那么，Stream API的性能到底如何呢，代码整洁的背后是否意味着性能的损耗呢？本文我们对Stream API的性能一探究竟。
为保证测试结果真实可信，我们将JVM运行在 -server 模式下，测试数据在GB量级，测试机器采用常见的商用服务器，配置如下：
OSCentOS 6.7 x86_64CPUIntel Xeon X5675, 12M Cache 3.06 GHz, 6 Cores 12 Threads内存96GBJDKjava version 1.8.0_91, Java HotSpot(TM) 64-Bit Server VM
测试方法和测试数据
性能测试并不是容易的事，Java性能测试更费劲，因为虚拟机对性能的影响很大，JVM对性能的影响有两方面：
-XX:+UseConcMarkSweepGC -Xms10G -Xmx10G-XX:CompileThreshold=10000
Stream并行执行时用到 ForkJoinPool.commonPool() 得到的线程池，为控制并行度我们使用Linux的 taskset 命令指定JVM可用的核数。
测试数据由程序随机生成。为防止一次测试带来的抖动，测试4次求出平均时间作为运行时间。
实验一 基本类型迭代
测试内容：找出整型数组中的最小值。对比for循环外部迭代和Stream API内部迭代性能。
测试程序代码：
/**
* java -server -Xms10G -Xmx10G -XX:+PrintGCDetails
* -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/IntTest
* taskset -c 0-[0,1,3,7] java ...
* @author CarpenterLee
*/publicclassIntTest{publicstaticvoidmain(String[] args){newIntTest().doTest(); }publicvoiddoTest(){ warmUp();int[] lengths = {10000,100000,1000000,10000000,100000000,1000000000};for(intlength : lengths){ System.out.println(String.format("---array length: %d---", length));int[] arr =newint[length]; randomInt(arr);inttimes =4;intmin1 =1;intmin2 =2;intmin3 =3;longstartTime; startTime = System.nanoTime();for(inti=0; i
测试结果如下图：
图中展示的是for循环外部迭代耗时为基准的时间比值。分析如下：
对于基本类型Stream串行迭代的性能开销明显高于外部迭代开销（两倍）；
Stream并行迭代的性能比串行迭代和外部迭代都好。
并行迭代性能跟可利用的核数有关，上图中的并行迭代使用了全部12个核，为考察使用核数对性能的影响，我们专门测试了不同核数下的Stream并行迭代效果：
分析，对于基本类型：
使用Stream并行API在单核情况下性能很差，比Stream串行API的性能还差；
随着使用核数的增加，Stream并行效果逐渐变好，比使用for循环外部迭代的性能还好。
以上两个测试说明，对于基本类型的简单迭代，Stream串行迭代性能更差，但多核情况下Stream迭代时性能较好。
实验二 对象迭代
再来看对象的迭代效果。
测试内容：找出字符串列表中最小的元素（自然顺序），对比for循环外部迭代和Stream API内部迭代性能。
测试程序代码：
/**
* java -server -Xms10G -Xmx10G -XX:+PrintGCDetails
* -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/StringTest
* taskset -c 0-[0,1,3,7] java ...
* @author CarpenterLee
*/publicclass StringTest {publicstaticvoidmain(String[] args) {newStringTest().doTest(); }publicvoiddoTest(){ warmUp();int[] lengths = {10000,100000,1000000,10000000,20000000,40000000};for(intlength : lengths){ System.out.println(String.format("---List length: %d---", length)); ArrayList list = randomStringList(length);inttimes =4;Stringmin1 ="1";Stringmin2 ="2";Stringmin3 ="3";longstartTime; startTime = System.nanoTime();for(inti=0; i list = randomStringList(10);for(inti=0; i<20000; i++){ minStringForLoop(list); minStringStream(list); minStringParallelStream(list); } }privateStringminStringForLoop(ArrayList list){StringminStr =null;booleanfirst =true;for(Stringstr: list){if(first){ first =false; minStr =str; }if(minStr.compareTo(str)>0){ minStr =str; } }returnminStr; }privateStringminStringStream(ArrayList list){returnlist.stream().min(String::compareTo).get(); }privateStringminStringParallelStream(ArrayList list){returnlist.stream().parallel().min(String::compareTo).get(); }privateArrayList randomStringList(intlistLength){ ArrayList list =newArrayList<>(listLength); Random rand =newRandom();intstrLength =10; StringBuilder buf =newStringBuilder(strLength);for(inti=0; i
测试结果如下图：
结果分析如下：
对于对象类型Stream串行迭代的性能开销仍然高于外部迭代开销（1.5倍），但差距没有基本类型那么大。
Stream并行迭代的性能比串行迭代和外部迭代都好。
再来单独考察Stream并行迭代效果：
分析，对于对象类型：
使用Stream并行API在单核情况下性能比for循环外部迭代差；
随着使用核数的增加，Stream并行效果逐渐变好，多核带来的效果明显。
以上两个测试说明，对于对象类型的简单迭代，Stream串行迭代性能更差，但多核情况下Stream迭代时性能较好。
实验三 复杂对象归约
从实验一、二的结果来看，Stream串行执行的效果都比外部迭代差（很多），是不是说明Stream真的不行了？先别下结论，我们再来考察一下更复杂的操作。
测试内容：给定订单列表，统计每个用户的总交易额。对比使用外部迭代手动实现和Stream API之间的性能。
我们将订单简化为
测试程序代码：
/**
* java -server -Xms10G -Xmx10G -XX:+PrintGCDetails
* -XX:+UseConcMarkSweepGC -XX:CompileThreshold=1000 lee/ReductionTest
* taskset -c 0-[0,1,3,7] java ...
