【Java】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<Integer> list1 = new ArrayList<>();

private static List<Integer> list2 = new ArrayList<>();

private static List<Integer> 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).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：

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, A> R collect(Collector<? super T, A, R> 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<A> supplier();

BiConsumer<A, T> accumulator();

BinaryOperator<A> combiner();

Function<A, R> finisher();

Set<Characteristics> 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：

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<Integer> nums = new ArrayList<>();

private Set<Double> 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<Integer, Container, Set<Double>>() {

    @Override

    public Supplier<Container> supplier() {

        return Container::new;

    }

    @Override

    public BiConsumer<Container, Integer> accumulator() {

        return Container::accumulate;

    }

    @Override

    public BinaryOperator<Container> combiner() {

        return Container::combine;

    }

    @Override

    public Function<Container, Set<Double>> finisher() {

        return Container::getResult;

    }

    @Override

    public Set<Characteristics> 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<Double> 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<Double> 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。