牛逼哄洪的 Java 8 Stream，性能如何？

野性酷女 2021-08-19 22:51 458阅读 0赞

点击上方 [Java后端][Java]，选择 设为星标

优质文章，及时送达

![format_png][]

Java8的Stream API可以极大提高Java程序员的生产力，让程序员写出高效率、干净、简洁的代码。

那么，Stream API的性能到底如何呢，代码整洁的背后是否意味着性能的损耗呢？本文对Stream API的性能一探究竟。

为保证测试结果真实可信，我们将JVM运行在 `-server`模式下，测试数据在GB量级，测试机器采用常见的商用服务器，配置如下：

<table> 
 <thead> 
  <tr> 
   <td>&nbsp; OS</td> 
   <td>CentOS 6.7 x86_64</td> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><p>CPU</p></td> 
   <td><p>Intel Xeon X5675, 12M Cache 3.06 GHz, 6 Cores 12 Threads</p></td> 
  </tr> 
  <tr> 
   <td><p>内存</p></td> 
   <td><p>96GB</p></td> 
  </tr> 
  <tr> 
   <td><p>JDK</p></td> 
   <td><p>java version 1.8.0_91, Java HotSpot(TM) 64-Bit Server VM</p></td> 
  </tr> 
 </tbody> 
</table>

测试所用代码在这里

https://github.com/CarpenterLee/JavaLambdaInternals/blob/master/perf/StreamBenchmark/src/lee

测试结果汇总

https://github.com/CarpenterLee/JavaLambdaInternals/blob/master/perf/Stream\_performance.xlsx

## 测试方法和测试数据 ##

性能测试并不是容易的事，Java性能测试更费劲，因为虚拟机对性能的影响很大，JVM对性能的影响有两方面：

1、GC的影响。GC的行为是Java中很不好控制的一块，为增加确定性，我们手动指定使用CMS收集器，并使用10GB固定大小的堆内存。集体到JVM参数就是 `-XX:+UseConcMarkSweepGC-Xms10G-Xmx10G`

2、JIT(Just-In-Time)即时编译技术。即时编译技术会将热点代码在JVM运行的过程中编译成本地代码，测试时我们会先对程序预热，触发对测试函数的即时编译。相关的JVM参数是 `-XX:CompileThreshold=10000`。

Stream并行执行时用到 `ForkJoinPool.commonPool()`得到的线程池，为控制并行度我们使用Linux的 `taskset`命令指定JVM可用的核数。

测试数据由程序随机生成。为防止一次测试带来的抖动，测试4次求出平均时间作为运行时间。

## 实验一 基本类型迭代 ##

测试内容：找出整型数组中的最小值。对比for循环外部迭代和Stream API内部迭代性能。

测试程序 IntTest

https://github.com/CarpenterLee/JavaLambdaInternals/blob/master/perf/StreamBenchmark/src/lee/IntTest.java

测试结果如下图：

![format_png 1][]

图中展示的是for循环外部迭代耗时为基准的时间比值。分析如下：

1、对于基本类型Stream串行迭代的性能开销明显高于外部迭代开销（两倍）；

2、Stream并行迭代的性能比串行迭代和外部迭代都好。

并行迭代性能跟可利用的核数有关，上图中的并行迭代使用了全部12个核，为考察使用核数对性能的影响，我们专门测试了不同核数下的Stream并行迭代效果：

![format_png 2][]

分析，对于基本类型：

1、使用Stream并行API在单核情况下性能很差，比Stream串行API的性能还差；

2、随着使用核数的增加，Stream并行效果逐渐变好，比使用for循环外部迭代的性能还好。

以上两个测试说明，对于基本类型的简单迭代，Stream串行迭代性能更差，但多核情况下Stream迭代时性能较好。

## 实验二 对象迭代 ##

再来看对象的迭代效果。

测试内容：找出字符串列表中最小的元素（自然顺序），对比for循环外部迭代和Stream API内部迭代性能。

测试程序StringTest

https://github.com/CarpenterLee/JavaLambdaInternals/blob/master/perf/StreamBenchmark/src/lee/StringTest.java

对 Stream 不熟悉的，可以关注微信公众号：Java技术栈，在后台回复：Java。

测试结果如下图：

![format_png 3][]

结果分析如下：

1、对于对象类型Stream串行迭代的性能开销仍然高于外部迭代开销（1.5倍），但差距没有基本类型那么大。

2、Stream并行迭代的性能比串行迭代和外部迭代都好。

再来单独考察Stream并行迭代效果：

![format_png 4][]

