Java Stream API中多个和单个filter有性能差异吗?

背景:

在做发布前code review时,看到下面这段代码

workShiftOrderDTOS = workShiftOrderDTOS.stream()
        .filter(x -> x.getShiftDO().isFullDayWorkShift() == false)
        .collect(Collectors.toList());

开发同学新增了1个筛选条件

workShiftOrderDTOS = workShiftOrderDTOS.stream()
        .filter(x -> x.getShiftDO().isFullDayWorkShift() == false)
        .filter(x -> x.getShiftDO().canViewShift())
        .collect(Collectors.toList());

思考

由上面的code review,思考下面2段对集合进行filter的代码,返回结果是一致的,性能上有差异嘛?

    @Data
    class Employee {
        private String gender;
        private Integer age;
    }

    public static void main(String[] args) {
        List<Employee> employees = Lists.newArrayList();

        // >1个filter
        employees.stream()
            .filter(employee -> employee.getAge() > 32)
            .filter(employee -> "male".equals(employee.getGender()));
        
        // 1个filter
        employees.stream()
            .filter(employee ->
                employee.getAge() > 32
                    && "male".equals(employee.getGender()));
    }

我们先看下编译后的class,可以看到编译器并未做任何优化:


于是写了4段测试代码作为对照组,执行对比耗时:
1 filter:

public static void main(String[] args) {
    List<Employee> employees = Lists.newArrayList();

    Random rand = new Random();

    for (int i = 1; i <= 100000; i++) {
        Employee employee = new Employee();

        employee.setAge(i % 100);
        employee.setGender(i % 2 == 0 ? "male" : "female");

        employees.add(employee);
    }

    StopWatch watch = new StopWatch();
    
    watch.start();
    employees.stream()
        .filter(employee ->
            employee.getAge() > 32
                && "male".equals(employee.getGender()))
        .collect(Collectors.toList());
    watch.stop();
    System.out.println(watch.getTotalTimeMillis());
}

2 filters:

public static void main(String[] args) {
    List<Employee> employees = Lists.newArrayList();

    Random rand = new Random();

    for (int i = 1; i <= 100000; i++) {
        Employee employee = new Employee();

        employee.setAge(i % 100);
        employee.setGender(i % 2 == 0 ? "male" : "female");

        employees.add(employee);
    }

    StopWatch watch = new StopWatch();

    watch.start();
    employees.stream()
        .filter(employee -> employee.getAge() > 32)
        .filter(employee -> "male".equals(employee.getGender()))
        .collect(Collectors.toList());
    watch.stop();
    System.out.println(watch.getTotalTimeMillis());
}

1 filter with sorted

public static void main(String[] args) {
    List<Employee> employees = Lists.newArrayList();

    Random rand = new Random();

    for (int i = 1; i <= 100000; i++) {
        Employee employee = new Employee();

        employee.setAge(i % 100);
        employee.setGender(i % 2 == 0 ? "male" : "female");

        employees.add(employee);
    }

    StopWatch watch = new StopWatch();

    watch.start();
    employees.stream()
        .filter(employee ->
            employee.getAge() > 32
                && "male".equals(employee.getGender()))
        .sorted(Comparator.comparingInt(Employee::getAge))
        .collect(Collectors.toList());
    watch.stop();
    System.out.println(watch.getTotalTimeMillis());
}

2 filters with sorted

public static void main(String[] args) {
    List<Employee> employees = Lists.newArrayList();

    Random rand = new Random();

    for (int i = 1; i <= 100000; i++) {
        Employee employee = new Employee();

        employee.setAge(i % 100);
        employee.setGender(i % 2 == 0 ? "male" : "female");

        employees.add(employee);
    }

    StopWatch watch = new StopWatch();

    watch.start();
    employees.stream()
        .filter(employee -> employee.getAge() > 32)
        .sorted(Comparator.comparingInt(Employee::getAge))
        .filter(employee -> "male".equals(employee.getGender()))
        .collect(Collectors.toList());
    watch.stop();
    System.out.println(watch.getTotalTimeMillis());
}

各运行10次,分别去掉最高、最低耗时后求平均值:

对照组1:

  • 1 filter
    86 77 80 87 80 83 95 74 78 85 average=82ms
  • 2 filters
    79 82 79 82 78 78 86 88 77 84 average=81ms

对照组2:

  • 1 filter with sorted
    104 129 103 102 95 97 98 92 90 101 average = 99ms
  • 2 filters with sorted
    112 114 136 113 114 121 112 126 125 111 average = 117ms

发现了什么规律?

  • 1个filter和2个连续的filter性能上并无差异。
  • 当2个filter间增加了sorted操作后,这时候把filter合并性能更优。

这和Stream API的原理推导出来的结论是一致的,有兴趣的可以百度看下Stream API原理(了解stateful op和stateless op、Stage、Sink接口)。

再延伸思考下:
1 filter和3 filters->n filters有性能差异么?(理论应该是没有的,可以实际代码测试下)

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 143,639评论 1 302
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 61,591评论 1 258
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 95,050评论 0 213
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 41,169评论 0 180
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 48,976评论 1 258
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 38,876评论 1 178
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 30,476评论 2 273
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,229评论 0 167
  • 想象着我的养父在大火中拼命挣扎,窒息,最后皮肤化为焦炭。我心中就已经是抑制不住地欢快,这就叫做以其人之道,还治其人...
    爱写小说的胖达阅读 29,095评论 6 234
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 32,579评论 0 213
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,356评论 2 215
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 30,698评论 1 232
  • 白月光回国,霸总把我这个替身辞退。还一脸阴沉的警告我。[不要出现在思思面前, 不然我有一百种方法让你生不如死。]我...
    爱写小说的胖达阅读 24,272评论 0 32
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,168评论 2 214
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 31,605评论 3 210
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,645评论 0 9
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,035评论 0 166
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 33,609评论 2 232
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 33,698评论 2 233

推荐阅读更多精彩内容