JDK8--07：并行流与串行流

　　JDK8中，提供了并行流和串行流，使用parallel()和sequential()来处理，parallel()为并行流sequential()为串行流，两者可以相互转换，以最后一个为准

LongStream.rangeClosed(,).sequential().parallel().reduce((x,y)->x+y);

　　以上代码示例就是并行流和串行流的使用，由于parallel在后，所以是以并行流运算。

　　其实JDK8的并行流和串行流并不复杂，但是想要了解其历史，就要从单线程、多线程、JDK7的fork/join框架一一说起。

　　首先说单线程问题，如果是单线程，肯定是没有多线程运行快的（通常情况下如此，如果仅此是1+1的操作，多线程因为线程切换等原因，反而会更慢），况且fork/join使用的是线程窃取模式进行处理的，相比多线程更有优势，可以更好的使用内存。

　　但是为什么fork/join没有被大量使用呢，主要是因为fork/join写法太繁琐，下面就举例说明fork/join的写法

1、fork/join

首先创建一个ForkJoinDemo对象，对数据进行拆分（fork）运算后汇总（join）

package com.example.jdk8demo;

import java.util.concurrent.RecursiveTask;

public class ForkJoinDemo extends RecursiveTask<Long> {
    private long start;
    private long end;
    private static  final long  mm = ;

    public ForkJoinDemo(long start,long end){
        this.start = start;
        this.end = end;
    }

    @Override
    protected Long compute() {
        long length = end - start;
        if(length <= mm){
            long sum = ;
            for (long i=start;i<= end;i++){
                sum +=i;
            }
            return sum;
        }else{
            long mid = (start+end)/;
            ForkJoinDemo left = new ForkJoinDemo(start,mid);
            left.fork();
            ForkJoinDemo right = new ForkJoinDemo(mid+,end);
            right.fork();
            return left.join() + right.join();
        }
    }
}

　　测试方法：

public void test1(long num){
        Instant start = Instant.now();
        ForkJoinPool forkJoinPool = new ForkJoinPool();
        ForkJoinTask<Long> forkJoinTask = new ForkJoinDemo(,num);
        long sum = forkJoinPool.invoke(forkJoinTask);
        Instant end = Instant.now();
        log.info("fork/join运行时间【{}】,运行结果【{}】",Duration.between(start,end).toMillis(),sum);
    }

　　可以发现使用fork/join的写法非常麻烦

JDK8提供的串行流和并行流的操作就非常方便

2、串行流

    public void test3(long num){
        Instant start = Instant.now();
        OptionalLong optionalLong = LongStream.rangeClosed(,num).sequential().reduce((x,y)->x+y);
        Instant end = Instant.now();
        log.info("串行流运行时间【{}】,运行结果【{}】",Duration.between(start,end).toMillis(),optionalLong.getAsLong());
    }

3、并行流

    public void test4(long num){
        Instant start = Instant.now();
        OptionalLong optionalLong = LongStream.rangeClosed(,num).parallel().reduce((x,y)->x+y);
        Instant end = Instant.now();
        log.info("并行流运行时间【{}】,运行结果【{}】",Duration.between(start,end).toMillis(),optionalLong.getAsLong());
    }

4、为了演示执行时间，再添加一个单线程测试

    public void test2(long num){
        long sum = ;
        Instant start = Instant.now();
        for(int i=;i<=num;i++){
            sum+=i;
        }
        Instant end = Instant.now();
        log.info("单线程for循环运行时间【{}】,运行结果【{}】",Duration.between(start,end).toMillis(),sum);
    }

5、测试

　　由于都是数据的累加操作，因此多线程由于线程切换等原因，会造成比单线程执行慢的假象，为了排除这一假象，直接累加到20亿的运行时间作为参考

    @Test
    public void test(){
        long num = **10000L;
        test1(num);
        test3(num);
        test4(num);
        test2(num);
    }

运行结果：

单线程运行了一分钟，还没有出结果

fork/join运行时间3899毫秒，串行流2081毫秒，并行流1532毫秒，可见性能提升还是非常明显的。