為什么list.sort()比Stream().sorted()更快？
看到一個評論，里面提到了list.sort()和list.strem().sorted()排序的差異。
說到list.sort()排序比stream().sorted()排序性能更好。
但沒說到為什么。
有朋友也提到了這一點。
本文重新開始，先問是不是，再問為什么。
真的更好嗎?
先簡單寫個 demo。
List<Integer> userList = new ArrayList<>();
Random rand = new Random();
for (int i = 0; i < 10000 ; i++) {
userList.add(rand.nextInt(1000));
}
List<Integer> userList2 = new ArrayList<>();
userList2.addAll(userList);
Long startTime1 = System.currentTimeMillis();
userList2.stream().sorted(Comparator.comparing(Integer::intValue)).collect(Collectors.toList());
System.out.println("stream.sort耗時："+(System.currentTimeMillis() - startTime1)+"ms");
Long startTime = System.currentTimeMillis();
userList.sort(Comparator.comparing(Integer::intValue));
System.out.println("List.sort()耗時："+(System.currentTimeMillis()-startTime)+"ms");輸出：
stream.sort耗時：62ms
List.sort()耗時：7ms由此可見 list 原生排序性能更好。
能證明嗎?
不一定吧。
再把 demo 變換一下，先輸出stream.sort。
List<Integer> userList = new ArrayList<>();
Random rand = new Random();
for (int i = 0; i < 10000 ; i++) {
userList.add(rand.nextInt(1000));
}
List<Integer> userList2 = new ArrayList<>();
userList2.addAll(userList);
Long startTime = System.currentTimeMillis();
userList.sort(Comparator.comparing(Integer::intValue));
System.out.println("List.sort()耗時："+(System.currentTimeMillis()-startTime)+"ms");
Long startTime1 = System.currentTimeMillis();
userList2.stream().sorted(Comparator.comparing(Integer::intValue)).collect(Collectors.toList());
System.out.println("stream.sort耗時："+(System.currentTimeMillis() - startTime1)+"ms");此時輸出變成了：
List.sort()耗時：68ms
stream.sort耗時：13ms這能證明上面的結(jié)論錯誤了嗎?
都不能。
兩種方式都不能證明到底誰更快。
使用這種方式在很多場景下是不夠的，某些場景下，JVM 會對代碼進(jìn)行 JIT 編譯和內(nèi)聯(lián)優(yōu)化。
Long startTime = System.currentTimeMillis();
...
System.currentTimeMillis() - startTime此時，代碼優(yōu)化前后執(zhí)行的結(jié)果就會非常大。
基準(zhǔn)測試是指通過設(shè)計科學(xué)的測試方法、測試工具和測試系統(tǒng)，實現(xiàn)對一類測試對象的某項性能指標(biāo)進(jìn)行定量的和可對比的測試。
基準(zhǔn)測試使得被測試代碼獲得足夠預(yù)熱，讓被測試代碼得到充分的 JIT 編譯和優(yōu)化。
下面是通過 JMH 做一下基準(zhǔn)測試，分別測試集合大小在 100，10000，100000 時兩種排序方式的性能差異。
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<Integer> arrayList;
public static void main(String[] args) throws RunnerException {
// 啟動基準(zhǔn)測試
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 < operationSize; i++) {
arrayList.add(random.nextInt(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);
}
}性能測試結(jié)果：
可以看到，list.sort()效率確實比stream().sorted()要好。
為什么更好?
流本身的損耗
java 的 stream 讓我們可以在應(yīng)用層就可以高效地實現(xiàn)類似數(shù)據(jù)庫 SQL 的聚合操作了，它可以讓代碼更加簡潔優(yōu)雅。
但是，假設(shè)我們要對一個 list 排序，得先把 list 轉(zhuǎn)成 stream 流，排序完成后需要將數(shù)據(jù)收集起來重新形成 list，這部份額外的開銷有多大呢?
我們可以通過以下代碼來進(jìn)行基準(zhǔn)測試：
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; // 操作次數(shù)
private static List<Integer> arrayList;
public static void main(String[] args) throws RunnerException {
// 啟動基準(zhǔn)測試
Options opt = new OptionsBuilder()
.include(SortBenchmark3.class.getSimpleName()) // 要導(dǎo)入的測試類
.result("SortBenchmark3.json")
.mode(Mode.All)
.resultFormat(ResultFormatType.JSON)
.build();
new Runner(opt).run(); // 執(zhí)行測試
}
@Setup
public void init() {
// 啟動執(zhí)行事件
arrayList = new ArrayList<>();
Random random = new Random();
for (int i = 0; i < operationSize; i++) {
arrayList.add(random.nextInt(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 測試將一個集合轉(zhuǎn)為流再收集回來的耗時。
方法 sort 測試將一個集合轉(zhuǎn)為流再排序再收集回來的全過程耗時。
測試結(jié)果如下：
可以發(fā)現(xiàn)，集合轉(zhuǎn)為流再收集回來的過程，肯定會耗時，但是它占全過程的比率并不算高。
因此，這部只能說是小部份的原因。
排序過程
我們可以通過以下源碼很直觀的看到。
- 1 begin方法初始化一個數(shù)組。
- 2 accept 接收上游數(shù)據(jù)。
- 3 end 方法開始進(jìn)行排序。
這里第 3 步直接調(diào)用了原生的排序方法，完成排序后，第 4 步，遍歷向下游發(fā)送數(shù)據(jù)。
所以通過源碼，我們也能很明顯地看到，stream()排序所需時間肯定是 > 原生排序時間。
只不過，這里要量化地搞明白，到底多出了多少，這里得去編譯 jdk 源碼，在第 3 步前后將時間打印出來。
這一步我就不做了。
感興趣的朋友可以去測一下。
不過我覺得這兩點也能很好地回答，為什么list.sort()比Stream().sorted()更快。
補(bǔ)充說明：
- 本文說的 stream() 流指的是串行流，而不是并行流。
- 絕大多數(shù)場景下，幾百幾千幾萬的數(shù)據(jù)，開心就好，怎么方便怎么用，沒有必要去計較這點性能差異。
