java8 stream 原理_【修炼内功】[Java8] Stream是怎么工作的
Java8中新增的Stream,相信使用过的同学都已经感受到了它的便利,允许你以声明性的方式处理集合,而不用去做繁琐的for-loop/while-loop,并且可以以极低的成本并行地处理集合数据
如果需要从菜单中筛选出卡路里在400以下的菜品,并按卡路里排序后,输出菜品名称
在java8之前,需要进行两次显示迭代,并且还需要借助中间结果存储
List
// 按照热量值进行筛选
for(Dish dish : dishes) {
if (dish.getCalories() < 400) {
lowCaloricDishes.add(dish);
}
}
// 按照热量进行排序
lowCaloricDishes.sort(new Comparator() {
@Override
public int compare(Dish d1, Dish d2) {
return d1.getCalories().compareTo(d2.getCalories);
}
})
// 提取名称
List lowCaloricDishesName = new LinkedList<>();
for(Dish dish : lowCaloricDishes) {
lowCaloricDishesName.add(dish.getName());
}
如果使用Stream API,只需要
List lowCaloricDishesName =
dishes.parallelStream() // 开启并行处理
.filter(d -> d.getCalories() < 400) // 按照热量值进行筛选
.sorted(Comparator.comparing(Dish::getCalories)) // 按照热量进行排序
.map(Dish::getName) // 提取名称
.collect(Collectors.toList()); // 将结果存入List
甚至,可以写出更复杂的功能
Map> lowCaloricDishesNameGroup =
dishes.parallelStream() // 开启并行处理
.filter(d -> d.getCalories() < 400) // 按照热量值进行筛选
.sorted(comparing(Dish::getCalories)) // 按照热量进行排序
.collect(Collectors.groupingBy( // 将菜品名按照热量进行分组
Dish::getCalories,
Collectors.mapping(Dish::getName, Collectors.toList())
));
是不是非常简洁,并且越发形似SQL
如此简洁的API是如何实现的?中间过程是如何衔接起来的?每一步都会进行一次迭代么,需要中间结果存储么?并行处理是怎么做到的?
什么是Stream?
Stream使用一种类似SQL语句的方式,提供对集合运算的高阶抽象,可以将其处理的元素集合看做一种数据流,流在管道中传输,数据在管道节点上进行处理,比如筛选、排序、聚合等
数据流在管道中经过中间操作(intermediate operation)处理,由终止操作(terminal operation)得到前面处理的结果
和以往的集合操作不同,Stream操作有两个基础特征:
pipelining:中间操作会返回流对象,多个操作最终串联成一个管道,管道并不直接操作数据,最终由终止操作触发数据在管道中的流动及处理,并收集最终的结果
Stream的实现使用流水线(pipelining)的方式巧妙的避免了多次迭代,其基本思想是在一次迭代中尽可能多的执行用户指定的操作
内部迭代:区别于以往使用iterator或者for-each等显示地在集合外部进行迭代计算的方式,内部迭代隐式的在集合内部进行迭代计算
Stream操作分为两类:中间操作及终止操作
中间操作:将流一层层的进行处理,并向下一层进行传递,如 filter map sorted等
中间操作又分为有状态(stateful)及无状态(stateless)
有状态:必须等上一步操作完拿到全部元素后才可操作,如sorted
无状态:该操作的数据不收上一步操作的影响,如filter map
终止操作:触发数据的流动,并收集结果,如collect findFirst forEach等
终止操作又分为短路操作(short-circuiting)及非短路操作(non-short-circuiting)
短路操作:会在适当的时刻终止遍历,类似于break,如anyMatch findFirst等
非短路操作:会遍历所有元素,如collect max等
Stream采用某种方式记录用户每一步的操作,当用户调用终止操作时将之前记录的操作叠加到一起,尽可能地在一次迭代中全部执行掉,那么
用户的操作如何记录?
操作如何叠加?
叠加后的操作如何执行?
执行后的结果(如果有)在哪里?
