[[342087]]

本文轉載自微信公眾號「小姐姐味道」，作者小姐姐養的狗  。轉載本文請聯系小姐姐味道公眾號。 

很多同學喜歡使用lambda表達式，它允許你定義短小精悍的函數，體現你高超的編碼水平。當然，這個功能在某些以代碼行數來衡量工作量的公司來說，就比較吃虧一些。

比如下面的代碼片段，讓人閱讀的時候就像是讀詩一樣。但是一旦用不好，也是會要命的。

List<Integer> transactionsIds = 
widgets.stream() 
             .filter(b -> b.getColor() == RED) 
             .sorted((x,y) -> x.getWeight() - y.getWeight()) 
             .mapToInt(Widget::getWeight) 
             .sum(); 

這段代碼有一個關鍵的函數，那就是stream。通過它，可以將一個普通的list，轉化為流，然后就可以使用類似于管道的方式對list進行操作。總之，用過的都說好。

對這些函數還不是太熟悉?可以參考：《到處是map、flatMap，啥意思?》

問題來了

假如我們把stream換成parallelStream，會發生什么情況?

根據字面上的意思，流會從串行 變成并行。

既然是并行，那用屁股想一想，就知道這里面肯定會有線程安全問題。不過我們這里討論的并不是要你使用線程安全的集合，這個話題太低級。現階段，知道在線程不安全的環境中使用線程安全的集合，已經是一個基本的技能。

這次踩坑的地方，是并行流的性能問題。

我們用代碼來說話。

下面的代碼，開啟了8個線程，這8個線程都在使用并行流進行數據計算。在執行的邏輯中，我們讓每個任務都sleep 1秒鐘，這樣就能夠模擬一些I/O請求的耗時等待。

使用stream，程序會在30秒后返回，但我們期望程序能夠在1秒多返回，因為它是并行流，得對得起這個稱號。

測試發現，我們等了好久，任務才執行完畢。

static void paralleTest() { 
    List<Integer> numbers = Arrays.asList( 
            0, 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 
    ); 
    final long begin = System.currentTimeMillis(); 
    numbers.parallelStream().map(k -> { 
        try { 
            Thread.sleep(1000); 
            System.out.println((System.currentTimeMillis() - begin) + "ms => " + k + " \t" + Thread.currentThread()); 
        } catch (InterruptedException e) { 
            e.printStackTrace(); 
        } 
        return k; 
    }).collect(Collectors.toList()); 
} 
 
public static void main(String[] args) { 
//    System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "20"); 
    new Thread(() -> paralleTest()).start(); 
    new Thread(() -> paralleTest()).start(); 
    new Thread(() -> paralleTest()).start(); 
    new Thread(() -> paralleTest()).start(); 
    new Thread(() -> paralleTest()).start(); 
    new Thread(() -> paralleTest()).start(); 
    new Thread(() -> paralleTest()).start(); 
    new Thread(() -> paralleTest()).start(); 
} 

坑

實際上，在不同的機器上執行，這段代碼花費的時間都不一樣。

既然是并行，那肯定得有個并行度。太低了，體現不到并行的能能力;太大了，又浪費了上下文切換的時間。我是很沮喪的發現，很多高級研發，將線程池的各種參數背的滾瓜爛熟，各種調優，竟然敢睜一只眼閉一只眼的在I/O密集型業務中用上parallelStream。

要了解這個并行度，我們需要查看具體的構造方法。在ForkJoinPool類中找到這樣的代碼。

try {  // ignore exceptions in accessing/parsing properties 
    String pp = System.getProperty 
        ("java.util.concurrent.ForkJoinPool.common.parallelism"); 
    if (pp != null) 
        parallelism = Integer.parseInt(pp); 
    fac = (ForkJoinWorkerThreadFactory) newInstanceFromSystemProperty( 
        "java.util.concurrent.ForkJoinPool.common.threadFactory"); 
    handler = (UncaughtExceptionHandler) newInstanceFromSystemProperty( 
        "java.util.concurrent.ForkJoinPool.common.exceptionHandler"); 
} catch (Exception ignore) { 
} 
 
if (fac == null) { 
    if (System.getSecurityManager() == null) 
        fac = defaultForkJoinWorkerThreadFactory; 
    else // use security-managed default 
        fac = new InnocuousForkJoinWorkerThreadFactory(); 
} 
if (parallelism < 0 && // default 1 less than #cores 
    (parallelism = Runtime.getRuntime().availableProcessors() - 1) <= 0) 
    parallelism = 1; 
if (parallelism > MAX_CAP) 
    parallelism = MAX_CAP; 

可以看到，并行度到底是多少，是由下面的參數來控制的。如果無法獲取這個參數，則默認使用 CPU個數-1 的并行度。

可以看到，這個函數是為了計算密集型業務去設計的。如果你喂給它一大堆任務，它就會由并行執行退變成類似于串行的效果。

-Djava.util.concurrent.ForkJoinPool.common.parallelism=N 

即使你使用-Djava.util.concurrent.ForkJoinPool.common.parallelism=N設置了一個初始值大小，它依然有問題。

因為，parallelism這個變量是final的，一旦設定，不允許修改。也就是說，上面的參數只會生效一次。

張三可能使用下面的代碼，設置了并行度大小為20。

System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "20"); 

李四可能用同樣的方式，設置了這個值為30。那實際在項目中用的是哪個值，那就得問JVM是怎么加載的類信息了。

這種方式并不太非常靠譜。

一種解決方式

我們可以通過提供外置的forkjoinpool，也就是改變提交方式，來實現不同類型的任務分離。

代碼如下所示，通過顯式的代碼提交，即可實現任務分離。

ForkJoinPool pool = new ForkJoinPool(30); 
 
final long begin = System.currentTimeMillis(); 
try { 
    pool.submit(() -> 
            numbers.parallelStream().map(k -> { 
                try { 
                    Thread.sleep(1000); 
                    System.out.println((System.currentTimeMillis() - begin) + "ms => " + k + " \t" + Thread.currentThread()); 
                } catch (InterruptedException e) { 
                    e.printStackTrace(); 
                } 
                return k; 
            }).collect(Collectors.toList())).get(); 
} catch (InterruptedException e) { 
    e.printStackTrace(); 
} catch (ExecutionException e) { 
    e.printStackTrace(); 
} 

這樣，不同的場景，就可以擁有不同的并行度。這種方式和CountDownLatch有異曲同工之妙，我們需要手動管理資源。

使用了這種方式，代碼量增加，已經和優雅關系不大了，不僅不優雅，而且丑的要命。白天鵝變成了丑小鴨，你還會愛它么?

作者簡介：小姐姐味道 (xjjdog)，一個不允許程序員走彎路的公眾號。聚焦基礎架構和Linux。十年架構，日百億流量，與你探討高并發世界，給你不一樣的味道。我的個人微信xjjdog0，歡迎添加好友，進一步交流。