自身的软件程序自备清单

Streams

  • 初稿作者:
    shekhargulati
  • 译者: leege100
  • 状态: 完成

在第二章中,大家上学到了lambda表达式允许我们在不制造新类的景色下传递行为,从而辅助我们写出干净简单的代码。lambda表明式是一种简单的语法结构,它通过采纳函数式接口来援救开发者简单明了的传递意图。当使用lambda表明式的规划思想来规划API时,lambda表明式的强大就会拿到呈现,比如我们在其次节探讨的采纳函数式接口编程的APIlambdas
chapter

Stream是java8引入的一个重度使用lambda表明式的API。Stream使用一体系似用SQL语句从数据库查询数据的直观形式来提供一种对Java集合运算和发挥的高阶抽象。直观意味着开发者在写代码时只需关注他们想要的结果是怎样而无需关注实现结果的切切实实措施。这一章节中,我们将介绍为啥我们需要一种新的数目处理API、Collection和Stream的不同之处以及怎么样将StreamAPI应用到我们的编码中。

本节的代码见 ch03
package
.

看过太多的关于享受软件分享app的小说,有些是软文,有些是良心推荐,大家对此也一连乐此不疲,当然也囊括自家自己。我当然对这种探访旁人的享受谈谈外人的经验的东西甚是着魔,就像自己看电影前总会去豆瓣先逛一圈,评论差了大多也就会要看的影视少了几分兴致,这也像是天猫购物。说回在此以前的着魔,相对于任何的款式,浏览这件事的成本实在太低,不论是时刻成本仍旧金钱成本,所以人们连续对享受很欣赏。
不过个人认为对于软件程序类的分享,还设有另一个心绪因素。当旁人分享了部分毋庸置疑的、新奇的、有趣的、高效的软件程序后,总以为自己使用那么些软件也会自然如分享这无异使用的一定欢乐和飞快,然后就好比有了XX软件,我做某件事立马会出任ceo赢取白富美走上人生巅峰。其实不然。关键仍旧看人,看人的做事态度和办法,而软件是用作一种工具存在,对有知者事半功倍,对无知者无非玩玩装装逼。
很丧气,惭愧的说也打了下自己的脸。然而本人对像乐乎这种有如何好用的app推荐?有什么高速的windows下软件?等题材也逐年看明了了,参考别人的观点和享用尽管很关键,但对此形形色色的软件最后也应学会取舍。
组合自己的工作风格和读书工作特色,拔取相应的软件搭配才是王道。可是你说有时候玩玩看个与众不同这那是另说。
说了这般多,这为何自己或者要凑这一个热闹啊?今天的一个事算作是导火索,然后想起来如此的事爆发过很频繁。就是后日突然因为做事亟待要换Java的版本,然后去官网下么发现很慢,于是就百度,于是就搜了好一会。然后发现那样的事体已经发生过不止五次,因为系统重装或者另外急需,会又用到无数软件特别是外国的,而因为部分原因总是不易于下载到安装包,或者找不到这儿透过别人改动过好用的本子,对此有大费周折的检索抑或抛弃,然后甚是费时和上火。
然后据此我想协调建立一个和好的软件程序清单,把用过仍然在用的满足和实用的软件举办一个分享和备份,下次回来查找也便于。但是这还要也将是个不小的工程量,也是一个经久不衰的事物。我会花点时间整治,一每一日革新吧,然后在今后的长河中再举办更新。
简单的说,一来自用,二来我们有趣味看看,顺便也得以提提意见和帮帮小忙。
废话太多了,真是。

干什么我们需要一种新的数额处理抽象概念?

在我看来,紧要有两点:

  1. Collection API
    不可能提供更高阶的构造来询问数据,因此开发者不得不为促成多数零碎的任务而写一大堆样板代码。

2、对聚集数据的并行处理有一定的范围,怎么样采用Java语言的产出结构、如何高效的拍卖数据以及咋样急迅的出现都亟需由程序员自己来揣摩和贯彻。


Java 8以前的多寡处理

开卷下边这一段代码,猜猜看它是拿来做什么样的。

public class Example1_Java7 {

    public static void main(String[] args) {
        List<Task> tasks = getTasks();

        List<Task> readingTasks = new ArrayList<>();
        for (Task task : tasks) {
            if (task.getType() == TaskType.READING) {
                readingTasks.add(task);
            }
        }
        Collections.sort(readingTasks, new Comparator<Task>() {
            @Override
            public int compare(Task t1, Task t2) {
                return t1.getTitle().length() - t2.getTitle().length();
            }
        });
        for (Task readingTask : readingTasks) {
            System.out.println(readingTask.getTitle());
        }
    }
}