Stream如何实现
操作如何记录
Stream中使用Stage的概念来描述一个完整的操作,并用某种实例化后的PipelineHelper来代表Stage,将各Pipeline按照先后顺序连接到一起,就构成了整个流水线
与Stream相关类和接口的继承关系如下图
Head用于表示第一个Stage,该Stage不包含任何操作
StatelessOp和StatefulOp分别表示无状态和有状态的Stage
使用Collection.stream Arrays.stream或Stream.of等接口会生成Head,其内部均采用StreamSupport.stream方法,将原始数据包装为Spliterator存放在Stage中
Head记录Stream起始操作,将包装为Spliterator的原始数据存放在Stage中
StatelessOp记录无状态的中间操作
StatefulOp记录有状态的中间操作
TerminalOp用于触发数据数据在各Stage间的流动及处理,并收集最终数据(如果有)
Head StatelessOp StatefulOp三个操作实例化会指向其父类AbstractPipeline
对于Head
/**
* Constructor for the head of a stream pipeline.
*
* @param source {@code Spliterator} describing the stream source
* @param sourceFlags the source flags for the stream source, described in
* {@link StreamOpFlag}
* @param parallel {@code true} if the pipeline is parallel
*/
AbstractPipeline(Spliterator> source, int sourceFlags, boolean parallel) {
this.previousStage = null;
this.sourceSpliterator = source;
this.sourceStage = this;
this.sourceOrOpFlags = sourceFlags & StreamOpFlag.STREAM_MASK;
// The following is an optimization of:
// StreamOpFlag.combineOpFlags(sourceOrOpFlags, StreamOpFlag.INITIAL_OPS_VALUE);
this.combinedFlags = (~(sourceOrOpFlags << 1)) & StreamOpFlag.INITIAL_OPS_VALUE;
this.depth = 0;
this.parallel = parallel;
}
其会将包装为Spliterator的原始数据存放在Stage中,并将自身存放在sourceStage中
对于StatelessOp及StatefulOp
/**
* Constructor for appending an intermediate operation stage onto an
* existing pipeline.
*
* @param previousStage the upstream pipeline stage
* @param opFlags the operation flags for the new stage, described in
* {@link StreamOpFlag}
*/
AbstractPipeline(AbstractPipeline, E_IN, ?> previousStage, int opFlags) {
if (previousStage.linkedOrConsumed)
throw new IllegalStateException(MSG_STREAM_LINKED);
previousStage.linkedOrConsumed = true;
previousStage.nextStage = this;
this.previousStage = previousStage;
this.sourceOrOpFlags = opFlags & StreamOpFlag.OP_MASK;
this.combinedFlags = StreamOpFlag.combineOpFlags(opFlags, previousStage.combinedFlags);
this.sourceStage = previousStage.sourceStage;
if (opIsStateful())
sourceStage.sourceAnyStateful = true;
this.depth = previousStage.depth + 1;
}
每一个Stage都会存放原始的sourceStage,即Head
通过previousStage及nextStage,将各Stage串联为一个双向链表,使得每一步都知道上一步与下一步的操作
操作如何叠加
以上已经解决了如何记录操作的问题,想要让pipeline运行起来,需要一种将所有操作叠加到一起的方案
由于前面的Stage并不知道后面的Stage导致需要执行何种操作,只有当前Stage本身知道该如何执行自己包含的动作,这就需要某种协议来协调相邻Stage之间的调用关系
Stream类库采用了Sink接口来协调各Stage之间的关系
interface Sink extends Consumer {
/**
* Resets the sink state to receive a fresh data set. This must be called
* before sending any data to the sink. After calling {@link #end()},
* you may call this method to reset the sink for another calculation.
* @param size The exact size of the data to be pushed downstream, if
* known or {@code -1} if unknown or infinite.
*
*
Prior to this call, the sink must be in the initial state, and after
* this call it is in the active state.
*
* 开始遍历前调用,通知Sink做好准备
*/
default void begin(long size) {}
/**
* Indicates that all elements have been pushed. If the {@code Sink} is
* stateful, it should send any stored state downstream at this time, and
* should clear any accumulated state (and associated resources).
*
*
Prior to this call, the sink must be in the active state, and after
* this call it is returned to the initial state.
*
* 所有元素遍历完成后调用,通知Sink没有更多元素了
*/
default void end() {}
/**
* Indicates that this {@code Sink} does not wish to receive any more data.
*
* @implSpec The default implementation always returns false.
