {HtmlReporter.class})
public void testIntStream() {
minIntStream(arr);
}
private int minIntStream(int[] arr) {
return Arrays.stream(arr).min().getAsInt();
}
private int minIntParallelStream(int[] arr) {
return Arrays.stream(arr).parallel().min().getAsInt();
}
private int minIntFor(int[] arr) {
int min = Integer.MAX_VALUE;
for (int anArr : arr) {
if (anArr < min) {
min = anArr;
}
}
return min;
}
private static void randomInt(int[] arr) {
Random r = new Random();
for (int i = 0; i < arr.length; i++) {
arr[i] = r.nextInt();
}
}
}測試用例二：
import com.github.houbb.junitperf.core.annotation.JunitPerfConfig;
import com.github.houbb.junitperf.core.report.impl.HtmlReporter;
import org.junit.jupiter.api.BeforeAll;
import java.util.ArrayList;
import java.util.Random;
public class StreamStringTest {
public static ArrayList<String> list;
@BeforeAll
public static void init() {
list = randomStringList(1000000);
}
@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
public void testMinStringForLoop(){
String minStr = null;
boolean first = true;
for(String str : list){
if(first){
first = false;
minStr = str;
}
if(minStr.compareTo(str)>0){
minStr = str;
}
}
}
@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
public void textMinStringStream(){
list.stream().min(String::compareTo).get();
}
@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
public void testMinStringParallelStream(){
list.stream().parallel().min(String::compareTo).get();
}
private static ArrayList<String> randomStringList(int listLength){
ArrayList<String> list = new ArrayList<>(listLength);
Random rand = new Random();
int strLength = 10;
StringBuilder buf = new StringBuilder(strLength);
for(int i=0; i<listLength; i++){
buf.delete(0, buf.length());
for(int j=0; j<strLength; j++){
buf.append((char)('a'+ rand.nextInt(26)));
}
list.add(buf.toString());
}
return list;
}
}測試用例三：
import com.github.houbb.junitperf.core.annotation.JunitPerfConfig;
import com.github.houbb.junitperf.core.report.impl.HtmlReporter;
import org.junit.jupiter.api.BeforeAll;
import java.util.*;
import java.util.stream.Collectors;
public class StreamObjectTest {
public static List<Order> orders;
@BeforeAll
public static void init() {
orders = Order.genOrders(10);
}
@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
public void testSumOrderForLoop(){
Map<String, Double> map = new HashMap<>();
for(Order od : orders){
String userName = od.getUserName();
Double v;
if((v=map.get(userName)) != null){
map.put(userName, v+od.getPrice());
}else{
map.put(userName, od.getPrice());
}
}
}
@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
public void testSumOrderStream(){
orders.stream().collect(
Collectors.groupingBy(Order::getUserName,
Collectors.summingDouble(Order::getPrice)));
}
@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
public void testSumOrderParallelStream(){
orders.parallelStream().collect(
Collectors.groupingBy(Order::getUserName,
Collectors.summingDouble(Order::getPrice)));
}
}
class Order{
private String userName;
private double price;
private long timestamp;
public Order(String userName, double price, long timestamp) {
this.userName = userName;
this.price = price;
this.timestamp = timestamp;
}
public String getUserName() {
return userName;
}
public double getPrice() {
return price;
}
public long getTimestamp() {
return timestamp;
}
public static List<Order> genOrders(int listLength){
ArrayList<Order> list = new ArrayList<>(listLength);
Random rand = new Random();
int users = listLength/200;// 200 orders per user
users = users==0 ? listLength : users;
ArrayList<String> userNames = new ArrayList<>(users);
for(int i=0; i<users; i++){
userNames.add(UUID.randomUUID().toString());
}
for(int i=0; i<listLength; i++){
double price = rand.nextInt(1000);
String userName = userNames.get(rand.nextInt(users));
list.add(new Order(userName, price, System.nanoTime()));
}
return list;
}
@Override
public String toString(){
return userName + "::" + price;
}
}以上就是java理論基礎Stream性能論證測試示例的詳細內容，更多關于java Stream性能測試的資料請關注腳本之家其它相關文章！
相關文章
解決Maven本地倉庫明明有對應的jar包但還是報找不到的問題
這篇文章主要介紹了解決Maven本地倉庫明明有對應的jar包但還是報找不到的問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-10-10
Guava在實際的Java后端項目中應用的場景還是比較多的，比如限流，緩存，容器操作之類的，本文主要介紹了GuavaCache返回Null的注意事項，感興趣的可以了解一下2021-10-10
解決BeanUtils.copyProperties不支持復制集合的問題
這篇文章主要介紹了解決BeanUtils.copyProperties不支持復制集合的問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-06-06
Jasypt (Java Simplified Encryption) 是一個簡化 Java 應用中加密工作的庫,它支持加密和解密操作,易于與 Spring Boot 集成,通過 Jasypt,可以安全地管理敏感信息,比如數(shù)據(jù)庫密碼、API 密鑰等,本文介紹了Java使用Jasypt進行加密和解密的技術指南,需要的朋友可以參考下2025-03-03
這篇文章主要介紹了Java項目中如何訪問WEB-INF下jsp頁面，文章通過示例代碼和圖文解析介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-08-08
mybatis-plus?實現(xiàn)查詢表名動態(tài)修改的示例代碼
通過MyBatis-Plus實現(xiàn)表名的動態(tài)替換,根據(jù)配置或入?yún)⑦x擇不同的表,本文主要介紹了mybatis-plus?實現(xiàn)查詢表名動態(tài)修改的示例代碼,具有一定的參考價值,感興趣的可以了解一下2025-03-03
SpringBoot3讀取配置文件application.properties屬性值的幾種方式
這篇文章主要介紹了SpringBoot3讀取配置文件application.properties屬性值的幾種方式,文中通過代碼示例給大家講解的非常詳細,對大家的學習或工作有一定的幫助,需要的朋友可以參考下2024-11-11
這篇文章主要介紹了sharding-jdbc讀寫分離原理詳細解析,很多時候,為了應付DB的高并發(fā)讀寫,我們會采用讀寫分離技術,讀寫分離指的是利用數(shù)據(jù)庫主從技術(把數(shù)據(jù)復制到多個節(jié)點中),分散讀多個庫以支持高并發(fā)的讀,需要的朋友可以參考下2023-12-12
這篇文章主要介紹了攔截JSP頁面，校驗是否已登錄詳解及實現(xiàn)代碼的相關資料,需要的朋友可以參考下2016-11-11
access日志記錄了每一個HTTP請求的信息,包括請求的來源、請求的資源、響應狀態(tài)碼等,常常用來做數(shù)據(jù)統(tǒng)計、性能監(jiān)控,比如通過分析訪問日志,可以發(fā)現(xiàn)性能瓶頸和優(yōu)化機會,提升應用的響應速度等,這篇文章主要介紹了SpringBoot配置tomcat access日志,需要的朋友可以參考下2024-05-05