java8与并行

申明式的编程方式

不需要提供明确的指令操作，所有的细节指令被程序库封装，只要提出要求，申明用意

public class Test1 {public static void main(String[] args) {int[]ary={1,2,5,2};for (int i = 0; i < ary.length; i++) {System.out.println(ary[i]);}Arrays.stream(ary).forEach(System.out::println);}}

不变的对象
几乎所有传递的对象都不会被轻易修改

public class Test1 {public static void main(String[] args) {int[]ary={1,2,5,2};Arrays.stream(ary).map((x)->x=x+1).forEach(System.out::println);Arrays.stream(ary).forEach(System.out::println);}}

2
3
6
3
1
2
5
2

易于并行

因为对象是不变的，不必担心多线程会写坏对象，不必同步和锁

代码更少

判断奇数加1

public class Test1 {static int[]arr={1,2,3,45,6};public static void main(String[] args) {for(int i=0;i<arr.length;i++){if(arr[i]%2!=0){arr[i]++;}System.out.println(arr[i]);}Arrays.stream(arr).map(x->(x%2==0?x:x+1)).forEach(System.out::println);}}

FunctionalInterface注释
函数式接口，只定义了单一抽象方法的接口

@FunctionalInterfacepublic static interface IntHandler{void handle(int i);}

表明它是函数式接口，只包含一个抽象方法，但可以有其他方法，被Object实现的方法都不是抽象方法
接口默认方法

java8可以包含实例方法，需要用default关键字

@FunctionalInterfacepublic static interface IntHandler{void handle(int i);default void run(){}}

可以多实现，但会有多继承相同的问题
俩接口有相同实例方法，子类就会报错，需要指定

public interface IHorse {void eat();default void run(){System.out.println("hourse run");}}public interface IAbimal {void eat();default void breath(){System.out.println("breath");}default void run(){System.out.println("abimal run");}}public class Mule implements IHorse,IAbimal{@Overridepublic void eat() {System.out.println("mule eat");}//重新实现run方法，指定@Overridepublic void run() {IAbimal.super.run();}public static void main(String[] args) {Mule m = new Mule();m.eat();m.run();m.breath();}}

比方java.util.Comparator接口，增加了default方法，用于多个比较器的整合

    default Comparator<T> thenComparing(Comparator<? super T> other) {        Objects.requireNonNull(other);        return (Comparator<T> & Serializable) (c1, c2) -> {            int res = compare(c1, c2);            return (res != 0) ? res : other.compare(c1, c2);        };    }

先比较字符串长度，在按照大小写不敏感的字母顺序排列

Comparator<String>cmp = Comparator.comparingInt(String::length).thenComparing(String.CASE_INSENSITIVE_ORDER);

lambda表达式
即匿名表达式，是一段没有函数名的函数体，可以作为参数直接传递给相关的调用者

List<Integer> numbers = Arrays.asList(1,2,3,4,5);numbers.forEach((Integer value)->System.out.println(value));

类似匿名内部类，简单的描述了应该执行的代码段

可以访问外部的局部变量，如下，外部的变量必须申明为final，保证不可变，合法的访问，但默认会加final，不加也会默认

final int num =2;Function<Integer, Integer>stringConverter = (from)->from*num;System.out.println(stringConverter.apply(3));

num++会报错
方法引用
通过类名或方法名定位到一个静态方法或者实例方法

静态方法引用：InnerClassName::methodName

实例上的实例方法引用：instanceReference::methodName

超类上的实例方法引用:super::methodName

类型上的实例方法引用：CLassName::methodName

构造方法引用：Class::new

数组构造方法引用:TypeName[]::new

方法引用使用::定义，::前半部分表示类名或实例名，后半部分表示方法名，是构造方法就用new

public class InstanceMethodRef {static class User{int i;String string;public User(int i, String string) {this.i=i;this.string=string;}public int getI() {return i;}public void setI(int i) {this.i = i;}public String getString() {return string;}public void setString(String string) {this.string = string;}}public static void main(String[] args) {List<User> users = new ArrayList<>();for(int i=1;i<10;i++){users.add(new User(i,"billy"+Integer.toString(i)));}users.stream().map(User::getString).forEach(System.out::println);}}

使用静态方法或者调用明确，流内的元素自动作为参数使用，函数引用表示实例方法，且不存在调用目标，流内元素自动作为调用目标

如果一个类中存在同名的实例方法和静态函数，编译器既可以选择同名的实例方法，将流内元素作为调用目标，也可以使用静态方法，将流元素作为参数

比方Double

public String toString()
public static String toString(double d)

方法引用也可以直接调用构造函数

static class ConstrMethodRef{@FunctionalInterfaceinterface UserFactory<U extends User>{U create(int id,String name);}static UserFactory<User> uf = User::new;}

函数式接口，User::new创建接口实例时，系统会根据UserFactory.create()的函数签名选择合适的User构造函数，

这里是public User(int i, String string)，创建UserFactory实例后，对UserFactory.create()的调用，都会委托给User的实际构造函数进行

函数式编程

public class Test2 {static int[]arr={1,2,3,45,6};public static void main(String[] args) {for (int i : arr) {System.out.println(i);}Arrays.stream(arr).forEach(new IntConsumer() {@Overridepublic void accept(int value) {System.out.println(value);}});}}

