Java中学习Lambda表达式和stream中parallel并行方法

一、介绍
- 二、整体代码

一、介绍

Lambda表达式是Java中一种方便的函数式编程风格，可以在集合操作中大大简化代码。而parallel()方法则是Java 8中引入的并发处理方法，可以让集合操作更快速高效。下面我们来学习一下如何使用parallel()方法来提升集合操作的效率。

首先，我们创建一个包含一百万个随机字符串的ArrayList：

ArrayList<String> list = new ArrayList<>();
for (int i = 0; i < 1000000; i++) {
    list.add(RandomUtil.randomString(RandomUtil.BASE_CHAR, 6));
}

接下来，我们使用Lambda表达式和stream API来筛选出带有字母"s"的字符串，并比较使用parallel()方法和不使用parallel()方法的效率差异：

// 串行处理
long firstStartTime = System.currentTimeMillis();
List<String> slowCollect = list.stream()
        .filter(s -> s.contains("s"))
        .collect(Collectors.toList());
long firstEndTime = System.currentTimeMillis();
log.info("计算耗时" + (firstEndTime - firstStartTime));

// 并行处理
long secondStartTime = System.currentTimeMillis();
List<String> fastCollect = list.stream()
        .parallel() // 并发处理
        .filter(s -> s.contains("s"))
        .collect(Collectors.toList());
long secondEndTime = System.currentTimeMillis();
log.info("并发处理计算耗时" + (secondEndTime - secondStartTime));

通过以上代码，我们可以看到，在处理一百万个随机字符串时，使用parallel()方法可以显著提升处理效率。这是因为parallel()方法可以利用多线程并行处理集合中的元素，从而加快处理速度。

需要注意的是，并发处理并不是在所有情况下都会比串行处理更快，有时候还会带来额外的性能开销。因此，在实际应用中，需要根据具体情况来选择是否使用parallel()方法来优化集合操作。

二、整体代码

    void test() {
        ArrayList<String> list = new ArrayList<>();
        //录入一百万个随机字符串
        for (int i = 0; i < 1000000; i++) {
//            list.add(IdUtil.simpleUUID().substring(0,6));
            /**
             * randomString方法的
             * 第一个参数是字符集，比如
             * RandomUtil.BASE_CHAR_LOWER表示小写字母，
             * RandomUtil.BASE_CHAR_UPPER表示大写字母，
             * RandomUtil.BASE_CHAR_SIMPLE表示大小写字母的组合。
             * 第二个参数是生成字符串的长度。
             */
            list.add(RandomUtil.randomString(RandomUtil.BASE_CHAR, 6));
        }

        /**
         * 筛选字符串中带有s的字符串
         */
        //开始时间
        long firstStartTime = System.currentTimeMillis();
        List<String> slowCollect = list.stream()
                .filter(s -> s.contains("s"))
                .collect(Collectors.toList());
        //结束时间
        long firstEndTime = System.currentTimeMillis();
        log.info("计算耗时" + (firstEndTime - firstStartTime));


        //开始时间
        long secondStartTime = System.currentTimeMillis();
        List<String> fastCollect = list.stream()
                .parallel()//并发处理
                .filter(s -> s.contains("s"))
                .collect(Collectors.toList());
        //结束时间
        long secondEndTime = System.currentTimeMillis();
        log.info("并发处理计算耗时" + (secondEndTime - secondStartTime));
    }