地点这段代码是用来遵照字符串长度的排序打印所有READING类型的task的title。所有Java开发者每日都会写这样的代码,为了写出如此一个粗略的主次,我们不得不写下15行Java代码。不过下面这段代码最大的题目不在于其代码长度,而介于不可能清晰传达开发者的打算:过滤出富有READING的task、遵照字符串的长度排序然后生成一个String类型的List。

说明

  1. 清单以自用为主,费劲做了下分享,如软件包中有私家数据请告知
  2. windows软件以64位为主,以灰色优化化软件为主导,windows7下利用正规
  3. 所有软件均出自网络,请勿做不成用途,后果本人概不负责
  4. 为局部国外不易下载软件做备份,为一些精品修改软件做存储,而搁浅采纳性更新
  5. 迎接推荐和享用各个软件

小心表达

粉红色版:指文件解压或打开直接打击可用,不需要写入注册表
绿化版:指文件解压或打开后需要展开绿化操作,快捷写入注册表,adobe系列科普
portable版:一种便携式软件形式,属于红色软件的一种,可放入U盘随意运行。具体可浏览portableapps网站

Java8中的数据处理

可以像下边这段代码这样,使用java8中的Stream
API来促成与地点代码同等的功能。

public class Example1_Stream {

    public static void main(String[] args) {
        List<Task> tasks = getTasks();

        List<String> readingTasks = tasks.stream()
                .filter(task -> task.getType() == TaskType.READING)
                .sorted((t1, t2) -> t1.getTitle().length() - t2.getTitle().length())
                .map(Task::getTitle)
                .collect(Collectors.toList());

        readingTasks.forEach(System.out::println);
    }
}

下边这段代码中,形成了一个由五个stream操作结合的管道。

  • stream() – 通过在看似下面tasks List<Task>的集合源上调用
    stream()措施来创设一个stream的管道。

  • filter(Predicate<T>)
    这一个操效率来提取stream中匹配predicate定义规则的要素。假如你有一个stream,你可以在它下面调用零次或者屡屡暂停的操作。lambda表明式task -> task.getType() == TaskType.READING概念了一个用来过滤出装有READING的task的平整。

  • sorted(Comparator<T>): This operation returns a stream
    consisting of all the stream elements sorted by the Comparator
    defined by lambda expression i.e. in the example shown
    above.此操作重返一个stream,此stream由拥有依照lambda表达式定义的Comparator来排序后的stream元素组成,在上头代码中排序的表达式是(t1,
    t2) -> t1.getTitle().length() – t2.getTitle().length().

  • map(Function<T,R>):
    此操作重返一个stream,该stream的各样元一向自原stream的各样元素通过Function<T,R>处理后拿到的结果。

  • collect(toList())
    -此操作把地点对stream举行各个操作后的结果装进一个list中。

Windows软件程序

为啥说Java8更好

In my opinion Java 8 code is better because of following reasons:
在我看来,Java8的代码更好首要有以下几点原因:

  1. Java8代码可以清楚地发表开发者对数据过滤、排序等操作的意图。

  2. 通过运用Stream
    API格式的更高抽象,开发者表明他们所想要的是何等而不是怎么去赢得这一个结果。

  3. Stream
    API为数量处理提供一种统一的言语,使得开发者在研究数据处理时有共同的词汇。当五个开发者研讨filter函数时,你都会了解他们都是在举行一个数据过滤操作。

  4. 开发者不再需要为落实数据处理而写的各类规范代码,也不再需要为loop代码或者暂时集结来囤积数据的冗余代码,Stream
    API会处理这所有。

  5. Stream不会修改潜在的集结,它是非换换的。

编程相关

Stream是什么

Stream是一个在一些数据上的悬空视图。比如,Stream可以是一个list或者文件中的几行依旧其余随意的一个要素系列的视图。Stream
API提供可以顺序表现仍然并行表现的操作总和。开发者需要精晓某些,Stream是一种更高阶的抽象概念,而不是一种数据结构。Stream不会蕴藏数据Stream天生就很懒,唯有在被使用到时才会履行总结。它同意大家发出无限的数据流(stream
of
data)。在Java8中,你可以像上边这样,极度轻松的写出一个极端制生成特定标识符的代码:

public static void main(String[] args) {
    Stream<String> uuidStream = Stream.generate(() -> UUID.randomUUID().toString());
}

