Java 8 Stream的性能到底如何？

之前的文章中我们介绍了Java 8中Stream相关的API，我们提到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？本文我们对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：

OS CentOS 6.7 x86_64 CPU Intel Xeon X5675, 12M Cache 3.06 GHz, 6 Cores 12 Threads 内存 96GB JDK java version 1.8.0_91, Java HotSpot(TM) 64-Bit Server VM

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：

-XX:+UseConcMarkSweepGC -Xms10G -Xmx10G
-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。

测试程序代码：

/**
 * java -server -Xms10G -Xmx10G -XX:+PrintGCDetails 
 * -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/IntTest
 * taskset -c 0-[0,1,3,7] java ...
 * @author CarpenterLee
 */
public class IntTest {

    public static void main(String[] args) {
        new IntTest().doTest();
    }
    public void doTest(){
        warmUp();
        int[] lengths = {
                10000, 
                100000, 
                1000000, 
                10000000, 
                100000000, 
                1000000000
            };
        for(int length : lengths){
            System.out.println(String.format("---array length: %d---", length));
            int[] arr = new int[length];
            randomInt(arr);

            int times = 4;
            int min1 = 1;
            int min2 = 2;
            int min3 = 3;
            long startTime;

            startTime = System.nanoTime();
            for(int i=0; i<times; i++){
                min1 = minIntFor(arr);
            }
            TimeUtil.outTimeUs(startTime, "minIntFor time:", times);

            startTime = System.nanoTime();
            for(int i=0; i<times; i++){
                min2 = minIntStream(arr);
            }
            TimeUtil.outTimeUs(startTime, "minIntStream time:", times);

            startTime = System.nanoTime();
            for(int i=0; i<times; i++){
                min3 = minIntParallelStream(arr);
            }
            TimeUtil.outTimeUs(startTime, "minIntParallelStream time:", times);


            System.out.println(min1==min2 && min2==min3);
        }
    }
    private void warmUp(){
        int[] arr = new int[100];
        randomInt(arr);
        for(int i=0; i<20000; i++){
//          minIntFor(arr);
            minIntStream(arr);
            minIntParallelStream(arr);

        }
    }
    private int minIntFor(int[] arr){
        int min = Integer.MAX_VALUE;
        for(int i=0; i<arr.length; i++){
            if(arr[i]<min)
                min = arr[i];
        }
        return min;
    }
    private int minIntStream(int[] arr){
        return Arrays.stream(arr).min().getAsInt();
    }
    private int minIntParallelStream(int[] arr){
        return Arrays.stream(arr).parallel().min().getAsInt();
    }
    private void randomInt(int[] arr){
        Random r = new Random();
        for(int i=0; i<arr.length; i++){
            arr[i] = r.nextInt();
        }
    }
}

测试结果如下图：

73yiey6.png!web

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：

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）；
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：

MFBJ3mn.png!web

分析，对于基本类型：

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；
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。

测试程序代码：

/**
 * java -server -Xms10G -Xmx10G -XX:+PrintGCDetails 
 * -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/StringTest
 * taskset -c 0-[0,1,3,7] java ...
 * @author CarpenterLee
 */
public class StringTest {

    public static void main(String[] args) {
        new StringTest().doTest();
    }
    public void doTest(){
        warmUp();
        int[] lengths = {
                10000, 
                100000, 
                1000000, 
                10000000, 
                20000000, 
                40000000
            };
        for(int length : lengths){
            System.out.println(String.format("---List length: %d---", length));
            ArrayList<String> list = randomStringList(length);
            int times = 4;
            String min1 = "1";
            String min2 = "2";
            String min3 = "3";
            long startTime;

            startTime = System.nanoTime();
            for(int i=0; i<times; i++){
                min1 = minStringForLoop(list);
            }
            TimeUtil.outTimeUs(startTime, "minStringForLoop time:", times);

            startTime = System.nanoTime();
            for(int i=0; i<times; i++){
                min2 = minStringStream(list);
            }
            TimeUtil.outTimeUs(startTime, "minStringStream time:", times);

            startTime = System.nanoTime();
            for(int i=0; i<times; i++){
                min3 = minStringParallelStream(list);   
            }
            TimeUtil.outTimeUs(startTime, "minStringParallelStream time:", times);

            System.out.println(min1.equals(min2) && min2.equals(min3));
//          System.out.println(min1);
        }
    }
    private void warmUp(){
        ArrayList<String> list = randomStringList(10);
        for(int i=0; i<20000; i++){
            minStringForLoop(list);
            minStringStream(list);
            minStringParallelStream(list);

