阿里二面：java8的stream api是迭代一次还是迭代多次

面试官：java8新增的stream api用过吗？
我：这个必须用过啊。

面试官：给你下面一个字符串数组,如果用stream api来实现，找出以字符'a'开头长度最大的字符串，使用stream api该怎么实现呢？

{"abb","abcd","fegc","efe","adfes"}

我：用下面这个方法来实现：

public static void maxLength(List list){
    System.out.println(list.stream().filter(s -> s.startsWith("a")).mapToInt(r -> length(r)).max().orElse(0));;
}

面试官：这个操作是迭代一次还是迭代两次呢？也就是说是先迭代一遍，过滤出以字符'a'开头的字符串数组，然后再迭代一次，找出最大长度，还是一次迭代完成呢？
我:这个是迭代一次完成，如果要是迭代多次，stream后面的操作函数很多的情况下效率会非常低。我们加个打印可以来验证结果，代码如下：

public static void main(String[] args) {
    List list = Arrays.asList("abb", "abcd", "fegc", "efe", "adfes");
    int maxLength = list.stream().
          filter(s -> isStartWitha(s)).
    mapToInt(StreamTest1::length).
    max().orElse(0);
    System.out.println("以字符a开头的字符串最大长度:" + maxLength);
}

private static boolean isStartWitha(String a){
    System.out.println(a + " is start with a：" + a.startsWith("a"));
    return a.startsWith("a");
}

private static int length(String a){
    System.out.println("the length of" + a + ":" + a.length());
    return a.length();
}

打印结果如下：

abb is start with a：true
the length of abb:3
abcd is start with a：true
the length of abcd:4
fegc is start with a：false
efe is start with a：false
adfes is start with a：true
the length of adfes:5
以字符a开头的字符串最大长度:5

面试官：你确定只是迭代一次吗？有其他情况吗？
我：有。filter是一个无状态的中间操作，对于这个中间操作来说，stream处理只需要迭代一次。但是对于有状态的中间操作，就需要迭代多次。

面试官：你刚刚提到有状态的操作和无状态的操作，这个是怎么区分呢?
我：在stream api中，无状态的操作是指当前元素的操作不受前面元素的影响，主要包括如下方法：

filter(),flatMap(),flatMapToInt(),flatMapToLong(),flatMapToDouble(),map(),mapToInt(),mapToDouble(),mapToLong(),peek(),unordered()

而有状态的操作是指需要等所有元素处理完之后才能执行当前操作，主要包括下面方法：

distinct(),limit(),skip(),sorted(),sorted() 

面试官：有状态的操作，能举个例子吗？
我：比如下面这段代码：

public static void main(String[] args) {
    List list = Arrays.asList(5, 2, 3, 1, 4);

    List newArray = list.stream()
            .map(StreamTest2::map1)
            .sorted((o1, o2) -> o1 - o2)
            .map(StreamTest2::map2)
            .collect(Collectors.toList());
    System.out.println("新的有序数组:" + newArray);
}

private static Integer map1(Integer i) {
    int result = i * 10;
    System.out.println("线程:" + Thread.currentThread().getName() + " 方法map1入参：" + i + ",输出:" + result);
    return result;
}

private static Integer map2(Integer i) {
    int result = i * 10;
    System.out.println("线程:" + Thread.currentThread().getName() + " 方法map2入参：" + i + ",输出:" + result);
    return result;
}

上面代码中，对原始数组进行了两次迭代，第一次迭代对所有数组元素都调用了map1方法乘以10，然后对新数组进行排序，第二次迭代对排序后的数组元素调用map2方法，即对排序后的数组元素乘以10。方法输出如下：

线程:main 方法map1入参：5,输出:50
线程:main 方法map1入参：2,输出:20
线程:main 方法map1入参：3,输出:30
线程:main 方法map1入参：1,输出:10
线程:main 方法map1入参：4,输出:40
线程:main 方法map2入参：10,输出:100
线程:main 方法map2入参：20,输出:200
线程:main 方法map2入参：30,输出:300
线程:main 方法map2入参：40,输出:400
线程:main 方法map2入参：50,输出:500
新的有序数组:[100, 200, 300, 400, 500]

面试官：了解过底层原理吗？
我：我来先画一下Stream的UML类图：

这个类图说明以下几点：

• AbstractPipeline有基本类型的子类，如LongPipeline和DoublePipeline，还有一个引用类型的子类ReferencePipeline。
• 无论是ReferencePipeline，还是LongPipeline和DoublePipeline等基本类型的Pipeline，都有3个内部类来继承自己。
• StatelessOp对应无状态的操作，StatefulOp对应有状态的操作，Head对应Collection.stream()方法返回结果。
• 无论是StatelessOp、StatefulOp还是Head，都是一个Pipeline，这些Pipeline用双向链表串联起来，每个Pipeline节点被看作一个Stage，Head是链表的头结点。上面UML类图中AbstractPipeline类中previousStage和nextStage就代表双向链表当前节点指向前后节点的引用。如下图：

面试官：上面用双向链表把所有操作都串联起来了，这样可以实现从Head节点开始依次执行所有的操作。但是这些操作怎么叠加在一起呢？比如下面这段代码有三个map方法，后面的方法要依赖前面的计算结果：

