


L'API Streams de Java 8 est-elle plus rapide que les collections traditionnelles dans les scénarios critiques en termes de performances ?
Java 8 : analyse des performances des flux par rapport aux collections
Évaluation des performances de l'API Streams récemment introduite dans Java 8 par rapport à l'approche traditionnelle des collections est un aspect crucial pour les développeurs. Pour fournir des informations, un premier benchmark a été réalisé, qui a soulevé des questions sur l'efficacité comparative de ces deux méthodes.
Configuration et résultats du benchmark
Le benchmark impliquait de filtrer un échantillon important liste d'entiers et calcul de la racine carrée des nombres pairs, stockage des résultats dans une liste de Double. L'extrait de code ci-dessous illustre la mise en œuvre :
<code class="java"> // Source list initialization List<Integer> sourceList = new ArrayList<>(); for (int i = 1; i < 1000000; i++) { sourceList.add(i); } // Collections approach List<Double> resultCollection = new LinkedList<>(); long startTimeCollection = System.nanoTime(); // Iterate through the list and perform calculations for (Integer i : sourceList) { if (i % 2 == 0) { resultCollection.add(Math.sqrt(i)); } } long elapsedTimeCollection = System.nanoTime() - startTimeCollection; // Stream approach Stream<Integer> stream = sourceList.stream(); long startTimeStream = System.nanoTime(); // Filter even numbers and calculate square roots resultStream = stream.filter(i -> i % 2 == 0) .map(i -> Math.sqrt(i)) .collect(Collectors.toList()); long elapsedTimeStream = System.nanoTime() - startTimeStream; // Parallel stream approach stream = sourceList.stream().parallel(); long startTimeParallelStream = System.nanoTime(); resultParallelStream = stream.filter(i -> i % 2 == 0) .map(i -> Math.sqrt(i)) .collect(Collectors.toList()); long elapsedTimeParallelStream = System.nanoTime() - startTimeParallelStream;</code>
Les résultats sur une machine double cœur ont révélé que :
- L'approche des collections s'est déroulée sensiblement plus rapidement, prenant environ 0,094 seconde.
- L'approche par flux a montré des performances plus lentes, nécessitant environ 0,201 seconde.
- L'approche par flux parallèle a présenté des performances similaires à celles de l'approche par flux, se terminant en 0,357 seconde.
Analyse des résultats de référence
Sur la base de ces premiers résultats, il a été initialement conclu que les flux étaient plus lents que les collections, et que même le parallélisme ne parvenait pas à améliorer les performances. Cependant, la méthodologie de référence utilisée a soulevé des inquiétudes quant à des défauts potentiels.
Vérification améliorée des performances
Pour répondre à ces préoccupations, la référence a été révisée avec les améliorations suivantes :
- Exécution : le benchmark a été exécuté 1 000 fois après le préchauffage de la JVM pour stabiliser les performances.
- Profilage : JMH (Java Microbenchmarking Harness) a été utilisé pour exécuter le benchmark avec précision et collecter des données de performances.
Résultats du benchmark mis à jour
Le benchmark révisé a donné les résultats suivants :
- Approche des collections : durée moyenne de 0,207 seconde
- Approche flux : temps moyen de 0,098 secondes
- Approche flux parallèle : temps moyen de 0,168 secondes
Dans ce benchmark révisé, les flux ont surperformé les collections, contrairement aux conclusions initiales. Le temps d'exécution plus rapide de l'approche stream peut être attribué aux optimisations JIT et à la génération de code améliorée par le compilateur.
Conclusion
Sur la base de ces résultats mis à jour, il peut être a conclu que les flux dans Java 8 offrent à la fois une commodité de codage et des améliorations de performances par rapport aux collections traditionnelles. Bien que les flux ne soient pas toujours supérieurs, leur utilisation peut simplifier considérablement le code et améliorer l'efficacité dans de nombreux scénarios.
Bonnes pratiques
Pour exploiter efficacement les avantages des flux, considérez les bonnes pratiques suivantes :
- Utilisez des expressions lambda en ligne pour plus de concision et d'efficacité.
- Évitez les listes intermédiaires inutiles et concentrez-vous sur l'utilisation directe d'une collection cible.
- Explorez les fonctionnalités de flux parallèle pour optimiser les performances dans certains situations.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds











Dépannage et solutions au logiciel de sécurité de l'entreprise qui fait que certaines applications ne fonctionnent pas correctement. De nombreuses entreprises déploieront des logiciels de sécurité afin d'assurer la sécurité des réseaux internes. ...

Solutions pour convertir les noms en nombres pour implémenter le tri dans de nombreux scénarios d'applications, les utilisateurs peuvent avoir besoin de trier en groupe, en particulier en un ...

Le traitement de la cartographie des champs dans l'amarrage du système rencontre souvent un problème difficile lors de l'exécution d'amarrage du système: comment cartographier efficacement les champs d'interface du système a ...

Commencez le printemps à l'aide de la version IntelliJideaultimate ...

Lorsque vous utilisez MyBatis-Plus ou d'autres cadres ORM pour les opérations de base de données, il est souvent nécessaire de construire des conditions de requête en fonction du nom d'attribut de la classe d'entité. Si vous manuellement à chaque fois ...

Conversion des objets et des tableaux Java: Discussion approfondie des risques et des méthodes correctes de la conversion de type de distribution De nombreux débutants Java rencontreront la conversion d'un objet en un tableau ...

Explication détaillée de la conception des tables SKU et SPU sur les plates-formes de commerce électronique Cet article discutera des problèmes de conception de la base de données de SKU et SPU dans les plateformes de commerce électronique, en particulier comment gérer les ventes définies par l'utilisateur ...

Comment la solution de mise en cache Redis réalise-t-elle les exigences de la liste de classement des produits? Pendant le processus de développement, nous devons souvent faire face aux exigences des classements, comme l'affichage d'un ...
