java理论基础Stream性能论证测试示例

目录

• 一、粉丝的反馈
• 二、所有性能测试结论都是片面的
• 三、动手测试Stream的性能
• 3.1.环境
• 3.2.测试用例与测试结论
• 3.2.1.测试用例一
• 3.2.2测试用例二
• 3.2.3测试用例三
• 四、最终测试结论
• 五、测试代码
• 测试用例一：
• 测试用例二：
• 测试用例三：

一、粉丝的反馈

问：stream比for循环慢5倍，用这个是为了啥？ 答：互联网是一个新闻泛滥的时代，三人成虎，以假乱真的事情时候发生。作为一个技术开发者，要自己去动手去做，不要人云亦云。

的确，这位粉丝说的这篇文章我也看过，我就不贴地址了，也没必要给他带流量。怎么说呢？就是一个不懂得测试的、不入流开发工程师做的性能测试，给出了一个危言耸听的结论。

二、所有性能测试结论都是片面的

性能测试是必要的，但针对性能测试的结果，永远要持怀疑态度。为什么这么说？

• 性能测试脱离业务场景就是片面的性能测试。你能覆盖所有的业务场景么？
• 性能测试脱离硬件环境就是片面的性能测试。你能覆盖所有的硬件环境么？
• 性能测试脱离开发人员的知识面就是片面的性能测试。你能覆盖各种开发人员奇奇怪怪的代码么？

所以，我从来不相信网上的任何性能测试的文章。凡是我自己的从事的业务场景，我都要在接近生产环境的机器上自己测试一遍。 所有性能测试结论都是片面的，只有你生产环境下的运行结果才是真的。

三、动手测试Stream的性能

3.1.环境

windows10 、16G内存、i7-7700HQ 2.8HZ 、64位操作系统、JDK 1.8.0_171

3.2.测试用例与测试结论

我们在上一节,已经讲过：

• 针对不同的数据结构，Stream流的执行效率是不一样的
• 针对不同的数据源，Stream流的执行效率也是不一样的

所以记住笔者的话：所有性能测试结论都是片面的，你要自己动手做，相信你自己的代码和你的环境下的测试！我的测试结果仅仅代表我自己的测试用例和测试数据结构！

3.2.1.测试用例一

测试用例：5亿个int随机数，求最小值 测试结论（测试代码见后文）：

• 使用普通for循环，执行效率是Stream串行流的2倍。也就是说普通for循环性能更好。
• Stream并行流计算是普通for循环执行效率的4-5倍。
• Stream并行流计算 > 普通for循环 > Stream串行流计算

3.2.2测试用例二

测试用例：长度为10的1000000随机字符串，求最小值 测试结论（测试代码见后文）：

• 普通for循环执行效率与Stream串行流不相上下
• Stream并行流的执行效率远高于普通for循环
• Stream并行流计算 > 普通for循环 = Stream串行流计算

3.2.3测试用例三

测试用例：10个用户，每人200个订单。按用户统计订单的总价。 测试结论（测试代码见后文）：

• Stream并行流的执行效率远高于普通for循环
• Stream串行流的执行效率大于等于普通for循环
• Stream并行流计算 > Stream串行流计算 >= 普通for循环

四、最终测试结论

对于简单的数字(list-Int)遍历，普通for循环效率的确比Stream串行流执行效率高（1.5-2.5倍）。但是Stream流可以利用并行执行的方式发挥CPU的多核优势,因此并行流计算执行效率高于for循环。

对于list-Object类型的数据遍历，普通for循环和Stream串行流比也没有任何优势可言，更不用提Stream并行流计算。

虽然在不同的场景、不同的数据结构、不同的硬件环境下。Stream流与for循环性能测试结果差异较大，甚至发生逆转。但是总体上而言：

• Stream并行流计算 >> 普通for循环 ~= Stream串行流计算 (之所以用两个大于号，你细品)
• 数据容量越大，Stream流的执行效率越高。
• Stream并行流计算通常能够比较好的利用CPU的多核优势。CPU核心越多，Stream并行流计算效率越高。

stream比for循环慢5倍？也许吧，单核CPU、串行Stream的int类型数据遍历？我没试过这种场景，但是我知道这不是应用系统的核心场景。看了十几篇测试博文，和我的测试结果。我的结论是： 在大多数的核心业务场景下及常用数据结构下，Stream的执行效率比for循环更高。 毕竟我们的业务中通常是实实在在的实体对象，没事谁总对List类型进行遍历？谁的生产服务器是单核？。

五、测试代码

    com.github.houbb
    junitperf
    2.0.0

测试用例一：

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];  //5亿个随机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();
        }
    }
}

测试用例二：

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 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 randomStringList(int listLength){
        ArrayList list = new ArrayList<>(listLength);
        Random rand = new Random();
        int strLength = 10;
        StringBuilder buf = new StringBuilder(strLength);
        for(int i=0; i 
 

测试用例三：

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 orders;
    @BeforeAll
    public static void init() {
        orders = Order.genOrders(10);
    }
    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testSumOrderForLoop(){
        Map 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 genOrders(int listLength){
        ArrayList list = new ArrayList<>(listLength);
        Random rand = new Random();
        int users = listLength/200;// 200 orders per user
        users = users==0 ? listLength : users;
        ArrayList userNames = new ArrayList<>(users);
        for(int i=0; i 
 

以上就是java理论基础Stream性能论证测试示例的详细内容，更多关于java Stream性能测试的资料请关注脚本之家其它相关文章！