java8的6個問題-java開發(fā)java經(jīng)驗技巧

《java8的6個問題-java開發(fā)java經(jīng)驗技巧》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、Java8的6個問題-編程開發(fā)技術(shù)Java8的6個問題木文由ImportNew■光光頭去打驚油翻譯自Jaxentero歡迎加入翻譯小組。轉(zhuǎn)載:請見文末要求。1.?并行Streams實際上可能會降低你的性能Java8帶來了最讓人期待的新特性Z-并行。parallelstream()?方法在集合和流上實現(xiàn)了并行。它將它們分解成子問題，然后分配給不同的線程進(jìn)行處理，這些任務(wù)可以分給不同的CPU核心處理，完成后再合并到一起。實現(xiàn)原理主要是使用了fork/join框架。好吧，聽起來很酷對吧！那一定可以在多核環(huán)境下使得操作大數(shù)據(jù)集合速度加快咯，

2、對嗎？不，如果使用不正確的話實際上會使得你的代碼運行的更慢。我們進(jìn)行了一些基準(zhǔn)測試，發(fā)現(xiàn)要慢15%,甚至可能更糟糕。假設(shè)我們已經(jīng)運行了多個線程，然后使用.paralleiStream()?來壇加更多的線程到線程池中，這很容易就超過多核心CPU處理的上限，從而增加了上下文切換次數(shù)，使得整體都變慢了?；鶞?zhǔn)測試將一個集合分成不同的組(主要/非主要的):Map>groupByPrimary二numbers.parallelStreamO.collect(Collectors,groupingBy(

3、s->Utility.isPrime(s)));使得性能降低也冇可能是其他的原因。假如我們分成多個任務(wù)來處理，其屮一個任務(wù)可能因為某些原因使得處理時間比其他的任務(wù)長很多o.parallelStreamO?將任務(wù)分解處理，可能要比作為一個完整的任務(wù)處理要慢。來看看這篇文章，LukasKrecan給出的一些例了和代碼。提醒：并行帶來了很多好處，但是同樣也會冇一些其他的問題需要考慮到。當(dāng)你已經(jīng)在多線程環(huán)境中運行了，記住這點，口己要熟悉背后的運行機制。2.?Lambda表達(dá)式的缺點lambda表達(dá)式。哦‘lambda表達(dá)式。沒有l(wèi)ambda

4、表達(dá)式我們也能做到幾乎一切事悄，但是lambda是那么的優(yōu)雅，擺脫了煩人的代碼，所以很容易就愛上Imbda。比如說早上起來我想遍歷世界杯的球員名單并且知道具體的人數(shù)(有趣的事實：加起來有254個)。Listlengths=newArrayList();for(Stringcountries:Arrays?asList(args)){lengths,add(check(countr)0);}現(xiàn)在我們用一個漂亮的lambda表達(dá)式來實現(xiàn)同樣的功能：Streamlcngths=countries?strc3ni()?map(countri

5、es-

6、daMain.check(LmbdaMain.java:19)atLmbdaMain.ni3in(LmbdaMain.java:34)變成這樣：atLmbdaMain.check(LmbdaMain.java:19)atLmbdaMain.lambda$0(LmbdaMain.java:37)atLmbdaMain$$Lambda$l/821270929.apply(UnknownSource)atjava.util,stream.ReferencePipeline$3$l.accept(ReferencePipeline.java

7、:193)atjava.util.Spliterators$ArraySpliterator?forEachReniQining(Spliterators?java:948)java.uti1.stream.AbstractPipeline.copyInto(AbstractPipeline.java:512)atjava.util,stream.AbstractPipeline.wrapAndCopyInto(AbstractPipeline.java:502)atjava.uti1.stream.ReduceOps$Reduce

8、Op.evaluateSequential(ReduceOps.java:708)atjava?uti1.stream?AbstractPipclinc.cvqIuqtc(AbstractPipclinc.jav3：234)atjav