*
* @return true if cancellation is requested
*
* 是否可以结束操作,可以让短路操作尽早结束
*/
default boolean cancellationRequested() {}
/**
* Accepts a value.
*
* @implSpec The default implementation throws IllegalStateException.
*
* @throws IllegalStateException if this sink does not accept values
*
* 遍历时调用,接收的一个待处理元素,并对元素进行处理
* Stage把自己包含的操作和回调方法封装到该方法里,前一个Stage只需要调用当前Stage.accept方法即可
*/
default void accept(T value) {}
}
Sink的四个接口方法常常相互协作,共同完成计算任务
实际上Stream API内部实现的的本质,就是如何重载Sink的这四个接口方法,下面结合具体源码来理解Stage是如何将自身的操作包装秤Sink,以及Sink是如何将处理结果转发给下一个Sink的
无状态Stage,Stream.map
// Stream.map 将生成一个新Stream
public final Stream map(Function super P_OUT, ? extends R> mapper) {
Objects.requireNonNull(mapper);
return new StatelessOp(this, StreamShape.REFERENCE,
StreamOpFlag.NOT_SORTED | StreamOpFlag.NOT_DISTINCT) {
// 该方法将回调函数(处理逻辑)包装成Sink
@Override
Sink opWrapSink(int flags, Sink sink) {
return new Sink.ChainedReference(sink) {
@Override
public void accept(P_OUT u) {
// 接收数据,使用当前包装的回调函数处理数据,并传递给下游Sink
downstream.accept(mapper.apply(u));
}
};
}
};
}
上述代码逻辑非常简单,接下来可以看一下有状态Stage,Stream.sorted
private static final class RefSortingSink extends AbstractRefSortingSink {
// 存放用于排序的元素
private ArrayList list;
RefSortingSink(Sink super T> sink, Comparator super T> comparator) {
super(sink, comparator);
}
@Override
public void begin(long size) {
if (size >= Nodes.MAX_ARRAY_SIZE)
throw new IllegalArgumentException(Nodes.BAD_SIZE);
// 创建用于存放排序元素的列表
list = (size >= 0) ? new ArrayList((int) size) : new ArrayList();
}
@Override
public void end() {
// 只有在接收到所有元素后才开始排序
list.sort(comparator);
downstream.begin(list.size());
// 排序完成后,将数据传递给下游Sink
if (!cancellationWasRequested) {
// 下游Sink不包含短路操作,将数据依次传递给下游Sink
list.forEach(downstream::accept);
}
else {
// 下游Sink包含短路操作
for (T t : list) {
// 对于每一个元素,都要询问是否可以结束处理
if (downstream.cancellationRequested()) break;
// 将元素传递给下游Sink
downstream.accept(t);
}
}
// 告知下游Sink数据传递完毕
downstream.end();
list = null;
}
@Override
public void accept(T t) {
// 依次将需要排序的元素加入到临时列表中
list.add(t);
}
}
Stream.sorted会在接收到所有元素之后再进行排序,在此之后才开始将数据依次传递给下游Sink
叠加后的操作如何执行
Sink就如齿轮,每一步的操作逻辑是封装在Sink中的,那各Sink是如何串联咬合在一起的,首个Sink又是如何启动来触发整个pipeline执行的?
结束操作(TerminalOp)之后不能再有别的操作,结束操作会创建一个包装了自己操作的Sink,这个Sink只处理数据而不会将数据传递到下游Sink
TerminalOp的类图非常简单
FindOp: 用于查找,如findFirst,findAny,生成FindSink
ReduceOp: 用于规约,如reduce collect,生成ReduceSink
MatchOp: 用于匹配,如allMatch anyMatch,生成MatchSink
ForEachOp: 用于遍历,如forEach,生成ForEachSink
在调用Stream的终止操作时,会执行AbstractPipeline.evaluate
/**
* Evaluate the pipeline with a terminal operation to produce a result.
*
* @param the type of result
* @param terminalOp the terminal operation to be applied to the pipeline.
