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:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
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*上找到了答案:
- https://codereview.stackexchange.com/questions/60401/using-java-8-parallel-streams
- https://*.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:
1
|
<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:
1
2
3
4
5
|
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:
1
2
3
4
5
|
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:
1
2
|
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:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
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:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
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:
1
2
3
4
5
6
7
8
|
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 9collect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。
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,如果有疑问大家可以留言交流,谢谢大家对服务器之家的支持。
原文链接:https://www.cnblogs.com/puyangsky/p/7608741.html