分析，对于对象类型：

1、使用Stream并行API在单核情况下性能比for循环外部迭代差；

2、随着使用核数的增加，Stream并行效果逐渐变好，多核带来的效果明显。

以上两个测试说明，对于对象类型的简单迭代，Stream串行迭代性能更差，但多核情况下Stream迭代时性能较好。

## 实验三 复杂对象归约 ##

从实验一、二的结果来看，Stream串行执行的效果都比外部迭代差（很多），是不是说明Stream真的不行了？先别下结论，我们再来考察一下更复杂的操作。

测试内容：给定订单列表，统计每个用户的总交易额。对比使用外部迭代手动实现和Stream API之间的性能。

我们将订单简化为 `<userName,price,timeStamp>`构成的元组，并用 `Order`对象来表示。测试程序ReductionTest

https://github.com/CarpenterLee/JavaLambdaInternals/blob/master/perf/StreamBenchmark/src/lee/ReductionTest.java

测试结果如下图：

![format_png 5][]

分析，对于复杂的归约操作：

1、Stream API的性能普遍好于外部手动迭代，并行Stream效果更佳；

再来考察并行度对并行效果的影响，测试结果如下：

![format_png 6][]

分析，对于复杂的归约操作：

1、使用Stream并行归约在单核情况下性能比串行归约以及手动归约都要差，简单说就是最差的；

2、随着使用核数的增加，Stream并行效果逐渐变好，多核带来的效果明显。

以上两个实验说明，对于复杂的归约操作，Stream串行归约效果好于手动归约，在多核情况下，并行归约效果更佳。我们有理由相信，对于其他复杂的操作，Stream API也能表现出相似的性能表现。

## 结论 ##

上述三个实验的结果可以总结如下：

1、对于简单操作，比如最简单的遍历，Stream串行API性能明显差于显示迭代，但并行的Stream API能够发挥多核特性。

2、对于复杂操作，Stream串行API性能可以和手动实现的效果匹敌，在并行执行时Stream API效果远超手动实现。

所以，如果出于性能考虑

1、对于简单操作推荐使用外部迭代手动实现

2、对于复杂操作，推荐使用Stream API

3、在多核情况下，推荐使用并行Stream API来发挥多核优势，

4、单核情况下不建议使用并行Stream API。

如果出于代码简洁性考虑，使用Stream API能够写出更短的代码。即使是从性能方面说，尽可能的使用Stream API也另外一个优势，那就是只要Java Stream类库做了升级优化，代码不用做任何修改就能享受到升级带来的好处。

作者：CarpenterLee

来源：https://dwz.cn/pSW0u0Qr

\-END-

如果看到这里，说明你喜欢这篇文章，请**转发****、点赞**。微信搜索「web\_resource」，关注后回复「进群」或者扫描下方二维码即可进入无广告交流群。

**↓扫描二维码进群↓**

![format_png 7][]

--------------------

**推****荐****阅****读 **

***1.*** [你们心心念念的 GitHub 客户端终于来了！][GitHub]

***2.***  [Redis 实现「附近的人」这个功能][Redis]

***3.*** [一个秒杀系统的设计思考][Link 1]

***4. ****** ***[零基础认识 Spring Boot][Spring Boot]

***5.***  [团队开发中 Git 最佳实践][Git]

![format_png 8][]

**喜****欢****文****章****，****点****个****在看 **![format_png 9][]

[Java]: https://blog.csdn.net/qq_37217713/article/details/101445094
[format_png]: /images/20210731/df07d333542e45e7bf509da9cd7105b3.png
[format_png 1]: /images/20210731/94bc0528aa7649d49292b41a0278a177.png
[format_png 2]: /images/20210731/a89ca661c1c54da0b95d0e273d0437ab.png
[format_png 3]: /images/20210731/d4e4da1db32843ff8228f25a33d06043.png
[format_png 4]: /images/20210731/d7cceda761b045699f537688269bb692.png
[format_png 5]: /images/20210731/c303ee709c36422fa56e25491a39a3c7.png
[format_png 6]: /images/20210731/a7d95a69ca474904a0b99aebd1966e43.png
[format_png 7]: /images/20210731/43ca1a46132c41c59986db6588b76911.png
[GitHub]: https://blog.csdn.net/qq_37217713/article/details/103105337
[Redis]: https://blog.csdn.net/qq_37217713/article/details/103094619
[Link 1]: https://blog.csdn.net/qq_37217713/article/details/103094620
[Spring Boot]: https://blog.csdn.net/qq_37217713/article/details/103094622
[Git]: https://blog.csdn.net/qq_37217713/article/details/102481709
[format_png 8]: /images/20210731/37127909a77c41bd8463aefeb94af4f0.png
[format_png 9]: /images/20210731/c6057193e62a4c9d84e84d0b86174ee4.png