* @return the result
*/
final R evaluate(TerminalOp terminalOp /* 各种终止操作 */) {
assert getOutputShape() == terminalOp.inputShape();
if (linkedOrConsumed)
throw new IllegalStateException(MSG_STREAM_LINKED);
linkedOrConsumed = true;
return isParallel()
? terminalOp.evaluateParallel(this, sourceSpliterator(terminalOp.getOpFlags())) /* 并发执行 */
: terminalOp.evaluateSequential(this, sourceSpliterator(terminalOp.getOpFlags())); /* 串行执行 */
}
最终会根据是否并行执行TerminalOp中不同的的evaluate方法,在TerminalOp的evaluate方法中会调用helper.wrapAndCopyInto(sinkSupplier.get(), spliterator).get()来串联各层Sink,触发pipeline,并获取最终结果,那TerminalOp到底是如何串联各层Sink的?
final > S wrapAndCopyInto(S sink /* TerminalSink */, Spliterator spliterator) {
copyInto(wrapSink(Objects.requireNonNull(sink)), spliterator);
return sink;
}
其中玄机尽在warpSink
final Sink wrapSink(Sink sink) {
Objects.requireNonNull(sink);
// AbstractPipeline.this,最后一层Stage
for ( @SuppressWarnings("rawtypes") AbstractPipeline p=AbstractPipeline.this; p.depth > 0; p=p.previousStage) {
// 从下游向上游遍历,不断包装Sink
sink = p.opWrapSink(p.previousStage.combinedFlags, sink /* 下一层Stage的Sink */);
}
return (Sink) sink;
}
还记得opWrapSink么?它会返回一个新的Sink,实现begin end accept等方法,当前Stage的处理逻辑封装在其中,并将处理后的结果传递给下游的Sink
这样,便将从开始到结束的所有操作都包装到了一个Sink里,执行这个Sink就相当于执行首个Sink,并带动所有下游的Sink,使整个pipeline运行起来
有了包含所有操作的Sink,如何执行Sink呢?wrapAndCopyInto中还有一个copyInto方法
final void copyInto(Sink wrappedSink, Spliterator spliterator) {
Objects.requireNonNull(wrappedSink);
if (!StreamOpFlag.SHORT_CIRCUIT.isKnown(getStreamAndOpFlags())) {
// 不包含短路操作
// 1. begin
wrappedSink.begin(spliterator.getExactSizeIfKnown());
// 2. 遍历调用 sink.accept
spliterator.forEachRemaining(wrappedSink);
// 3. end
wrappedSink.end();
}
else {
// 包含短路操作
copyIntoWithCancel(wrappedSink, spliterator);
}
}
final void copyIntoWithCancel(Sink wrappedSink, Spliterator spliterator) {
@SuppressWarnings({"rawtypes","unchecked"})
AbstractPipeline p = AbstractPipeline.this;
while (p.depth > 0) {
p = p.previousStage;
}
// 1. begin
wrappedSink.begin(spliterator.getExactSizeIfKnown());
// 2. 遍历调用 sink.accept
// 每一次遍历都询问cancellationRequested结果
// 如果cancellationRequested为true,则中断遍历
p.forEachWithCancel(spliterator, wrappedSink);
// 3. end
wrappedSink.end();
}
copyInto会根据不同的情况依次
调用sink.bigin
遍历调用sink.accept
如果包含短路操作,则每次遍历都需要询问cancellationRequested,适时中断遍历
调用sink.end
执行后的结果在哪里
各层Stage通过Sink协议将所有的操作串联到一起,遍历原始数据并执行,终止操作会创建一个包装了自己操作的TerminalSink,该Sink中处理最终的数据并做数据收集(如果需要),每一种TerminalSink中均会提供一个获取最终数据的方法
TerminalOp通过调用TerminalSink中的对应方法,获取最终的数据并返回,如ReduceOp中
@Override
public R evaluateSequential(PipelineHelper helper,
Spliterator spliterator) {
return helper.wrapAndCopyInto(makeSink(), spliterator)/* 执行各Sink */.get()/* 获取最终数据 */;
}
并发是如何做到的
使用Collection.parallelStream或Stream.parallel等方法可以将当前的流标记为并发,重新来看AbstractPipeline.evaluate,该方法会在终止操作时被执行
/**
* Evaluate the pipeline with a terminal operation to produce a result.
*
* @param the type of result
* @param terminalOp the terminal operation to be applied to the pipeline.
