为什么list.sort()性能比Stream().sorted()更好？
List集合原生的排序性能和stream串行流的排序性能谁更胜一筹呢？有朋友说到list.sort()排序比stream().sorted()排序性能更好。接下里我们一起用代码来重新认识这一观点！
list sort()排序真的比stream().sorted()更好吗？
先简单写个demo
ListuserList = new ArrayList(); Random rand = new Random(); for (int i = 0; i userList.add(rand.nextInt(1000)); } ListuserList2 = new ArrayList(); userList2.addAll(userList); Long startTime1 = System.currentTimeMillis(); userList2.stream().sorted(Comparator.comparing(Integer::intValue)).collect(Collectors.toList()); System.out.println("stream.sort耗时："+(System.currentTimeMillis() - startTime1)+"ms"); Long startTime = System.currentTimeMillis(); userList.sort(Comparator.comparing(Integer::intValue)); System.out.println("List.sort()耗时："+(System.currentTimeMillis()-startTime)+"ms"); 输出
stream.sort耗时：62ms List.sort()耗时：7ms 由此可见list原生排序性能更好。
能证明吗？
证据错了。
再把demo变换一下，先输出stream.sort
ListuserList = new ArrayList(); Random rand = new Random(); for (int i = 0; i userList.add(rand.nextInt(1000)); } ListuserList2 = new ArrayList(); userList2.addAll(userList); Long startTime = System.currentTimeMillis(); userList.sort(Comparator.comparing(Integer::intValue)); System.out.println("List.sort()耗时："+(System.currentTimeMillis()-startTime)+"ms"); Long startTime1 = System.currentTimeMillis(); userList2.stream().sorted(Comparator.comparing(Integer::intValue)).collect(Collectors.toList()); System.out.println("stream.sort耗时："+(System.currentTimeMillis() - startTime1)+"ms"); 此时输出变成了
List.sort()耗时：68ms stream.sort耗时：13ms 这能证明上面的结论错误了吗？
都不能。
两种方式都不能证明什么。
使用这种方式在很多场景下是不够的，某些场景下，JVM会对代码进行JIT编译和内联优化。
Long startTime = System.currentTimeMillis(); ... System.currentTimeMillis() - startTime 此时，代码优化前后执行的结果就会非常大。
基准测试是指通过设计科学的测试方法、测试工具和测试系统，实现对一类测试对象的某项性能指标进行定量的和可对比的测试。
基准测试使得被测试代码获得足够预热，让被测试代码得到充分的JIT编译和优化。
下面是通过JMH做一下基准测试,分别测试集合大小在100，10000，100000时两种排序方式的性能差异。
import org.openjdk.jmh.annotations.*; import org.openjdk.jmh.infra.Blackhole; import org.openjdk.jmh.results.format.ResultFormatType; import org.openjdk.jmh.runner.Runner; import org.openjdk.jmh.runner.RunnerException; import org.openjdk.jmh.runner.options.Options; import org.openjdk.jmh.runner.options.OptionsBuilder; import java.util.*; import java.util.concurrent.ThreadLocalRandom; import java.util.concurrent.TimeUnit; import java.util.stream.Collectors; @BenchmarkMode(Mode.AverageTime) @OutputTimeUnit(TimeUnit.MICROSECONDS) @Warmup(iterations = 2, time = 1) @Measurement(iterations = 5, time = 5) @Fork(1) @State(Scope.Thread) public class SortBenchmark { @Param(value = {"100", "10000", "100000"}) private int operationSize; private static List arrayList; public static void main(String[] args) throws RunnerException { // 启动基准测试 Options opt = new OptionsBuilder() .include(SortBenchmark.class.getSimpleName()) .result("SortBenchmark.json") .mode(Mode.All) .resultFormat(ResultFormatType.JSON) .build(); new Runner(opt).run(); } @Setup public void init() { arrayList = new ArrayList(); Random random = new Random(); for (int i = 0; i 10000)); } } @Benchmark public void sort(Blackhole blackhole) { arrayList.sort(Comparator.comparing(e -> e)); blackhole.consume(arrayList); } @Benchmark public void streamSorted(Blackhole blackhole) { arrayList = arrayList.stream().sorted(Comparator.comparing(e -> e)).collect(Collectors.toList()); blackhole.consume(arrayList); } } 性能基准测试结果