        }
    }
    private String minStringForLoop(ArrayList<String> list){
        String minStr = null;
        boolean first = true;
        for(String str : list){
            if(first){
                first = false;
                minStr = str;
            }
            if(minStr.compareTo(str)>0){
                minStr = str;
            }
        }
        return minStr;
    }
    private String minStringStream(ArrayList<String> list){
        return list.stream().min(String::compareTo).get();
    }
    private String minStringParallelStream(ArrayList<String> list){
        return list.stream().parallel().min(String::compareTo).get();
    }
    private 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;
    }
}

测试结果如下图：

UzyuAn2.png!web

结果分析如下：

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。
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：

qEZvquM.png!web

分析，对于对象类型：

使用Stream并行API在单核情况下性能比for循环外部迭代差；
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。

测试程序代码：

/**
 * java -server -Xms10G -Xmx10G -XX:+PrintGCDetails 
 * -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/ReductionTest
 * taskset -c 0-[0,1,3,7] java ...
 * @author CarpenterLee
 */
public class ReductionTest {

    public static void main(String[] args) {
        new ReductionTest().doTest();
    }
    public void doTest(){
        warmUp();
        int[] lengths = {
                10000, 
                100000, 
                1000000, 
                10000000, 
                20000000, 
                40000000
            };
        for(int length : lengths){
            System.out.println(String.format("---orders length: %d---", length));
            List<Order> orders = Order.genOrders(length);
            int times = 4;
            Map<String, Double> map1 = null;
            Map<String, Double> map2 = null;
            Map<String, Double> map3 = null;

            long startTime;

            startTime = System.nanoTime();
            for(int i=0; i<times; i++){
                map1 = sumOrderForLoop(orders);
            }
            TimeUtil.outTimeUs(startTime, "sumOrderForLoop time:", times);

            startTime = System.nanoTime();
            for(int i=0; i<times; i++){
                map2 = sumOrderStream(orders);
            }
            TimeUtil.outTimeUs(startTime, "sumOrderStream time:", times);

            startTime = System.nanoTime();
            for(int i=0; i<times; i++){
                map3 = sumOrderParallelStream(orders);  
            }
            TimeUtil.outTimeUs(startTime, "sumOrderParallelStream time:", times);

            System.out.println("users=" + map3.size());

        }
    }
    private void warmUp(){
        List<Order> orders = Order.genOrders(10);
        for(int i=0; i<20000; i++){
            sumOrderForLoop(orders);
            sumOrderStream(orders);
            sumOrderParallelStream(orders);

        }
    }
    private Map<String, Double> sumOrderForLoop(List<Order> orders){
        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());
            }
        }
        return map;
    }
    private Map<String, Double> sumOrderStream(List<Order> orders){
        return orders.stream().collect(
                Collectors.groupingBy(Order::getUserName, 
                        Collectors.summingDouble(Order::getPrice)));
    }
    private Map<String, Double> sumOrderParallelStream(List<Order> orders){
        return 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;
    }
}

测试结果如下图：

nyaqyeB.png!web

分析，对于复杂的归约操作：

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：

jEBjEjE.png!web

分析，对于复杂的归约操作：

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；
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：

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。
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。

测试方法和测试数据

实验一基本类型迭代

实验二对象迭代

实验三复杂对象归约

结论

Recommend

C# 7.2 – Let’s talk about readonly structs

前端面试题--HTML+CSS

Eclipse提交项目到GitHub以及解决代码冲突

GitHub - knownsec/pocsuite3: pocsuite3 is an open-sourced remote vulnerability t...

力度升级、羊毛党:口碑APP 春夏焕新大红包每日抽1.88元、13.8元、88元专享红包_促销...

预售、新品发售:CHEERS 芝华仕 D022 爱蒙独立弹簧乳胶床垫 18020030cm 1999元包邮...

当学生与家长角色互换后，就是这么屌

各位大神都用树莓派来干嘛了?

想自己做工作餐带到公司，有没有简易快速的食谱或方案？想学下做饭

如何评价网民对埃塞俄比亚空难遇难浙江万里学院女生的恶意评论以及媒体的恶意炒作？ -...

About Joyk

Java 8 Stream的性能到底如何？

测试方法和测试数据

实验一 基本类型迭代

实验二 对象迭代

实验三 复杂对象归约

结论

Recommend

About Joyk

实验一基本类型迭代

实验二对象迭代

实验三复杂对象归约