在Stream接口中有诸如ofgenerateiterate等多种静态工厂方法可以用来创建stream实例。下面提到的generate情势包含一个SupplierSupplier是一个得以用来描述一个不需要任何输入且会发生一个值的函数的函数式接口,我们向generate形式中传送一个supplier,当它被调用时会生成一个特定标识符。

Supplier<String> uuids = () -> UUID.randomUUID().toString()

运转方面那段代码,什么都不会生出,因为Stream是懒加载的,直到被选拔时才会举行。倘若我们改成如下这段代码,大家就会在控制台看到打印出来的UUID。这段程序会一贯执行下去。

public static void main(String[] args) {
    Stream<String> uuidStream = Stream.generate(() -> UUID.randomUUID().toString());
    uuidStream.forEach(System.out::println);
}

Java8运转开发者通过在一个Collection上调用stream方法来创制Stream。Stream辅助数据处理操作,从而开发者可以运用更高阶的数目处理社团来发挥运算。

办公编辑

Collection vs Stream

上面这张表演说了Collection和Stream的不同之处

图片 1

Collection vs Stream

上面大家来探索内迭代(internal iteration)和外迭代(external
iteration)的区别,以及懒赋值的概念。

下载相关

外迭代(External iteration) vs (内迭代)internal iterationvs

地点谈到的Java8 Stream API代码和Collection
API代码的分别在于由何人来控制迭代,是迭代器本身仍旧开发者。Stream
API仅仅提供他们想要实现的操作,然后迭代器把这些操作使用到地下Collection的各类元素中去。当对潜在的Collection举行的迭代操作是由迭代器本身决定时,就叫着内迭代;反之,当迭代操作是由开发者控制时,就叫着外迭代。Collection
API中for-each布局的应用就是一个外迭代的例子。

有人会说,在Collection
API中我们也不需要对秘密的迭代器举办操作,因为for-each协会早已替我们处理得很好了,但是for-each社团其实只是是一种iterator
API的语法糖罢了。for-each即便很简短,可是它有部分毛病 —
1)只有固有各类 2)容易写出生硬的命令式代码(imperative code)
3)难以并行。

影音图像

Lazy evaluation懒加载

stream表明式在被终极操作方法调用从前不会被赋值总括。Stream
API中的大多数操作会重回一个Stream。这一个操作不会做其它的举行操作,它们只会构建这一个管道。看着下边这段代码,预测一下它的输出会是何等。

List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);
Stream<Integer> stream = numbers.stream().map(n -> n / 0).filter(n -> n % 2 == 0);

上边这段代码中,我们将stream元素中的数字除以0,大家也许会认为这段代码在运行时会抛出ArithmeticExceptin可怜,而实际不会。因为stream表明式只有在有终点操作被调用时才会被执行运算。假若我们为地点的stream加上终极操作,stream就会被实践并抛出非常。

List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);
Stream<Integer> stream = numbers.stream().map(n -> n / 0).filter(n -> n % 2 == 0);
stream.collect(toList());

我们会得到如下的stack trace:

Exception in thread "main" java.lang.ArithmeticException: / by zero
    at org._7dayswithx.java8.day2.EagerEvaluationExample.lambda$main$0(EagerEvaluationExample.java:13)
    at org._7dayswithx.java8.day2.EagerEvaluationExample$$Lambda$1/1915318863.apply(Unknown Source)
    at java.util.stream.ReferencePipeline$3$1.accept(ReferencePipeline.java:193)
    at java.util.Spliterators$ArraySpliterator.forEachRemaining(Spliterators.java:948)
    at java.util.stream.AbstractPipeline.copyInto(AbstractPipeline.java:512)
    at java.util.stream.AbstractPipeline.wrapAndCopyInto(AbstractPipeline.java:502)
    at java.util.stream.ReduceOps$ReduceOp.evaluateSequential(ReduceOps.java:708)
    at java.util.stream.AbstractPipeline.evaluate(AbstractPipeline.java:234)
    at java.util.stream.ReferencePipeline.collect(ReferencePipeline.java:499)

网络连接

使用Stream API

Stream
API提供了一大堆开发者可以用来从集合中询问数据的操作,这一个操作分为两种–过渡操作和终端操作。

对接操作从已存在的stream上发生另一个新的stream的函数,比如filter,map,
sorted,等。

终极操作从stream上发出一个非stream结果的函数,如collect(toList())
, forEach, count等。

对接操作允许开发者构建在调用终极操作时才实施的管道。上面是Stream
API的一部分函数列表:

