java lambda循环_使用Java 8 Lambda简化嵌套循环操作
javalambda循环
对于每个经常需要在Java8(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(inti=0;i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:
privatevoidloop(float[][]values,BiConsumerconsumer){ for(inti=0;i 现在,我们可以像这样循环遍历数组索引:
float[][]values=... loop(values,(i,k)->{ floatvalue=values[i][k]; //dosomethingwithi,kandvalue });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
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
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 publicvoidtest(){ //数据并行化处理 //学生集合 Personkobe=newPerson("kobe",40,1); Personjordan=newPerson("jordan",50,1); Personmess=newPerson("mess",20,2); ListpersonList=Arrays.asList(kobe,jordan,mess); longbeginTime=System.currentTimeMillis(); //原来的方式 List oldBoys=newArrayList<>(personList.size()); for(Personp:personList){ //性别男 if(p.getSex()==1){ oldBoys.add(p); } } longendTime=System.currentTimeMillis(); log.info("原来的方式taketime:"+(endTime-beginTime)); beginTime=System.currentTimeMillis(); //流方式:找出所有男同学 List newBoys=personList.stream() .filter(p->1==p.getSex()) .collect(Collectors.toList()); endTime=System.currentTimeMillis(); log.info("流方式taketime:"+(endTime-beginTime)); beginTime=System.currentTimeMillis(); //流方式:找出所有男同学 List parallelBoys=personList.parallelStream() .filter(p->1==p.getSex()) .collect(Collectors.toList()); endTime=System.currentTimeMillis(); log.info("并行流方式taketime:"+(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 publicvoidtest(){ //学生集合 ListpersonList=newArrayList<>(1000000); for(inti=0,j=1000000;i p.getAge()).sum(); longendTime2=System.currentTimeMillis(); log.info("并行流方式taketime:"+(endTime2-beginTime2)); log.info("parallelAges:"+parallelAges); longbeginTime=System.currentTimeMillis(); //原来的方式 inttotalAge=0; for(Personp:personList){ //年龄之和 totalAge=totalAge+p.getAge(); } longendTime=System.currentTimeMillis(); log.info("原来的方式taketime:"+(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javalambda循环_使用Java8Lambda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毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。