如何最有效地添加一些信息，以便在Java中列出多个线程？
我有一些任务，以最有效的方式从多个链接聚合一些信息，使用多线程。链接在某个数组上。现在，我有了这样的解决方案：
Arrays.stream(link).parallel().forEach(link -> {
try {
String result = doSomeJobWithLink(link);
System.out.println(result);
} catch (IOException e) {
e.printStackTrace();
}
});而且它运行得很好(工作已经完成了2秒)。
但是我不想在try块中打印结果，而是在某个列表(或其他集合)中收集结果，所以我这样做了：
List<String> resultList = Collections.synchronizedList(new ArrayList<>());
Arrays.stream(link).parallel().forEach(link -> {
try {
String result = doSomeJobWithLink(link);
resultList.add(result);
} catch (IOException e) {
e.printStackTrace();
}
});
resultList.forEach(System.out::println);但只花了5-8秒而不是2秒。我能加快速度吗？
回答 3
Stack Overflow用户
发布于 2019-12-30 09:45:00
使用以下代码：
List<String> resultList = Arrays.stream(link).parallel().map(v -> doSomeJobWithLink(v)).collect(Collectors.toList());通常，我们避免在流管道中尝试捕获，但是如果必须捕获异常，请阅读Java流中的异常处理。
不要仅仅因为你可以使用parallel，因为额外的开销，你的工作需要更多的时间而不用parallel
Stack Overflow用户
发布于 2019-12-30 10:11:49
当您这样做时，Collections.synchronizedList(new ArrayList<>())会在整个列表中放置一个synchronized，也就是说，列表上的任何操作都共享相同的互斥对象，甚至读取，这是一个高性能的代价，也是限制因素。
一个更好的方法是只收集到一个正常的列表，收集器保证一个无序的并发缩减。
对于并发收集器，实现可以(但不需要)并发实现约简。并发缩减是指从多个线程并发调用累加器函数，使用相同的并发可修改的结果容器，而不是在累积期间保持结果隔离。只有当收集器具有Collector.Characteristics.UNORDERED特性或原始数据无序时，才应应用并发还原。
因此，以下内容将显著提高性能，
List<String> resultList = Arrays.stream(link).parallel().map(e -> {
try {
return doSomeJobWithLink(e);
} catch (IOException ex) {
ex.printStackTrace();
return null;
}
return result;
}).filter(Objects::nonNull).collect(Collectors.toList());虽然它不建议吞咽例外，除非这是不可避免的。
Stack Overflow用户
发布于 2019-12-30 09:50:21
不确定下面的代码是否会提高性能，但我认为这将是解决问题的一种更干净的方法。
List<String> resultList = Arrays.stream(link).parallel().map(e -> {
String result = null;
try {
result = doSomeJobWithLink(e);
} catch (IOException ex) {
ex.printStackTrace();
return null;
}
return result;
}).filter(e -> e != null).collect(Collectors.toList());https://stackoverflow.com/questions/59528630
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号