背景

Java8的stream接口極大地減少了for循環(huán)寫法的復(fù)雜性，stream提供了map/reduce/collect等一系列聚合接口，還支持并發(fā)操作：parallelStream。

在爬蟲開發(fā)過程中，經(jīng)常會(huì)遇到遍歷一個(gè)很大的集合做重復(fù)的操作，這時(shí)候如果使用串行執(zhí)行會(huì)相當(dāng)耗時(shí)，因此一般會(huì)采用多線程來提速。Java8的paralleStream用fork/join框架提供了并發(fā)執(zhí)行能力。但是如果使用不當(dāng)，很容易陷入誤區(qū)。

Java8的paralleStream是線程安全的嗎

一個(gè)簡單的例子,在下面的代碼中采用stream的forEach接口對(duì)1-10000進(jìn)行遍歷，分別插入到3個(gè)ArrayList中。其中對(duì)第一個(gè)list的插入采用串行遍歷，第二個(gè)使用paralleStream，第三個(gè)使用paralleStream的同時(shí)用ReentryLock對(duì)插入列表操作進(jìn)行同步：

private static List<Integer> list1 = new ArrayList<>();
private static List<Integer> list2 = new ArrayList<>();
private static List<Integer> list3 = new ArrayList<>();
private static Lock lock = new ReentrantLock();

public static void main(String[] args) {
    IntStream.range(0, 10000).forEach(list1::add);

    IntStream.range(0, 10000).parallel().forEach(list2::add);

    IntStream.range(0, 10000).parallel().forEach(i -> {
    lock.lock();
    try {
        list3.add(i);
    }finally {
        lock.unlock();
    }
    });

    System.out.println("串行執(zhí)行的大小：" + list1.size());
    System.out.println("并行執(zhí)行的大?。? + list2.size());
    System.out.println("加鎖并行執(zhí)行的大小：" + list3.size());
}

執(zhí)行結(jié)果：

串行執(zhí)行的大?。?0000
并行執(zhí)行的大?。?595
加鎖并行執(zhí)行的大?。?0000

并且每次的結(jié)果中并行執(zhí)行的大小不一致，而串行和加鎖后的結(jié)果一直都是正確結(jié)果。顯而易見，stream.parallel.forEach()中執(zhí)行的操作并非線程安全。

那么既然paralleStream不是線程安全的，是不是在其中的進(jìn)行的非原子操作都要加鎖呢？我在stackOverflow上找到了答案：

• https://codereview.stackexchange.com/questions/60401/using-java-8-parallel-streams

• https://stackoverflow.com/questions/22350288/parallel-streams-collectors-and-thread-safety

在上面兩個(gè)問題的解答中，證實(shí)paralleStream的forEach接口確實(shí)不能保證同步，同時(shí)也提出了解決方案：使用collect和reduce接口。

http://docs.oracle.com/javase/tutorial/collections/streams/parallelism.html

在Javadoc中也對(duì)stream的并發(fā)操作進(jìn)行了相關(guān)介紹：

The Collections Framework provides synchronization wrappers, which add automatic synchronization to an arbitrary collection, making it thread-safe.

Collections框架提供了同步的包裝，使得其中的操作線程安全。

所以下一步，來看看collect接口如何使用。

stream的collect接口

閑話不多說直接上源碼吧，Stream.java中的collect方法句柄：

<R, A> R collect(Collector<? super T, A, R> collector);

在該實(shí)現(xiàn)方法中，參數(shù)是一個(gè)Collector對(duì)象，可以使用Collectors類的靜態(tài)方法構(gòu)造Collector對(duì)象，比如Collectors.toList()，toSet(),toMap()，etc，這塊很容易查到API故不細(xì)說了。

除此之外，我們?nèi)绻赾ollect接口中做更多的事，就需要自定義實(shí)現(xiàn)Collector接口，需要實(shí)現(xiàn)以下方法：

Supplier<A> supplier();
BiConsumer<A, T> accumulator();
BinaryOperator<A> combiner();
Function<A, R> finisher();
Set<Characteristics> characteristics();