可以看到，list sort()效率确实比stream().sorted()要好。
为什么更好？
流本身的损耗
Java的Stream使我们能够在应用层轻松高效地执行类似于数据库SQL的聚合操作。这种优雅的编程范式使代码变得更加简洁。
然而，在某些情况下需要注意效率。举个例子，如果我们想对一个List进行排序，就需要先将其转换为一个Stream流，完成排序后还需要将数据收集起来并重新构建成List。这个过程中会带来额外的开销，那么这个开销究竟有多大呢？
我们可以通过以下代码来进行基准测试
import org.openjdk.jmh.annotations.*; import org.openjdk.jmh.infra.Blackhole; import org.openjdk.jmh.results.format.ResultFormatType; import org.openjdk.jmh.runner.Runner; import org.openjdk.jmh.runner.RunnerException; import org.openjdk.jmh.runner.options.Options; import org.openjdk.jmh.runner.options.OptionsBuilder; import java.util.ArrayList; import java.util.Comparator; import java.util.List; import java.util.Random; import java.util.concurrent.TimeUnit; import java.util.stream.Collectors; @BenchmarkMode(Mode.AverageTime) @OutputTimeUnit(TimeUnit.MICROSECONDS) @Warmup(iterations = 2, time = 1) @Measurement(iterations = 5, time = 5) @Fork(1) @State(Scope.Thread) public class SortBenchmark3 { @Param(value = {"100", "10000"}) private int operationSize; // 操作次数 private static List arrayList; public static void main(String[] args) throws RunnerException { // 启动基准测试 Options opt = new OptionsBuilder() .include(SortBenchmark3.class.getSimpleName()) // 要导入的测试类 .result("SortBenchmark3.json") .mode(Mode.All) .resultFormat(ResultFormatType.JSON) .build(); new Runner(opt).run(); // 执行测试 } @Setup public void init() { // 启动执行事件 arrayList = new ArrayList(); Random random = new Random(); for (int i = 0; i 10000)); } } @Benchmark public void stream(Blackhole blackhole) { arrayList.stream().collect(Collectors.toList()); blackhole.consume(arrayList); } @Benchmark public void sort(Blackhole blackhole) { arrayList.stream().sorted(Comparator.comparing(Integer::intValue)).collect(Collectors.toList()); blackhole.consume(arrayList); } } 方法stream测试将一个集合转为流再收集回来的耗时。
方法sort测试将一个集合转为流再排序再收集回来的全过程耗时。
测试结果如下：
可以发现，集合转为流再收集回来的过程，肯定会耗时，但是它占全过程的比率并不算高。
因此，这部只能说是小部份的原因。
排序过程
通过检查代码，我们可以直观地理解排序过程如下：
- 初始化过程（
begin方法）设置了一个数组的起始状态。 - 接受数据（
accept方法）用于接收来自上游的数据。 - 排序过程（
end方法）开始进行排序操作。在这一步中，直接调用了底层的排序方法，完成数据排序。排序完成后，我们进入第4步。 - 数据发送，数据按照排序结果逐个发送给下游。
因此，通过对源码的分析，我们能够清楚地看到，在排序操作方面，stream() 的排序操作所需的时间肯定大于直接调用原生排序方法。
尽管如此，我们要考虑量化这种差异，需要对JDK源代码进行编译，然后在第3步之前和之后插入时间记录，以精确衡量时间开销。
这一步虽然略显繁琐，但对于那些对细节感兴趣的人来说，是一个值得尝试的实践。
最后，我认为这两个观点可以很好地解释为什么 list.sort() 比 Stream().sorted() 更加高效。前者能够避免Stream操作的一些开销，从而在性能上表现更好。不过，我们也要记住，Stream操作在很多情况下更注重代码的简洁性和可读性，而不是追求绝对的性能。所以，在实际应用中，根据情况权衡选择是很重要的。
总结
实际上，本文说的stream()流指的是串行流，而不是并行流。Stream在内部会通过迭代器来遍历数据并执行相应的操作，这可能会引入一些额外的性能开销。尽管这些开销在大多数情况下是可以忽略不计的，但在某些特定情况下可能会对性能产生一些微弱的影响。在进行大规模数据处理时，特别是对于一些简单的操作，将Stream引入可能会稍微降低性能。此外，从Stream到集合类型的转换，例如将排序后的数据重新收集到List中，也会涉及到一些内部操作，从而引入一定程度的开销。
然而，需要强调的是，现代的JVM在对Stream操作进行优化方面已经取得了很大的进步。它们会尽量减少额外的开销，并针对各种操作模式进行了优化。绝大多数场景下，几百几千几万的数据，开心就好，怎么方便怎么用，没有必要去计较这点性能差异。因此，一般情况下，使用Stream进行操作不会显著影响性能。如果性能对于特定应用场景非常关键，可以考虑使用传统的循环方式来处理数据，以获得更精细的控制。
支付宝扫一扫
微信扫一扫 |