List list = Arrays.asList(5, 2, 3, 1, 4);
List newArray = list.stream().map(StreamTest2::map1).map(StreamTest2::map2).map(StreamTest2::map3).collect(Collectors.toList());

我：Stream提供了Sink接口来处理操作的叠加。上面代码的map方法把操作封装到了Sink，每个节点执行操作时，调用Sink的accept方法就可以把操作结果传给下一个节点的Sink。比如map方法源代码如下：

public final  Stream map(Function mapper) {
    Objects.requireNonNull(mapper);
    return new StatelessOp(this, StreamShape.REFERENCE,
                                 StreamOpFlag.NOT_SORTED | StreamOpFlag.NOT_DISTINCT) {
        @Override
	//返回包装成的Sink
        Sink opWrapSink(int flags, Sink sink) {
            return new Sink.ChainedReference(sink) {
                @Override
                public void accept(P_OUT u) {
		    //downstream是下游节点的Sink，把当前节点的执行结果传给下游节点
                    downstream.accept(mapper.apply(u));
                }
            };
        }
    };
}

面试官：能详细讲一下Sink吗？
我：Sink主要提供了下面4个方法

//执行操作之前调用这个方法
void begin(long size)
//执行操作之后调用这个方法
void end()
//是否可以结束操作
boolean cancellationRequested()
//操作执行函数
void accept()

对于有状态的操作，必须实现begin和end两个方法，因为begin方法会创建一个存放中间结果的容器，accept方法将元素放入该容器，end方法负责对容器中元素处理，比如排序。

面试官：那cancellationRequested方法什么时候用呢？
我：这个方法用于短路操作，比如stream.findAny。

面试官：你刚刚提到短路操作，怎么区分短路操作和非短路操作呢？
我：短路操作和非短路操作都是Stream的结束操作，结束操作是针对中间操作来说的。短路操作是指不用处理全部元素就可以结束，包括下面的方法：

anyMatch(),allMatch(),noneMatch(),findFirst(),findAny()

非短路操作是指需要处理所有元素才能结束，包括下面的方法：

forEach(),forEachOrdered(),toArray(),reduce(),collect(),max(),min(),count()

总结一下Stream操作，如下图：

在遇到结束操作时，所有Pipeline节点封装的Sink会串成一个链表，如下图：

把Sink串成链表的过程可以参考下面这段源代码：

final  Sink wrapSink(Sink sink) {
    Objects.requireNonNull(sink);
    for ( @SuppressWarnings("rawtypes") AbstractPipeline p=AbstractPipeline.this; p.depth > 0; p=p.previousStage) {
        sink = p.opWrapSink(p.previousStage.combinedFlags, sink);
    }
    return (Sink) sink;
}

这样从Head节点开始依次调用每个节点封装的Sink中的begin,accept,cancellationRequested,end 四个方法就可以完成Steam流水线的执行。

面试官：上面提到了Sink会串成一个链，那对于有返回结果的操作，返回的结果是保存在什么地方呢？
我：这里分三种情况：

• 如果返回结果是boolean(比如 anyMatch、allMatch、noneMatch)和Optional(比如 findFirst、findAny)，返回结果存放在对应的Sink。
• collect, reduce等规约操作，返回结果存放在用户指定的容器中，比如如下代码返回结果放在Optional容器中：

Optional accResult = Stream.of(1, 2, 3, 4, 5).reduce((sum, item) -> {
    sum += item;
    return sum;
});

max 和 min也是规约操作，因为底层是通过调用 reduce 方法实现的。

• 对于返回是数组的情况，返回数组之前，数据会存放在一种多叉树数据结构中，这种多叉树结构元素存储在树的叶子当中，一个叶子节点可以存放多个元素。

面试官：上面你提到返回数组的时候用到了多叉树的结构，这样做对于Stream处理有什么好处呢？
我：按照官方的说法，这样做是为了避免在并行操作期间不必要地复制数据。

面试官：能简单介绍一下Stream的并行处理吗？
我：Stream的并行处理用到了Fork/Join框架，如下图：

计算过程中，先把任务拆解成子任务，并行计算。计算完成后再把子任务计算结果合并成结果集。

面试官：Fork/Join框架跟普通线程池相比，有什么优势吗？
我：fork/join框架的优势是, 如果某个子任务需要等待另外一个子任务完成才能继续工作，那么处理线程会主动寻找其他未完成的子任务进行执行。跟普通线程池相比，减少了等待时间。

面试官：使用Stream并行流，一定会比串行快吗？
我：这个不一定，使用的时候要考虑以下几个因素：

• 要处理的元素数量，数据越多，性能提升越明显。
• 数据结构的可分割性，数组、ArrayList支持随机读取，可分割性好，HashSet、TreeSet虽然可以分割，但不太容易分割均匀，LinkedList、Streams.iterate、BufferedReader.lines因为长度未知，可分解性差。
• 尽量使用基本类型，避免装箱拆箱。
• 单个子任务花费时间越长，带来的性能提升就会越大。

面试官：据说Stream api跟普通迭代相比有性能损耗，你怎么看？
我：对于简单的处理操作，Stream api性能确实不如普通迭代。但是如果CPU性能好的话，使用Stream并行处理性能会明细提高。对于复杂处理操作，无论并行还是串行，Stream api有明显的优势。

对于并行处理，要考虑CPU的核数。

面试官：恭喜你，通过了。