关于Java8 parallelStream并发安全的思考

背景

Java8的stream接口极大地减少了for循环写法的复杂性，stream提供了map/reduce/collect等一系列聚合接口，还支持并发操作：parallelStream。

在爬虫开发过程中，经常会遇到遍历一个很大的集合做重复的操作，这时候如果使用串行执行会相当耗时，因此一般会采用多线程来提速。Java8的paralleStream用fork/join框架提供了并发执行能力。但是如果使用不当，很容易陷入误区。

Java8的paralleStream是线程安全的吗

一个简单的例子,在下面的代码中采用stream的forEach接口对1-10000进行遍历，分别插入到3个ArrayList中。其中对第一个list的插入采用串行遍历，第二个使用paralleStream，第三个使用paralleStream的同时用ReentryLock对插入列表操作进行同步：

private static List list1 = new ArrayList<>();
private static List list2 = new ArrayList<>();
private static List list3 = new ArrayList<>();
private static Lock lock = new ReentrantLock();

public static void main(String[] args) {
    IntStream.range(0, 10000).forEach(list1::add);

    IntStream.range(0, 10000).parallel().forEach(list2::add);

    IntStream.range(0, 10000).parallel().forEach(i -> {
    lock.lock();
    try {
        list3.add(i);
    }finally {
        lock.unlock();
    }
    });

    System.out.println("串行执行的大小：" + list1.size());
    System.out.println("并行执行的大小：" + list2.size());
    System.out.println("加锁并行执行的大小：" + list3.size());
}

执行结果：

串行执行的大小：10000
并行执行的大小：9595
加锁并行执行的大小：10000

并且每次的结果中并行执行的大小不一致，而串行和加锁后的结果一直都是正确结果。显而易见，stream.parallel.forEach()中执行的操作并非线程安全。

那么既然paralleStream不是线程安全的，是不是在其中的进行的非原子操作都要加锁呢？我在stackOverflow上找到了答案：

• https://codereview.stackexchange.com/questions/60401/using-java-8-parallel-streams

• https://stackoverflow.com/questions/22350288/parallel-streams-collectors-and-thread-safety

在上面两个问题的解答中，证实paralleStream的forEach接口确实不能保证同步，同时也提出了解决方案：使用collect和reduce接口。

http://docs.oracle.com/javase/tutorial/collections/streams/parallelism.html

在Javadoc中也对stream的并发操作进行了相关介绍：

The Collections Framework provides synchronization wrappers, which add automatic synchronization to an arbitrary collection, making it thread-safe.

Collections框架提供了同步的包装，使得其中的操作线程安全。

所以下一步，来看看collect接口如何使用。

stream的collect接口

闲话不多说直接上源码吧，Stream.java中的collect方法句柄：

 R collect(Collector collector);

在该实现方法中，参数是一个Collector对象，可以使用Collectors类的静态方法构造Collector对象，比如Collectors.toList()，toSet(),toMap()，etc，这块很容易查到API故不细说了。

除此之外，我们如果要在collect接口中做更多的事，就需要自定义实现Collector接口，需要实现以下方法：

Supplier supplier();
BiConsumer accumulator();
BinaryOperator combiner();
Function finisher();
Set characteristics();

要轻松理解这三个参数，要先知道fork/join是怎么运转的，一图以蔽之：

[图片上传失败...(image-8c4531-1543460289921)]

上图来自：http://www.infoq.com/cn/articles/fork-join-introduction

简单地说就是大任务拆分成小任务，分别用不同线程去完成，然后把结果合并后返回。所以第一步是拆分，第二步是分开运算，第三步是合并。这三个步骤分别对应的就是Collector的supplier,accumulator和combiner。talk is cheap show me the code，下面用一个例子来说明：

输入是一个10个整型数字的ArrayList，通过计算转换成double类型的Set，首先定义一个计算组件：

Compute.java:

public class Compute {
public Double compute(int num) {
    return (double) (2 * num);
}
}

接下来在Main.java中定义输入的类型为ArrayList的nums和类型为Set的输出结果result：

private List nums = new ArrayList<>();
private Set result = new HashSet<>();

定义转换list的run方法，实现Collector接口，调用内部类Container中的方法，其中characteristics()方法返回空set即可：

public void run() {
    // 填充原始数据，nums中填充0-9 10个数
    IntStream.range(0, 10).forEach(nums::add);
    //实现Collector接口
    result = nums.stream().parallel().collect(new Collector>() {

    @Override
    public Supplier supplier() {
        return Container::new;
    }

    @Override
    public BiConsumer accumulator() {
        return Container::accumulate;
    }

    @Override
    public BinaryOperator combiner() {
        return Container::combine;
    }

    @Override
    public Function> finisher() {
        return Container::getResult;
    }

    @Override
    public Set characteristics() {
        // 固定写法
        return Collections.emptySet();
    }
    });
}

构造内部类Container，该类的作用是一个存放输入的容器，定义了三个方法：

• accumulate方法对输入数据进行处理并存入本地的结果
• combine方法将其他容器的结果合并到本地的结果中
• getResult方法返回本地的结果

Container.java:

class Container {
    // 定义本地的result
    public Set set;

    public Container() {
    this.set = new HashSet<>();
    }

    public Container accumulate(int num) {
    this.set.add(compute.compute(num));
    return this;
    }

    public Container combine(Container container) {
    this.set.addAll(container.set);
    return this;
    }

    public Set getResult() {
    return this.set;
    }
}

在Main.java中编写测试方法：

public static void main(String[] args) {
    Main main = new Main();
    main.run();
    System.out.println("原始数据：");
    main.nums.forEach(i -> System.out.print(i + " "));
    System.out.println("\n\ncollect方法加工后的数据：");
    main.result.forEach(i -> System.out.print(i + " "));
}

输出：

原始数据：
0 1 2 3 4 5 6 7 8 9 

collect方法加工后的数据：
0.0 2.0 4.0 8.0 16.0 18.0 10.0 6.0 12.0 14.0 

我们将10个整型数值的list转成了10个double类型的set，至此验证成功～

本程序参考 http://blog.csdn.net/io_field/article/details/54971555。

一言蔽之

总结就是paralleStream里直接去修改变量是非线程安全的，但是采用collect和reduce操作就是满足线程安全的了。