* @return the result
*/
final R evaluate(TerminalOp terminalOp /* 各种终止操作 */) {
assert getOutputShape() == terminalOp.inputShape();
if (linkedOrConsumed)
throw new IllegalStateException(MSG_STREAM_LINKED);
linkedOrConsumed = true;
return isParallel()
? terminalOp.evaluateParallel(this, sourceSpliterator(terminalOp.getOpFlags())) /* 并发执行 */
: terminalOp.evaluateSequential(this, sourceSpliterator(terminalOp.getOpFlags())); /* 串行执行 */
}
如果被标记为sequential,则会调用TerminalOp.evaluateSequential,evaluateSequential的调用过程上文已经讲述的很清楚
如果被标记为parallel,则会调用TerminalOp.evaluateParallel,对于该方法不同的TerminalOp会有不同的实现,但都使用了ForkJoin框架,将原始数据不断拆分为更小的单元,对每一个单元做上述evaluateSequential类似的动作,最后将每一个单元计算的结果依次整合,得到最终结果
默认情况下,ForkJoin的线程数即为机器的CPU核数,如果想自定义Stream并行执行的线程数,可以参考Custom Thread Pools In Java 8 Parallel Streams
在将原始数据进行拆分的时候,拆分的策略是什么?拆分的粒度又是什么(拆分到什么程度)?
还记得上文所说,原始数据是如何存放的么?Spliterator(可分迭代器 splitable iterator),无论使用何种API,均会将原始数据封装为Spliterator后存放在Stage中,在进行parallel计算时,对原始数据的拆分以及拆分粒度都是基于Spliterator的,和Iterator一样,Spliterator也用于遍历数据源中的数据,但它是专门为并行执行而设计的
public interface Spliterator {
/**
* 如果还有元素需要遍历,则遍历该元素并执行action,返回true,否则返回false
*/
boolean tryAdvance(Consumer super T> action);
/**
* 如果可以,则将一部分元素划分出去,构造另一个Spliterator,使得两个Spliterator可以并行处理
*/
Spliterator trySplit();
/**
* 估算还有多少元素需要遍历
*/
long estimateSize();
/**
* 遍历所有未遍历的元素
*/
default void forEachRemaining(Consumer super T> action) {
do { } while (tryAdvance(action));
}
}
动图如下
在使用Stream parallel时,如果默认Spliterator的拆分逻辑不能满足你的需求,便可以自定义Spliterator,具体示例可以参考《Java 8 in Action》中『7.3.2 实现你自己的Spliterator』
结语
Head会生成一个不包含任何操作的Stage,并将原始数据Spliterator存放在sourceStage中
中间操作StagelessOp StagefulOp将当前操作封装在Sink中,生成一个新的Stage,并使用双链表结构将前后的Stage链接在一起,Sink用于调用当前指定的操作处理数据,并将处理后的结果传递给下游Sink
终止操作TerminalOp生成一个TerminalSink,从下游向上游遍历Stage,不断包装各Stage中的Sink,最终生成一个串联了所有操作的TerminalSink,适时调用该Sink的begin accept end等方法,触发整个pipeline的数据流动及处理,最终调用TerminalSink的get方法,获取最终结果(如果有)
被标记为parallel的流,会使用ForkJoin框架,将原始流拆分为更小的单元,对每一个单元分别作计算,并将各单元的计算结果进行整合,得到最终结果
java8 stream 原理_【修炼内功】[Java8] Stream是怎么工作的相关推荐
- java8新特性_乐字节-Java8新特性-接口默认方法
总概 JAVA8 已经发布很久,而且毫无疑问,java8是自java5(2004年发布)之后的最重要的版本.其中包括语言.编译器.库.工具和JVM等诸多方面的新特性. Java8 新特性列表如下: 接 ...
- java8新特性_乐字节-Java8新特性-函数式接口
上一篇小乐带大家学过 Java8新特性-Lambda表达式,那什么时候可以使用Lambda?通常Lambda表达式是用在函数式接口上使用的.从Java8开始引入了函数式接口,其说明比较简单:函数式接口 ...
- java8 并行执行方法_如何在Java8中执行此并行任务
使用CompletionService,更可能是ExecutorCompletionService. class Matcher { ExecutorService threadPool = Exec ...
- 红外测距模块工作原理_共享单车里的通讯模块,工作原理是啥呢?
