java lambda循环_使用Java 8 Lambda简化嵌套循环操作

 更新时间:2020年09月14日 09:45:16   作者:dnc8371  
这篇文章主要介绍了java lambda循环_使用Java 8 Lambda简化嵌套循环操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

java lambda循环

对于每个经常需要在Java 8(或更高版本)中使用多维数组的人来说,这只是一个快速技巧。

在这种情况下,您可能经常会以类似于以下代码的结尾:

float[][] values = ...
for (int i = 0; i < values.length; i++) {
 for (int k = 0; k < values[i].length; k++) {
 float value = values[i][k];
 // do something with i, k and value
 }
}

如果幸运的话,可以用for-each循环替换循环。 但是,循环内的计算通常需要索引。

在这种情况下,您可以提出一个简单的实用程序方法,如下所示:

private void loop(float[][] values, BiConsumer<Integer, Integer> consumer) {
 for (int i = 0; i < values.length; i++) {
 for (int k = 0; k < values[i].length; k++) {
 consumer.accept(i, k);
 }
 }
}

现在,我们可以像这样循环遍历数组索引:

float[][] values = ...
loop(values, (i, k) -> {
 float value = values[i][k];
 // do something with i, k and value
});

这样,您可以使循环代码脱离主要逻辑。

当然,您应该更改所示的loop()方法,使其适合您的个人需求。

翻译自: https://www.javacodegeeks.com/2016/04/simplifying-nested-loops-java-8-lambdas.html

补充知识:JAVA8-lambda表达式-并行流,提升效率的利器?

写在前面的话

在前面我们已经看过了一些流的处理,那么Lambda除了在写法上的不同,还有其它什么作用呢?当然有,就是数据并行化处理!

它在某些场景下可以提高程序的性能。我们先看一个前面的例子,查找所有的男同学

// 流方式

List<Person> newBoys = personList.stream().filter(p -> 1 == p.getSex()).collect(Collectors.toList());

现在用并行流改写一下

// 流方式:找出所有男同学

List<Person> newBoys = personList.parallelStream().filter(p -> 1 == p.getSex()).collect(Collectors.toList());

细心的同学已经发现区别了,stream与parallelStream,是的,要用并行流parallelStream,就是这么简单!

什么是并行

有必要尝试解释一下,什么是数据并行化

Java支持多线程,可以同时开启多个任务。引入多线程的原因在于,线程可能会阻塞,CPU会主动切分时间片,只有分配到时间片的线程才会运行。而现代的处理器,几乎都是多核的,即多个CPU,如何才能更高效的利用硬件呢,多线程。

并行和多线程是有区别的,比如运送一堆货物,如果只有一辆车(单线程),肯定慢,平时如果货少,那还能应付过来 ,如果比如某宝的"双十一",那就肯定快递像垃圾一样如山,怎么办呢?我们可以增加车辆(多线程),那么肯定能加快运送速度。但是有一个前提,必须是多条道(多核CPU)。而在有些只有单个出口的地方,还必须排队(并发,线程安全)

而并行的针对同一个任务的。比如还是一辆车的货,10000件,全部放在A车上,要跑N个小时。现在取出一半放到B车上,理论上A,B2车同时跑,是不是会理快呢?嘿嘿嘿,这就是说的数据并行化,这里不会涉及并发。而这一切,Java8的并行流都在底层帮我们实现了

一定会更快?

纸上得来终觉浅,绝知此事要躬行!我们来看下,前面2个代码的分别执行时间

@Test
 public void test() {
 
 // 数据并行化处理
 // 学生集合
 Person kobe = new Person("kobe", 40, 1);
 Person jordan = new Person("jordan", 50, 1);
 Person mess = new Person("mess", 20, 2);
 List<Person> personList = Arrays.asList(kobe, jordan, mess);
 
 long beginTime = System.currentTimeMillis();
 
 // 原来的方式
 List<Person> oldBoys = new ArrayList<>(personList.size());
 for (Person p : personList) {
  // 性别男
  if (p.getSex() == 1) {
  oldBoys.add(p);
  }
 }
 long endTime = System.currentTimeMillis();
 log.info("原来的方式 take time:" + (endTime - beginTime));
 
 beginTime = System.currentTimeMillis();
 // 流方式:找出所有男同学
 List<Person> newBoys = personList.stream()
 .filter(p -> 1 == p.getSex())
 .collect(Collectors.toList());
 
 endTime = System.currentTimeMillis();
 log.info("流方式 take time:" + (endTime - beginTime));
 
 
 beginTime = System.currentTimeMillis();
 // 流方式:找出所有男同学
 List<Person> parallelBoys = personList.parallelStream()
 .filter(p -> 1 == p.getSex())
 .collect(Collectors.toList());
 
 endTime = System.currentTimeMillis();
 log.info("并行流方式 take time:" + (endTime - beginTime));
 }