<a
href=”https://whyjava.files.wordpress.com/2015/07/stream-api.png"&gt;

图片 2

stream-api

</a>

网盘同步

示例类

在本教程中,我们将会用Task管理类来分解那一个概念。例子中,有一个叫Task的类,它是一个由用户来展现的类,其定义如下:

import java.time.LocalDate;
import java.util.*;

public class Task {
    private final String id;
    private final String title;
    private final TaskType type;
    private final LocalDate createdOn;
    private boolean done = false;
    private Set<String> tags = new HashSet<>();
    private LocalDate dueOn;

    // removed constructor, getter, and setter for brevity
}

事例中的数据集如下,在方方面面Stream API例子中我们都会用到它。

Task task1 = new Task("Read Version Control with Git book", TaskType.READING, LocalDate.of(2015, Month.JULY, 1)).addTag("git").addTag("reading").addTag("books");

Task task2 = new Task("Read Java 8 Lambdas book", TaskType.READING, LocalDate.of(2015, Month.JULY, 2)).addTag("java8").addTag("reading").addTag("books");

Task task3 = new Task("Write a mobile application to store my tasks", TaskType.CODING, LocalDate.of(2015, Month.JULY, 3)).addTag("coding").addTag("mobile");

Task task4 = new Task("Write a blog on Java 8 Streams", TaskType.WRITING, LocalDate.of(2015, Month.JULY, 4)).addTag("blogging").addTag("writing").addTag("streams");

Task task5 = new Task("Read Domain Driven Design book", TaskType.READING, LocalDate.of(2015, Month.JULY, 5)).addTag("ddd").addTag("books").addTag("reading");

List<Task> tasks = Arrays.asList(task1, task2, task3, task4, task5);

本章节暂不研究Java8的Data 提姆e
API,这里我们就把它当着一个通常的日子的API。

此外工具

原稿有许多废话和常用著名软件分享网站清单
原稿链接:http://www.lxxself.com/post/yu-dao-liao-jiu-fen-xiang/2015-08-04

Example 1: 找出具有READING Task的题目,并遵照它们的创登时间排序。

先是个例证我们即将实现的是,从Task列表中找出具有正在翻阅的任务的题目,并按照它们的开创时间排序。我们要做的操作如下:

  1. 过滤出所有TaskType为READING的Task。
  2. 依据创造时间对task举办排序。
  3. 取得每个task的title。
  4. 将得到的那些title装进一个List中。

地点的多少个操作步骤可以非凡简单的翻译成下边这段代码:

private static List<String> allReadingTasks(List<Task> tasks) {
        List<String> readingTaskTitles = tasks.stream().
                filter(task -> task.getType() == TaskType.READING).
                sorted((t1, t2) -> t1.getCreatedOn().compareTo(t2.getCreatedOn())).
                map(task -> task.getTitle()).
                collect(Collectors.toList());
        return readingTaskTitles;
}

在上边的代码中,我们使用了Stream API中如下的局部办法:

  • filter:允许开发者定义一个断定规则来从神秘的stream中提取符合此规则的一些因素。规则task
    -> task.getType() ==
    TaskType.READING
    意为从stream中精选所有TaskType 为READING的要素。

  • sorted:
    允许开发者定义一个相比较器来排序stream。上例中,我们依据创造时间来排序,其中的lambda表明式(t1,
    t2) ->
    t1.getCreatedOn().compareTo(t2.getCreatedOn())
    就对函数式接口Comparator中的compare函数举行了落实。

  • map:
    需要一个贯彻了可以将一个stream转换成另一个stream的Function<? super T, ? extends R>的lambda表达式作为参数,Function<?
    super T, ? extends
    R>接口能够将一个stream转换为另一个stream。lambda表明式task
    -> task.getTitle()
    将一个task转化为标题。

  • collect(toList())
    这是一个巅峰操作,它将装有READING的Task的题目标卷入一个list中。

大家得以经过行使Comparator接口的comparing格局和格局引用来将地点的代码简化成如下代码:

public List<String> allReadingTasks(List<Task> tasks) {
    return tasks.stream().
            filter(task -> task.getType() == TaskType.READING).
            sorted(Comparator.comparing(Task::getCreatedOn)).
            map(Task::getTitle).
            collect(Collectors.toList());

}

从Java8初阶,接口可以涵盖通过静态和默认方法来贯彻情势,在ch01现已介绍过了。
办法引用Task::getCreatedOn是由Function<Task,LocalDate>而来的。

下边代码中,我们利用了Comparator接口中的静态扶助方法comparing,此形式需要收取一个用来领取ComparableFunction用作参数,再次回到一个透过key举办相比较的Comparator。方法引用Task::getCreatedOn
是由 Function<Task, LocalDate>而来的.