现在我们所看到了共享单车除了小黄车(OFO)没有配备GPS智能锁外,其他品牌的共享单车都有安装,那么这么高科技的东西具体是怎么工作的呢?下面由我给大家讲解下其中的奥秘. 其实这个东西也谈不上太多高科技 ...
- mybatis工作原理_万字好文!MyBatis 的工作原理,你了解过吗?
回复 1024 有特别礼包 作者:江南入直 | 来源:cnblogs.com/scuury/p/10371246.html 上一篇:微信支付的架构到底有多牛? 近来想写一个mybatis的分页插件,但 ...
- rl滤波器原理_入门篇,层层讲解滤波电路工作原理
在整流电路输出的电压是单向脉动性电压,不能直接给电子电路使用.所以要对输出的电压进行滤波, 消除电压中的交流成分,成为直流电后给电子电路使用.在滤波电路中,主要使用对交流电有特殊阻抗特性的器件,如:电 ...
- chroma负载机恒压工作原理_一款恒压/恒流充电器工作原理分析
该充电器工作原理介绍如下,电路见附图所示. 1 .主电路 采用220V电网直接供电,经 KZ1 - KZ4 全控桥式整流,再经极性切换开关输出接负载 ( 蓄电池 ) .当蓄电池在充电工作方式时,切换开 ...
- bmp180气压传感器工作原理_【科普】40种传感器工作原理
传感器(英文名称:transducer/sensor)是一种检测装置,能感受到被测量的信息,并能将感受到的信息,按一定规律变换成为电信号或其他所需形式的信息输出,以满足信息的传输.处理.存储.显示.记 ...
- 燃气灶电气线路图及原理_家用燃气灶解析之 热电偶的工作原理
在家用燃气灶的炉头上通常配有点火针和热电偶熄火保护针.热电偶是燃气灶中很重要的一个组成部分,热电偶的好坏关系到燃气灶的点火反应时间和点火成功率.热电偶实际上是一种感温元件,它直接测量温度,并把温度信号 ...
- 数字调制系统工作原理_水暖BA系统组成及各部工作原理
原标题:水暖BA系统组成及各部工作原理 来源:机电人脉 如有侵权,请联系删除 01 暖通空调系统 系统监控功能: 智能中的空调系统是指空调机组.新风机组,变风量机组,风机盘管等设备.其控制主要是指温. ...
最新文章
- Python环境配置保姆教程(Anaconda、Jupyter、GPU环境)!
- 顶会ASPLOS 新成果解析:用“弹性异构”防御DNN加速器对抗攻击
- elasticsearch查询
- c语言线性表顺序存储实验小结,数据结构学习笔记-线性表顺序存储(C语言实现)...
- php课程 6-20 字符串基础和去除空格和字符串填补函数
- Spring集成–从头开始应用程序,第2部分
- Session、Dialog和Transaction的区别
- 一个整型数组里除了两个数字之外,其他的数字都出现了两次。请写程序找出这两个只出现一次的数字
- 动态规划基础——爬楼梯(Leetcode 70)
- Gitlab分支保护
- python程序开发入门_程序设计入门—Python
- android modbus 串口,手机Modbus 安卓Modbus调试软件
- 统计学习方法——统计学习基础(一)
- 最新最全的微信小程序入门学习教程,微信小程序零基础入门到精通
- html5压缩视频文件大小,格式工厂怎么压缩视频大小 只需5步大视频变小视频
- 小游戏正在毁灭微信群聊(文中有福利)
- Flutter插件开发--获取Android手机电池信息
- Linux 文件属性详解
- Ubuntu中编写C语言程序
- 基尔霍夫电流/电压定律
热门文章
- 《android开发艺术探索》笔记:Activity界面跳转到透明主题界面,不调用onStop()方法
- 【毕业设计】 单片机自动写字机器人设计与实现 - 物联网 嵌入式 stm32
- 数学建模——相关系数
- 记2021沙尘漫天的春
- 2016杭州云栖大会随笔
- 有关“十二生肖”的成语
- 使用wireshark分析HTTPS数据包
- 使用Elasticsearch聚合搜索进行数据的分类统计
- Adversarial Machine Learning 经典算法解读(FGSM, DeepFool)
- html5中display flex,display:flex属性