針對同一個集合，用 stream 操作兩次得到兩個不同條件篩選出來的集合和map，和一次for循環就搞定搞定的效率對比。

雖然stream寫起來鏈式操作很舒服，但效率在不同數據量下的體現效果是不一樣的，以下為我的測試代碼：

@Test

public void testStreamAndFor() {

List studentList = new ArrayList<>();

// 初始數據量

int listSize = 100000;

// 測試次數，以便求出平均運行時長

int testTimes = 5;

for (int i = 0; i < listSize; i++) {

Student student = new Student();

student.setId(i + 1);

student.setStudentName("name" + i);

student.setAge(i);

studentList.add(student);

}

BigDecimal streamTotalRunTime = new BigDecimal("0");

BigDecimal forTotalRunTime = new BigDecimal("0");

for (int i = 0; i < testTimes; i++) {

Instant streamStart = Instant.now();

Map idMapOfStream = studentList.stream()

.collect(Collectors.toMap(Student::getId, v -> v));

List studentAgeListOfStream = studentList.stream()

.map(Student::getAge)

.collect(Collectors.toList());

long streamRunTime = Duration.between(streamStart, Instant.now()).toMillis();

System.out.println("第" + (i + 1) + "次：" + "stream 耗時：" + streamRunTime);

Instant forStart = Instant.now();

int size = studentList.size();

Map idMapOfFor = new HashMap<>(size);

List ageListOfFor = new ArrayList<>();

for (Student student : studentList) {

idMapOfFor.put(student.getId(), student);

ageListOfFor.add(student.getAge());

}

long forRunTime = Duration.between(forStart, Instant.now()).toMillis();

System.out.println("第" + (i + 1) + "次：" + "for 耗時：" + forRunTime);

streamTotalRunTime = streamTotalRunTime.add(new BigDecimal(streamRunTime + ""));

forTotalRunTime = forTotalRunTime.add(new BigDecimal(forRunTime + ""));

}

System.out.println("list長度為：" + listSize + "， 總共測試次數：" + testTimes);

System.out.println("stream總運行時間(ms) ：" + streamTotalRunTime);

System.out.println("for總運行時間(ms) ：" + forTotalRunTime);

BigDecimal streamAverageRunTime = streamTotalRunTime.divide(new BigDecimal(testTimes + ""), 2, BigDecimal.ROUND_HALF_UP);

System.out.println("stream平均每次運行時間(ms) ：" + streamAverageRunTime);

BigDecimal forAverageRunTime = forTotalRunTime.divide(new BigDecimal(testTimes + ""), 2, BigDecimal.ROUND_HALF_UP);

System.out.println("for平均每次運行時間(ms) ：" + forAverageRunTime);

}

當數據量為10w，測試5次的結果輸出：

第1次：stream 耗時：81

第1次：for 耗時：13

第2次：stream 耗時：15

第2次：for 耗時：23

第3次：stream 耗時：7

第3次：for 耗時：11

第4次：stream 耗時：7

第4次：for 耗時：13

第5次：stream 耗時：9

第5次：for 耗時：6

list長度為：100000， 總共測試次數：5

stream總運行時間(ms) ：119

for總運行時間(ms) ：66

stream平均每次運行時間(ms) ：23.80

for平均每次運行時間(ms) ：13.20

當數據量為100w，測試5次的輸出結果：

第1次：stream 耗時：165

第1次：for 耗時：1296

第2次：stream 耗時：447

第2次：for 耗時：62

第3次：stream 耗時：363

第3次：for 耗時：359

第4次：stream 耗時：61

第4次：for 耗時：350

第5次：stream 耗時：389

第5次：for 耗時：43

list長度為：1000000， 總共測試次數：5

stream總運行時間(ms) ：1425

for總運行時間(ms) ：2110

stream平均每次運行時間(ms) ：285.00

for平均每次運行時間(ms) ：422.00

所有運行時長單位均為ms。綜上測試結果，當數據量少于百萬級別的，一次for循環來篩選數據效率更高，當數據量達到八萬級別，還是使用stream來操作更加具有效率。但是小弟還是有點不明白原因是為何，求高人指點一二

總結

以上是生活随笔為你收集整理的java 循环对比_Java stream 和 for 循环效率对比问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。