我们得以像如下代码这样,使用函数组合,通过在Comparator上调用reversed()办法,来丰盛轻松的颠倒排序。

public List<String> allReadingTasksSortedByCreatedOnDesc(List<Task> tasks) {
    return tasks.stream().
            filter(task -> task.getType() == TaskType.READING).
            sorted(Comparator.comparing(Task::getCreatedOn).reversed()).
            map(Task::getTitle).
            collect(Collectors.toList());
}

Example 2: 去除重复的tasks

假定我们有一个有诸多重复task的数据集,可以像如下代码这样经过调用distinct主意来轻松的删除stream中的重复的因素:

public List<Task> allDistinctTasks(List<Task> tasks) {
    return tasks.stream().distinct().collect(Collectors.toList());
}

distinct()艺术把一个stream转换成一个不含重复元素的stream,它通过对象的equals主意来判断目的是不是等于。遵照目的相等方法的判断,假设多个对象相等就代表有重复,它就会从结果stream中移除。

Example 3: 遵照成立时间排序,找出前5个处于reading状态的task

limit艺术可以用来把结果集限定在一个加以的数字。limit是一个梗阻操作,意味着它不会为了拿到结果而去运算所有因素。

public List<String> topN(List<Task> tasks, int n){
    return tasks.stream().
            filter(task -> task.getType() == TaskType.READING).
            sorted(comparing(Task::getCreatedOn)).
            map(Task::getTitle).
            limit(n).
            collect(toList());
}

可以像如下代码这样,同时采纳skip方法和limit形式来创建某一页。

// page starts from 0. So to view a second page `page` will be 1 and n will be 5.
//page从0开始,所以要查看第二页的话,`page`应该为1,n应该为5
List<String> readingTaskTitles = tasks.stream().
                filter(task -> task.getType() == TaskType.READING).
                sorted(comparing(Task::getCreatedOn).reversed()).
                map(Task::getTitle).
                skip(page * n).
                limit(n).
                collect(toList());

Example 4:总计情况为reading的task的数码

要博取所有正处在reading的task的多少,我们可以在stream中行使count方法来收获,这些艺术是一个巅峰方法。

public long countAllReadingTasks(List<Task> tasks) {
    return tasks.stream().
            filter(task -> task.getType() == TaskType.READING).
            count();
}

Example 5: 非重复的列出具有task中的全部标签

要找出不另行的标签,我们需要下边几个步骤

  1. 得到每个task中的标签。
  2. 把具有的价签放到一个stream中。
  3. 删去重复的竹签。
  4. 把最终结出装进一个列表中。

率先步和第二步可以经过在stream上调用flatMap来得到。flatMap操作把通过调用task.getTags().stream取得的依次stream合成到一个stream。一旦我们把具备的tag放到一个stream中,大家就可以透过调用distinct艺术来取得非重复的tag。

private static List<String> allDistinctTags(List<Task> tasks) {
        return tasks.stream().flatMap(task -> task.getTags().stream()).distinct().collect(toList());
}

Example 6: 检查是不是享有reading的task都有book标签

Stream
API有一些可以用来检测数据汇总是否包含某个给定属性的艺术,allMatch,anyMatch,noneMatch,findFirst,findAny。要一口咬定是否具有情状为reading的task的title中都包含books标签,可以用如下代码来实现:

public boolean isAllReadingTasksWithTagBooks(List<Task> tasks) {
    return tasks.stream().
            filter(task -> task.getType() == TaskType.READING).
            allMatch(task -> task.getTags().contains("books"));
}

要一口咬定所有reading的task中是否留存一个task包含java8标签,可以透过anyMatch来实现,代码如下:

public boolean isAnyReadingTasksWithTagJava8(List<Task> tasks) {
    return tasks.stream().
            filter(task -> task.getType() == TaskType.READING).
            anyMatch(task -> task.getTags().contains("java8"));
}

