Stream 是Java SE 8類庫中新增的關鍵抽象，它被定義于 java.util.stream （這個包里有若干流類型：Stream<T>?代表對象引用流，此外還有一系列特化流，如 IntStream，LongStream，DoubleStream等。

Java 8 引入的的Stream主要用于取代部分Collection的操作，每個流代表一個值序列，流提供一系列常用的聚集操作，可以便捷的在它上面進行各種運算。集合類庫也提供了便捷的方式使我們可以以操作流的方式使用集合、數組以及其它數據結構；

stream 的操作種類

①中間操作

• 當數據源中的數據上了流水線后，這個過程對數據進行的所有操作都稱為“中間操作”；

• 中間操作仍然會返回一個流對象，因此多個中間操作可以串連起來形成一個流水線；

• stream 提供了多種類型的中間操作，如 filter、distinct、map、sorted 等等；

②終端操作

• 當所有的中間操作完成后，若要將數據從流水線上拿下來，則需要執行終端操作；

• stream 對于終端操作，可以直接提供一個中間操作的結果，或者將結果轉換為特定的 collection、array、String 等；

stream 的特點

①只能遍歷一次：

數據流的從一頭獲取數據源，在流水線上依次對元素進行操作，當元素通過流水線，便無法再對其進行操作，可以重新在數據源獲取一個新的數據流進行操作；

②采用內部迭代的方式：

對Collection進行處理，一般會使用 Iterator 遍歷器的遍歷方式，這是一種外部迭代；

而對于處理Stream，只要申明處理方式，處理過程由流對象自行完成，這是一種內部迭代，對于大量數據的迭代處理中，內部迭代比外部迭代要更加高效；

stream 相對于 Collection 的優點

• 無存儲：?流并不存儲值；流的元素源自數據源（可能是某個數據結構、生成函數或I/O通道等等），通過一系列計算步驟得到；

• 函數式風格：?對流的操作會產生一個結果，但流的數據源不會被修改；

• 惰性求值：?多數流操作（包括過濾、映射、排序以及去重）都可以以惰性方式實現。這使得我們可以用一遍遍歷完成整個流水線操作，并可以用短路操作提供更高效的實現；

• 無需上界：?不少問題都可以被表達為無限流（infinite stream）：用戶不停地讀取流直到滿意的結果出現為止（比如說，枚舉 完美數 這個操作可以被表達為在所有整數上進行過濾）；集合是有限的，但流可以表達為無線流；

• 代碼簡練：?對于一些collection的迭代處理操作，使用 stream 編寫可以十分簡潔，如果使用傳統的 collection 迭代操作，代碼可能十分啰嗦，可讀性也會比較糟糕；

stream 和 iterator 迭代的效率比較

好了，上面 stream 的優點吹了那么多，stream 函數式的寫法是很舒服，那么 steam 的效率到底怎樣呢？

先說結論：

• 傳統 iterator (for-loop) 比 stream(JDK8) 迭代性能要高，尤其在小數據量的情況下；

- 在多核情景下，對于大數據量的處理，parallel stream 可以有比 iterator 更高的迭代處理效率；

我分別對一個隨機數列 List （數量從 10 到 10000000）進行映射、過濾、排序、規約統計、字符串轉化場景下，對使用 stream 和 iterator 實現的運行效率進行了統計，測試代碼 基準測試代碼鏈接。

測試環境如下：

System：Ubuntu 16.04 xenialCPU：Intel Core i7-8550URAM：16GBJDK version：1.8.0_151JVM：HotSpot(TM) 64-Bit Server VM (build 25.151-b12, mixed mode)JVM?Settings:-Xms1024m-Xmx6144m-XX:MaxMetaspaceSize=512m-XX:ReservedCodeCacheSize=1024m-XX:+UseConcMarkSweepGC-XX:SoftRefLRUPolicyMSPerMB=100

1. 映射處理測試

把一個隨機數列（List<Integer>）中的每一個元素自增1后，重新組裝為一個新的?List<Integer>，測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

//stream List<Integer>?result?=?list.stream() .mapToInt(x?->?x) .map(x?->?++x) .boxed() .collect(Collectors.toCollection(ArrayList::new)); //iterator List<Integer>?result?=?new?ArrayList<>(); for(Integer?e?:?list){result.add(++e); } //parallel?stream List<Integer>?result?=?list.parallelStream() .mapToInt(x?->?x) .map(x?->?++x) .boxed() .collect(Collectors.toCollection(ArrayList::new));

2. 過濾處理測試

取出一個隨機數列（List<Integer>）中的大于 200 的元素，并組裝為一個新的?List<Integer>，測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