要輕松理解這三個(gè)參數(shù)，要先知道fork/join是怎么運(yùn)轉(zhuǎn)的，一圖以蔽之：

[圖片上傳失敗...(image-8c4531-1543460289921)]

上圖來自：http://www.infoq.com/cn/articles/fork-join-introduction

簡單地說就是大任務(wù)拆分成小任務(wù)，分別用不同線程去完成，然后把結(jié)果合并后返回。所以第一步是拆分，第二步是分開運(yùn)算，第三步是合并。這三個(gè)步驟分別對(duì)應(yīng)的就是Collector的supplier,accumulator和combiner。talk is cheap show me the code，下面用一個(gè)例子來說明：

輸入是一個(gè)10個(gè)整型數(shù)字的ArrayList，通過計(jì)算轉(zhuǎn)換成double類型的Set，首先定義一個(gè)計(jì)算組件：

Compute.java:

public class Compute {
public Double compute(int num) {
    return (double) (2 * num);
}
}

接下來在Main.java中定義輸入的類型為ArrayList的nums和類型為Set的輸出結(jié)果result：

private List<Integer> nums = new ArrayList<>();
private Set<Double> result = new HashSet<>();

定義轉(zhuǎn)換list的run方法，實(shí)現(xiàn)Collector接口，調(diào)用內(nèi)部類Container中的方法，其中characteristics()方法返回空set即可：

public void run() {
    // 填充原始數(shù)據(jù)，nums中填充0-9 10個(gè)數(shù)
    IntStream.range(0, 10).forEach(nums::add);
    //實(shí)現(xiàn)Collector接口
    result = nums.stream().parallel().collect(new Collector<Integer, Container, Set<Double>>() {

    @Override
    public Supplier<Container> supplier() {
        return Container::new;
    }

    @Override
    public BiConsumer<Container, Integer> accumulator() {
        return Container::accumulate;
    }

    @Override
    public BinaryOperator<Container> combiner() {
        return Container::combine;
    }

    @Override
    public Function<Container, Set<Double>> finisher() {
        return Container::getResult;
    }

    @Override
    public Set<Characteristics> characteristics() {
        // 固定寫法
        return Collections.emptySet();
    }
    });
}

構(gòu)造內(nèi)部類Container，該類的作用是一個(gè)存放輸入的容器，定義了三個(gè)方法：

• accumulate方法對(duì)輸入數(shù)據(jù)進(jìn)行處理并存入本地的結(jié)果
• combine方法將其他容器的結(jié)果合并到本地的結(jié)果中
• getResult方法返回本地的結(jié)果

Container.java:

class Container {
    // 定義本地的result
    public Set<Double> set;

    public Container() {
    this.set = new HashSet<>();
    }

    public Container accumulate(int num) {
    this.set.add(compute.compute(num));
    return this;
    }

    public Container combine(Container container) {
    this.set.addAll(container.set);
    return this;
    }

    public Set<Double> getResult() {
    return this.set;
    }
}

在Main.java中編寫測試方法：

public static void main(String[] args) {
    Main main = new Main();
    main.run();
    System.out.println("原始數(shù)據(jù)：");
    main.nums.forEach(i -> System.out.print(i + " "));
    System.out.println("\n\ncollect方法加工后的數(shù)據(jù)：");
    main.result.forEach(i -> System.out.print(i + " "));
}

輸出：

原始數(shù)據(jù)：
0 1 2 3 4 5 6 7 8 9 

collect方法加工后的數(shù)據(jù)：
0.0 2.0 4.0 8.0 16.0 18.0 10.0 6.0 12.0 14.0 

我們將10個(gè)整型數(shù)值的list轉(zhuǎn)成了10個(gè)double類型的set，至此驗(yàn)證成功～

本程序參考 http://blog.csdn.net/io_field/article/details/54971555。

一言蔽之

總結(jié)就是paralleStream里直接去修改變量是非線程安全的，但是采用collect和reduce操作就是滿足線程安全的了。