Java8 Stream性能如何及评测工具推荐

作为技术人员，学习新知识是基本功课。有些知识是不得不学，有些知识是学了之后如虎添翼，Java8的Stream就是兼具两者的知识。不学看不懂，学了写起代码来如虎添翼。

在上篇《Java8 Stream新特性详解及实战》中我们介绍了Java8 Stream的基本使用方法，尝试一下是不是感觉很爽？当只用一行代码就搞定最终结果时，是不是再也不想用for循环一遍遍去迭代了。

同时，你是否又看到类似《Java8 Lambda表达式和流操作如何让你的代码变慢5倍》这样的文章，那么今天就带大家通过编写测试程序来一探究竟，看看Stream的性能到底如何。同时，带大家认识一个非常不错的性能测试工具junitperf。

测试环境

先同步一下测试环境及工具信息：

• JDK版本：1.8.0_151。
  
• 电脑配置：MacBook Pro i7，16G内存。
  
• Java测试工具：junitperf及Junit。
  
• IDE：intellij IDEA。
  

在测试的过程中电脑中还开了其他很多应用，但基本上都没进行操作。

实验一：基本类型迭代

基本测试方案，先初始化一个int数组，5亿个随机数。然后从这个数组中找到最小的一个数。

采用三个单元测试方法来对照参考：

• testIntFor方法测试for循环执行时间；
  
• testIntStream方法测试串行Stream执行时间；
  
• testIntParallelStream方法测试并行Stream执行时间；
  

测试程序相关代码：

public class StreamTest {
  public static int[] arr;
  @BeforeAll  public static void init() {    arr = new int[500000000];    randomInt(arr);  }
  @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})  public void testIntFor() {    minIntFor(arr);  }
  @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})  public void testIntParallelStream() {    minIntParallelStream(arr);  }
  @JunitPerfConfig(duration = 10000, 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();    }  }}

基本操作流程：通过@BeforeAll注解的init方法对数组进行随机初始化，然后再统一执行上面三个方法。

在单元测试的方法上都有下面的注解：

@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})

该注释为junitperf提供的注解，其中duration为持续执行这段代码的时间，单位毫秒；warmUp预热时间，这里预热1秒；reporter输出报表格式，这里采用HTML展示，可以更直观看到效果。

好上面的一切都准备好了，剩下的就是统一执行单元测试。执行结果如下三个图。

针对基础类型（int）操作，结果分析：

• 串行Stream的执行的确不如for循环性能高，耗时大概是for循环的2倍。
  
• 并行Stream的执行性能要优于for循环，耗时大概是for循环的一半。
  
• 这里没有用不同核数的机器测试，但并行Stream随着服务器核数的增加，必然更快。
  

实验二：对象迭代

生成一个List列表，列表中随机生成1千万个字符串，然后分别通过不同的方式计算获得最小的字符串。基本操作与实验一相同，不再贴出代码，直接看测试的效果图。 针对对象（String）操作，结果分析：

• Stream的性能与for循环已经相差不大了，耗时大概是for循环的1.25倍左右。
  
• 并行Stream执行的性能要优于for循环，而且比基础类型的优势更高，耗时已经低于for循环的一半。
  
• 针对不同服务器核数，Stream效率同样会更加高。
  

实验三：复杂对象归约

生成一个List列表，列表里面存放着1百万个User对象。每个对象中都包含用户名和用户某次运动的距离，同一用户可在List里包含多条运动记录。现在通过不同的方式来统计用户的总共运动了多远距离。

基本测试思路一致，这里只贴出基于Stream的算法的代码，以便大家了解Stream的复杂对象归约如何使用。

// 串行写法users.stream().collect(        Collectors.groupingBy(User::getUserName,            Collectors.summingDouble(User::getMeters)));// 并行写法            users.parallelStream().collect(        Collectors.groupingBy(User::getUserName,            Collectors.summingDouble(User::getMeters)));

下面看测试结果的数据：

复杂对象归约操作，结果分析：

• 基于Stream的操作明显都高于for循环的效率，而且并行的效果更加明显。
  
• 同样，随着服务器核数的增加，并行Stream的效率会更高。
  

最后推荐一下这款用起来还不错的Java性能测试工具，GitHub地址：https://github.com/houbb/junitperf。 上面有详细的使用说明。唯一缺少的就是数据预初始化的示例，而本篇文章的示例中已经补上了这部分缺失。

小结

通过上面的几组实验对比，我们可以看到如下结论：

• 针对简单的操作，比如基础类型的遍历，使用for循环性能要明显高于串行Stream操作。但Stream的并行操作随着服务器的核数增加，会优于for循环。
  
• 针对复杂操作，串行Stream性能与for循环不差上下，但并行Stream的性能已经是无法匹敌了。
  
• 特别是针对一个集合进行多层过滤并归约操作，无论从写法上或性能上都要明显优于for循环。
  

用一句话来说就是：简单操作for循环即可，复杂操作首推Stream。

现在的Stream书写简单，性能不错，如果未来JDK针对其进行优化，便同时享受了便捷和性能，何乐而不为呢。