java理論基礎Stream效能論證測試範例

2022-03-16 16:00:24

一、粉絲的反饋

問：stream比for迴圈慢5倍，用這個是為了啥？答：網際網路是一個新聞氾濫的時代，三人成虎，以假亂真的事情時候發生。作為一個技術開發者，要自己去動手去做，不要人云亦云。

的確，這位粉絲說的這篇文章我也看過，我就不貼地址了，也沒必要給他帶流量。怎麼說呢？就是一個不懂得測試的、不入流開發工程師做的效能測試，給出了一個危言聳聽的結論。

二、所有效能測試結論都是片面的

效能測試是必要的，但針對效能測試的結果，永遠要持懷疑態度。為什麼這麼說？

效能測試脫離業務場景就是片面的效能測試。你能覆蓋所有的業務場景麼？
效能測試脫離硬體環境就是片面的效能測試。你能覆蓋所有的硬體環境麼？
效能測試脫離開發人員的知識面就是片面的效能測試。你能覆蓋各種開發人員奇奇怪怪的程式碼麼？

所以，我從來不相信網上的任何效能測試的文章。凡是我自己的從事的業務場景，我都要在接近生產環境的機器上自己測試一遍。所有效能測試結論都是片面的，只有你生產環境下的執行結果才是真的。

三、動手測試Stream的效能

3.1.環境

windows10 、16G記憶體、i7-7700HQ 2.8HZ 、64位元作業系統、JDK 1.8.0_171

3.2.測試用例與測試結論

我們在上一節,已經講過：

針對不同的資料結構，Stream流的執行效率是不一樣的
針對不同的資料來源，Stream流的執行效率也是不一樣的

所以記住筆者的話：所有效能測試結論都是片面的，你要自己動手做，相信你自己的程式碼和你的環境下的測試！我的測試結果僅僅代表我自己的測試用例和測試資料結構！

3.2.1.測試用例一

測試用例：5億個int亂數，求最小值測試結論（測試程式碼見後文）：

使用普通for迴圈，執行效率是Stream序列流的2倍。也就是說普通for迴圈效能更好。
Stream並行流計算是普通for迴圈執行效率的4-5倍。
Stream並行流計算 > 普通for迴圈 > Stream序列流計算

3.2.2測試用例二

測試用例：長度為10的1000000隨機字串，求最小值測試結論（測試程式碼見後文）：

普通for迴圈執行效率與Stream序列流不相上下
Stream並行流的執行效率遠高於普通for迴圈
Stream並行流計算 > 普通for迴圈 = Stream序列流計算

3.2.3測試用例三

測試用例：10個使用者，每人200個訂單。按使用者統計訂單的總價。測試結論（測試程式碼見後文）：

Stream並行流的執行效率遠高於普通for迴圈
Stream序列流的執行效率大於等於普通for迴圈
Stream並行流計算 > Stream序列流計算 >= 普通for迴圈

四、最終測試結論

對於簡單的數位(list-Int)遍歷，普通for迴圈效率的確比Stream序列流執行效率高（1.5-2.5倍）。但是Stream流可以利用並行執行的方式發揮CPU的多核優勢,因此並行流計算執行效率高於for迴圈。

對於list-Object型別的資料遍歷，普通for迴圈和Stream序列流比也沒有任何優勢可言，更不用提Stream並行流計算。

雖然在不同的場景、不同的資料結構、不同的硬體環境下。Stream流與for迴圈效能測試結果差異較大，甚至發生逆轉。但是總體上而言：

Stream並行流計算 >> 普通for迴圈 ~= Stream序列流計算 (之所以用兩個大於號，你細品)
資料容量越大，Stream流的執行效率越高。
Stream並行流計算通常能夠比較好的利用CPU的多核優勢。CPU核心越多，Stream並行流計算效率越高。

stream比for迴圈慢5倍？也許吧，單核CPU、序列Stream的int型別資料遍歷？我沒試過這種場景，但是我知道這不是應用系統的核心場景。看了十幾篇測試博文，和我的測試結果。我的結論是：在大多數的核心業務場景下及常用資料結構下，Stream的執行效率比for迴圈更高。畢竟我們的業務中通常是實實在在的實體物件，沒事誰總對List<Int>型別進行遍歷？誰的生產伺服器是單核？。

五、測試程式碼

<dependency>
    <groupId>com.github.houbb</groupId>
    <artifactId>junitperf</artifactId>
    <version>2.0.0</version>
</dependency>

測試用例一：

import com.github.houbb.junitperf.core.annotation.JunitPerfConfig;
import com.github.houbb.junitperf.core.report.impl.HtmlReporter;
import org.junit.jupiter.api.BeforeAll;
import java.util.Arrays;
import java.util.Random;
public class StreamIntTest {
    public static int[] arr;
    @BeforeAll
    public static void init() {
        arr = new int[500000000];  //5億個隨機Int
        randomInt(arr);
    }
    @JunitPerfConfig( warmUp = 1000, reporter = {HtmlReporter.class})
    public void testIntFor() {
        minIntFor(arr);
    }
    @JunitPerfConfig( warmUp = 1000, reporter = {HtmlReporter.class})
    public void testIntParallelStream() {
        minIntParallelStream(arr);
    }
    @JunitPerfConfig( 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();
        }
    }
}

測試用例二：

import com.github.houbb.junitperf.core.annotation.JunitPerfConfig;
import com.github.houbb.junitperf.core.report.impl.HtmlReporter;
import org.junit.jupiter.api.BeforeAll;
import java.util.ArrayList;
import java.util.Random;
public class StreamStringTest {
    public static ArrayList<String> list;
    @BeforeAll
    public static void init() {
        list = randomStringList(1000000);
    }
    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testMinStringForLoop(){
        String minStr = null;
        boolean first = true;
        for(String str : list){
            if(first){
                first = false;
                minStr = str;
            }
            if(minStr.compareTo(str)>0){
                minStr = str;
            }
        }
    }
    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void textMinStringStream(){
        list.stream().min(String::compareTo).get();
    }
    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testMinStringParallelStream(){
        list.stream().parallel().min(String::compareTo).get();
    }
    private static 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;
    }
}

測試用例三：

import com.github.houbb.junitperf.core.annotation.JunitPerfConfig;
import com.github.houbb.junitperf.core.report.impl.HtmlReporter;
import org.junit.jupiter.api.BeforeAll;
import java.util.*;
import java.util.stream.Collectors;
public class StreamObjectTest {
    public static List<Order> orders;
    @BeforeAll
    public static void init() {
        orders = Order.genOrders(10);
    }
    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testSumOrderForLoop(){
        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());
            }
        }
    }
    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testSumOrderStream(){
        orders.stream().collect(
                Collectors.groupingBy(Order::getUserName, 
                        Collectors.summingDouble(Order::getPrice)));
    }
    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testSumOrderParallelStream(){
        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;
    }
}

以上就是java理論基礎Stream效能論證測試範例的詳細內容，更多關於java Stream效能測試的資料請關注it145.com其它相關文章！