Example 7: 创造一个负有title的总览

当你想要成立一个持有title的总览时就足以使用reduce操作,reduce可知把stream变成成一个值。reduce函数接受一个方可用来连续stream中装有因素的lambda表达式。

public String joinAllTaskTitles(List<Task> tasks) {
    return tasks.stream().
            map(Task::getTitle).
            reduce((first, second) -> first + " *** " + second).
            get();
}

Example 8: 基本类型stream的操作

除了常见的按照对象的stream,Java8对诸如int,long,double等主旨类型也提供了特定的stream。下边一起来看一些为主项目标stream的事例。

要创立一个值区间,可以调用range方法。range措施成立一个值为0到9的stream,不包含10。

IntStream.range(0, 10).forEach(System.out::println);

rangeClosed方法允许我们创立一个暗含上限值的stream。由此,下边的代码会爆发一个从1到10的stream。

IntStream.rangeClosed(1, 10).forEach(System.out::println);

仍是可以够像上边这样,通过在基本项目的stream上应用iterate办法来创立无限的stream:

LongStream infiniteStream = LongStream.iterate(1, el -> el + 1);

要从一个最好的stream中过滤出所有偶数,可以用如下代码来促成:

infiniteStream.filter(el -> el % 2 == 0).forEach(System.out::println);

可以透过动用limit操作来现在结果stream的个数,代码如下:
We can limit the resulting stream by using the limit operation as
shown below.

infiniteStream.filter(el -> el % 2 == 0).limit(100).forEach(System.out::println);

Example 9: 为数组成立stream

可以像如下代码这样,通过调用Arrays类的静态方法stream来把为数组建立stream:

String[] tags = {"java", "git", "lambdas", "machine-learning"};
Arrays.stream(tags).map(String::toUpperCase).forEach(System.out::println);

还足以像如下这样,依照数组中一定伊始下标和终止下标来创立stream。这里的开局下标包括在内,而告终下标不带有在内。

Arrays.stream(tags, 1, 3).map(String::toUpperCase).forEach(System.out::println);

Parallel Streams并发的stream

采用Stream有一个优势在于,由于stream接纳其中迭代,所以java库可以有效的军事管制处理并发。能够在一个stream上调用parallel艺术来使一个stream处于并行。parallel方法的最底层实现基于JDK7中引入的fork-joinAPI。默认境况下,它会生出与机具CPU数量相当于的线程。上面的代码中,大家遵照拍卖它们的线程来对将数字分组。在第4节师长学习collectgroupingBy函数,现在暂时掌握为它可以遵照一个key来对元素进行分组。

public class ParallelStreamExample {

    public static void main(String[] args) {
        Map<String, List<Integer>> numbersPerThread = IntStream.rangeClosed(1, 160)
                .parallel()
                .boxed()
                .collect(groupingBy(i -> Thread.currentThread().getName()));

        numbersPerThread.forEach((k, v) -> System.out.println(String.format("%s >> %s", k, v)));
    }
}

在自己的机器上,打印的结果如下:

ForkJoinPool.commonPool-worker-7 >> [46, 47, 48, 49, 50]
ForkJoinPool.commonPool-worker-1 >> [41, 42, 43, 44, 45, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130]
ForkJoinPool.commonPool-worker-2 >> [146, 147, 148, 149, 150]
main >> [106, 107, 108, 109, 110]
ForkJoinPool.commonPool-worker-5 >> [71, 72, 73, 74, 75]
ForkJoinPool.commonPool-worker-6 >> [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 151, 152, 153, 154, 155, 156, 157, 158, 159, 160]
ForkJoinPool.commonPool-worker-3 >> [21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 76, 77, 78, 79, 80]
ForkJoinPool.commonPool-worker-4 >> [91, 92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 131, 132, 133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143, 144, 145]

并不是每个工作的线程都处理相等数量的数字,可以透过改动系统特性来决定fork-join线程池的数量System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "2")

另外一个会用到parallel操作的例证是,当你像下边这样要拍卖一个URL的列表时:

String[] urls = {"https://www.google.co.in/", "https://twitter.com/", "http://www.facebook.com/"};
Arrays.stream(urls).parallel().map(url -> getUrlContent(url)).forEach(System.out::println);

假诺您想更好的控制怎么着时候应该运用并发的stream,推荐您读书由Doug
Lea和任何几位Java大牛写的稿子http://gee.cs.oswego.edu/dl/html/StreamParallelGuidance.html

Post Author: admin

发表评论

电子邮件地址不会被公开。 必填项已用*标注