咦,是不是很奇怪,原来的for循环方式最快?多执行几次,发现结果也是这样的,那真是这样吗,我们把数据量扩大试试

还是更慢,换个方法试试

@Test
	public void test() {
 
		// 学生集合
		List<Person> personList = new ArrayList<>(1000000);
		for (int i = 0, j = 1000000; i < j; i++) {
			int sex = i % 2;
			Person p = new Person(String.valueOf(i), i, sex);
			personList.add(p);
		}
 
		long beginTime2 = System.currentTimeMillis();
		// 流方式:年龄之和
		int parallelAges = personList.parallelStream().mapToInt(p -> p.getAge()).sum();
 
		long endTime2 = System.currentTimeMillis();
		log.info("并行流方式 take time:" + (endTime2 - beginTime2));
		log.info("parallelAges:" + parallelAges);
 
		long beginTime = System.currentTimeMillis();
 
		// 原来的方式
		int totalAge = 0;
		for (Person p : personList) {
			// 年龄之和
			totalAge = totalAge + p.getAge();
		}
		long endTime = System.currentTimeMillis();
		log.info("原来的方式 take time:" + (endTime - beginTime));
		log.info("totalAge:" + totalAge);
 
	}

看看结果,还是更慢。。。这倒很出我意外,崩溃了,

可能跟我机器有关吧。所以还是需要找地方验证,如果哪位同学能解答一下,欢迎指教

这里引用一下《java8函数式编程》的结论

一些条件

输入数据的大小。

理论上输入的数据越大,操作越复杂,并行流的效果越好。因为拆分数据处理,最后合并结果都会带来额外的开销。我们可以通过修改前面的例子,personList的大小来观察

可以看到,数据越大,并行效果越好。当然,真实项目中的处理远比上面复杂,而超过1000w的数据,我本地机器就OOM了尴尬

数据结构

我们通常是操作集合。一般来说,越好分割的并行速度越快。比如ArrayList,数组等支持随机读取的,效果较好。

HashSet,TreeSet,这类不容易公平的分解。而LinkedList,Stream.iterator等分解就比较困难的,效果是比较差的

装箱

处理包装类比基本类型花的时间多,肉眼可见

核的数量

当然,如果核的数量越多,获得潜在并行提升速度的赶快。比如4核一般比双核快,对吧

以上这篇java lambda循环_使用Java 8 Lambda简化嵌套循环操作就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。

相关文章

  • java交换排序之奇偶排序实现方法

    java交换排序之奇偶排序实现方法

    这篇文章主要介绍了java交换排序之奇偶排序实现方法,实例分析了奇偶排序的原理与具体实现技巧,非常具有实用价值,需要的朋友可以参考下
    2015-02-02
  • Java重点之基于比较的七大排序

    Java重点之基于比较的七大排序

    最近几天在研究排序算法,看了很多博客,发现网上有的文章中对排序算法解释的并不是很透彻,而且有很多代码都是错误的,所以我根据这几天看的文章,整理了一个较为完整的排序算法总结,本文中的所有算法均有JAVA实现,经本人调试无误后才发出,如有错误,请各位前辈指出
    2021-10-10
  • Java反射的使用和原理详解

    Java反射的使用和原理详解

    这篇文章主要介绍了Java反射的使用和原理详解,反射是java语言的一个特性,它允程序在运行时(注意不是编译的时候)来进行自我检查并且对内部的成员进行操作,需要的朋友可以参考下
    2024-01-01
  • 谈谈在Java发送邮件中遇到的的问题

    谈谈在Java发送邮件中遇到的的问题

    本文介绍了在利用Java发送邮件过程中遇到的的两个问题,以及如何解决这两个问题。如果大家也遇到了这些问题,可以来参考借鉴。
    2016-08-08
  • Java图片读取ImageIO.read()报错问题及解决

    Java图片读取ImageIO.read()报错问题及解决

    在使用imageio库读取图片时,如果路径中包含中文,可能会导致读取失败,解决方法是将路径中的中文字符进行转义处理,可以使用ImageUtil.java工具类进行路径转义,从而避免错误,这是一个常见问题,希望本文的解决方案能帮助到遇到相同问题的开发者
    2024-10-10
  • java实现字符串like和not like的使用示例

    java实现字符串like和not like的使用示例

    在Java中,我们经常需要对字符串进行模式匹配操作,字符串的模式匹配通常使用like和not like这两个运算符进行,本文就来介绍一下如何实现,感兴趣的可以了解一下
    2023-09-09
  • Java中的@SneakyThrows注解详解

    Java中的@SneakyThrows注解详解

    这篇文章主要介绍了Java中的@SneakyThrows注解详解,@SneakyThrows将当前方法抛出的异常,包装成RuntimeException,骗过编译器,使得调用点可以不用显示处理异常信息,需要的朋友可以参考下
    2023-10-10
  • MyBatis与Spring中的SqlSession详解

    MyBatis与Spring中的SqlSession详解

    在MyBatis中,你可以使用SqlSessionFactory来创建SqlSession,使用MyBatis-Spring之后,你不再需要直接使用SqlSessionFactory了,接下来通过示例代码讲解MyBatis与Spring中的SqlSession,需要的朋友可以参考下
    2024-05-05
  • JavaWeb如何发送状态码方法解析

    JavaWeb如何发送状态码方法解析

    这篇文章主要介绍了JavaWeb如何发送状态码方法解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-02-02
  • Java面试之线程通讯方式详解

    Java面试之线程通讯方式详解

    线程通信是指多个线程之间通过某种机制进行协调和交互,那为什么一个线程等待和通知机制就需要这么多的实现方式呢?别着急,下面小编来和大家仔细聊聊
    2023-08-08

最新评论