搜索公眾號GitHub猿后臺回復“理財”，獲取一份驚喜禮包。

//stream List<Integer>?result?=?list.stream() .mapToInt(x?->?x) .filter(x?->?x?>?200) .boxed() .collect(Collectors.toCollection(ArrayList::new)); //iterator List<Integer>?result?=?new?ArrayList<>(list.size()); for(Integer?e?:?list){if(e?>?200){result.add(e);} } //parallel?stream List<Integer>?result?=?list.parallelStream() .mapToInt(x?->?x) .filter(x?->?x?>?200) .boxed() .collect(Collectors.toCollection(ArrayList::new));

3. 自然排序測試

對一個隨機數列（List<Integer>）進行自然排序，并組裝為一個新的?List<Integer>，iterator 使用的是 Collections # sort API（使用歸并排序算法實現），測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

//stream List<Integer>?result?=?list.stream() .mapToInt(x->x) .sorted() .boxed() .collect(Collectors.toCollection(ArrayList::new)); //iterator List<Integer>?result?=?new?ArrayList<>(list); Collections.sort(result); //parallel?stream List<Integer>?result?=?list.parallelStream() .mapToInt(x->x) .sorted() .boxed() .collect(Collectors.toCollection(ArrayList::new));

4. 歸約統計測試

獲取一個隨機數列（List<Integer>）的最大值，測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

//stream int?max?=?list.stream() .mapToInt(x?->?x) .max() .getAsInt(); //iterator int?max?=?-1; for(Integer?e?:?list){if(e?>?max){max?=?e;} } //parallel?stream int?max?=?list.parallelStream() .mapToInt(x?->?x) .max() .getAsInt();

5. 字符串拼接測試

獲取一個隨機數列（List<Integer>）各個元素使用“,”分隔的字符串，測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

//stream String?result?=?list.stream().map(String::valueOf).collect(Collectors.joining(",")); //iterator StringBuilder?builder?=?new?StringBuilder(); for(Integer?e?:?list){builder.append(e).append(","); } String?result?=?builder.length()?==?0???""?:?builder.substring(0,builder.length()?-?1); //parallel?stream String?result?=?list.stream().map(String::valueOf).collect(Collectors.joining(","));

6. 混合操作測試

對一個隨機數列（List<Integer>）進行去空值，除重，映射，過濾，并組裝為一個新的?List<Integer>，測試的隨機數列容量從 10 - 10000000，跑10次取平均時間；

//stream List<Integer>?result?=?list.stream() .filter(Objects::nonNull) .mapToInt(x?->?x?+?1) .filter(x?->?x?>?200) .distinct() .boxed() .collect(Collectors.toCollection(ArrayList::new)); //iterator HashSet<Integer>?set??=?new?HashSet<>(list.size()); for(Integer?e?:?list){if(e?!=?null?&&?e?>?200){set.add(e?+?1);} } List<Integer>?result?=?new?ArrayList<>(set); //parallel?stream List<Integer>?result?=?list.parallelStream() .filter(Objects::nonNull) .mapToInt(x?->?x?+?1) .filter(x?->?x?>?200) .distinct() .boxed() .collect(Collectors.toCollection(ArrayList::new));

實驗結果總結

從以上的實驗來看，可以總結處以下幾點：

• 在少低數據量的處理場景中（size<=1000），stream 的處理效率是不如傳統的 iterator 外部迭代器處理速度快的，但是實際上這些處理任務本身運行時間都低于毫秒，這點效率的差距對普通業務幾乎沒有影響，反而 stream 可以使得代碼更加簡潔；

• 在大數據量（szie>10000）時，stream 的處理效率會高于 iterator，特別是使用了并行流，在cpu恰好將線程分配到多個核心的條件下（當然parallel stream 底層使用的是 JVM 的 ForkJoinPool，這東西分配線程本身就很玄學），可以達到一個很高的運行效率，然而實際普通業務一般不會有需要迭代高于10000次的計算；

• Parallel Stream 受引 CPU 環境影響很大，當沒分配到多個cpu核心時，加上引用 forkJoinPool 的開銷，運行效率可能還不如普通的 Stream；

使用 Stream 的建議

• 簡單的迭代邏輯，可以直接使用 iterator，對于有多步處理的迭代邏輯，可以使用 stream，損失一點幾乎沒有的效率，換來代碼的高可讀性是值得的；

• 單核 cpu 環境，不推薦使用 parallel stream，在多核 cpu 且有大數據量的條件下，推薦使用 paralle stream；

• stream 中含有裝箱類型，在進行中間操作之前，最好轉成對應的數值流，減少由于頻繁的拆箱、裝箱造成的性能損失；

IT技術分享社區

個人博客網站：https://programmerblog.xyz

文章推薦程序員效率：畫流程圖常用的工具程序員效率：整理常用的在線筆記軟件遠程辦公：常用的遠程協助軟件，你都知道嗎？51單片機程序下載、ISP及串口基礎知識硬件：斷路器、接觸器、繼電器基礎知識

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的后端技术：JDK 8 Stream 数据流效率测试的全部內容，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。