* @author CarpenterLee
*/publicclass ReductionTest {publicstaticvoidmain(String[] args) {newReductionTest().doTest(); }publicvoiddoTest(){ warmUp();int[] lengths = {10000,100000,1000000,10000000,20000000,40000000};for(intlength : lengths){ System.out.println(String.format("---orders length: %d---", length)); List orders = Order.genOrders(length);inttimes =4; Map map1 =null; Map map2 =null; Map map3 =null;longstartTime; startTime = System.nanoTime();for(inti=0; i orders = Order.genOrders(10);for(inti=0; i<20000; i++){ sumOrderForLoop(orders); sumOrderStream(orders); sumOrderParallelStream(orders); } }privateMap sumOrderForLoop(List orders){ Mapmap=newHashMap<>();for(Order od : orders){StringuserName = od.getUserName(); Double v;if((v=map.get(userName)) !=null){map.put(userName, v+od.getPrice()); }else{map.put(userName, od.getPrice()); } }returnmap; }privateMap sumOrderStream(List orders){returnorders.stream().collect( Collectors.groupingBy(Order::getUserName, Collectors.summingDouble(Order::getPrice))); }privateMap sumOrderParallelStream(List orders){returnorders.parallelStream().collect( Collectors.groupingBy(Order::getUserName, Collectors.summingDouble(Order::getPrice))); }}class Order{privateStringuserName;privatedoubleprice;privatelongtimestamp;publicOrder(StringuserName,doubleprice,longtimestamp) {this.userName = userName;this.price = price;this.timestamp = timestamp; }publicStringgetUserName() {returnuserName; }publicdoublegetPrice() {returnprice; }publiclonggetTimestamp() {returntimestamp; }publicstaticList genOrders(intlistLength){ ArrayList list =newArrayList<>(listLength); Random rand =newRandom();intusers = listLength/200;// 200 orders per userusers = users==0? listLength : users; ArrayList userNames =newArrayList<>(users);for(inti=0; i
测试结果如下图：
分析，对于复杂的归约操作：
Stream API的性能普遍好于外部手动迭代，并行Stream效果更佳；
再来考察并行度对并行效果的影响，测试结果如下：
分析，对于复杂的归约操作：
使用Stream并行归约在单核情况下性能比串行归约以及手动归约都要差，简单说就是最差的；
随着使用核数的增加，Stream并行效果逐渐变好，多核带来的效果明显。
以上两个实验说明，对于复杂的归约操作，Stream串行归约效果好于手动归约，在多核情况下，并行归约效果更佳。我们有理由相信，对于其他复杂的操作，Stream API也能表现出相似的性能表现。
结论
上述三个实验的结果可以总结如下：
对于简单操作，比如最简单的遍历，Stream串行API性能明显差于显示迭代，但并行的Stream API能够发挥多核特性。
对于复杂操作，Stream串行API性能可以和手动实现的效果匹敌，在并行执行时Stream API效果远超手动实现。
所以，如果出于性能考虑，1. 对于简单操作推荐使用外部迭代手动实现，2. 对于复杂操作，推荐使用Stream API， 3. 在多核情况下，推荐使用并行Stream API来发挥多核优势，4.单核情况下不建议使用并行Stream API。
如果出于代码简洁性考虑，使用Stream API能够写出更短的代码。即使是从性能方面说，尽可能的使用Stream API也另外一个优势，那就是只要Java Stream类库做了升级优化，代码不用做任何修改就能享受到升级带来的好处。