Arrays.stream()返回一个流对象，类似集合或数组，流对象也是一个对象的集合，有遍历处理流内元素的功能

IntConsumer（）接口用于对每个流内对象进行处理，当前流是IntStream，即装有Integer元素的流，foreach会挨个将流内元素送入接口处理

foreach的参数是可以从上下文中推导的，以下不再手动推导，省略接口名

Arrays.stream(arr).forEach((final int x)->{System.out.println(x);});

参数类型也可以推导

Arrays.stream(arr).forEach((x)->{System.out.println(x);});

去除花括号

Arrays.stream(arr).forEach((x)->System.out.println(x));

lambda表达式，由->分割，左面表示参数，右面实现体
方法引用

Arrays.stream(arr).forEach(System.out::println);

lambda表达式不仅可以简化匿名内部类的编写，还可以使用流式api对各种组件进行更自由的装配

输出俩次元素

IntConsumer outprintln = System.out::println;IntConsumer errprintln = System.err::println;Arrays.stream(arr).forEach(outprintln.andThen(errprintln));

使用并行流过滤数据

public class PrimeUtil {public static boolean isPrime(int number){int tmp = number;if(tmp<2){return false;}for(int i=2;i<tmp;i++){if(tmp%i==0){return false;}}return true;} public static void main(String[] args) {//串行，首先生成1到1000000的数字流，接着使用过滤函数，只选择所有的质数，最后统计数量//IntStream.range(1, 1000000).filter(PrimeUtil::isPrime).count();//并行IntStream.range(1, 1000000).parallel().filter(PrimeUtil::isPrime).count();}}

从集合中得到并行流

//使用stream得到一个流double ave = ss.stream().mapToInt(s->s.score).average().getAsDouble();//并行化double ave = ss.parallelStream().mapToInt(s->s.score).average().getAsDouble();

并行排序
Arrays.sort()串行排序
并行排序

int[] arrr = new int[10000];Arrays.parallelSort(arrr);

赋值

Random r = new Random();//串行Arrays.setAll(arr, (i)->r.nextInt());//并行Arrays.parallelSetAll(arr, (i)->r.nextInt());

CompletableFuture
可以作为函数调用的契约，向它请求一个数据，数据没准备好，请求线程会等待，这里可以手动设置完成状态

public class CompletableFutureTest {static class AskThread implements Runnable{CompletableFuture<Integer> re = null;public AskThread(CompletableFuture<Integer> re) {this.re = re;}@Overridepublic void run() {int myRe = 0;try {myRe = re.get()*re.get();} catch (InterruptedException e) {e.printStackTrace();} catch (ExecutionException e) {e.printStackTrace();}System.out.println(myRe);}public static void main(String[] args) throws InterruptedException {final CompletableFuture<Integer> future = new CompletableFuture<>();new Thread(new AskThread(future)).start();Thread.sleep(1000);future.complete(60);}}}

异步执行任务

public class CompletableFutureSync {public static Integer calc(Integer para){try {Thread.sleep(1000);} catch (InterruptedException e) {e.printStackTrace();}return para*para;}public static void main(String[] args) throws InterruptedException, ExecutionException {final CompletableFuture<Integer> future = CompletableFuture.supplyAsync(()->calc(50));System.out.println(future.get());}}

supplyAsync（）函数中，会在一个新的线程中执行传入的参数，会立即返回，没计算完，get方法会等待
runAsync()用于没有返回值的场景

都可以指定线程池，也可以用默认线程池，但主线程退出，立即退出系统

流式调用

public class CompletableFutureSync {public static Integer calc(Integer para){try {Thread.sleep(1000);} catch (InterruptedException e) {e.printStackTrace();}return para*para;}public static void main(String[] args) throws InterruptedException, ExecutionException {final CompletableFuture<Void> future = CompletableFuture.supplyAsync(()->calc(50)).thenApply((i)->Integer.toString(i)).thenApply((src)->"\""+src+"\"").thenAccept(System.out::println);future.get();}}

连续使用流式调用对任务的处理结果进行加工

最后的get()方法目的是等待函数执行完成，不使用，因为是异步的，主线程会退出，然后其他线程也会退出，导致方法无法正常执行

异常处理

public class CompletableFutureSync {public static Integer calc(Integer para){try {Thread.sleep(1000);} catch (InterruptedException e) {e.printStackTrace();}return para*para;}public static void main(String[] args) throws InterruptedException, ExecutionException {CompletableFuture<Void> future = CompletableFuture.supplyAsync(()->calc(50)).exceptionally(ex->{System.out.println(ex.toString());return 0;}).thenApply((i)->Integer.toString(i)).thenApply((src)->"\""+src+"\"").thenAccept(System.out::println);future.get();}}

组合多个CompletableFuture

    public <U> CompletableFuture<U> thenCompose(        Function<? super T, ? extends CompletionStage<U>> fn) {        return uniComposeStage(null, fn);    }

一种是使用thenCompose将执行结果传给下一个CompletableFuture

public class CompletableFutureSync {public static Integer calc(Integer para){try {Thread.sleep(1000);} catch (InterruptedException e) {e.printStackTrace();}return para*para;}public static void main(String[] args) throws InterruptedException, ExecutionException {CompletableFuture<Void> future = CompletableFuture.supplyAsync(()->calc(50)).thenCompose((i)->CompletableFuture.supplyAsync(()->calc(i))).thenApply((src)->"\""+src+"\"").thenAccept(System.out::println);future.get();}}

另一种是thenCombine()方法
先执行当前的和其他的，执行完后把结果传给BiFunction

    public <U,V> CompletableFuture<V> thenCombine(        CompletionStage<? extends U> other,        BiFunction<? super T,? super U,? extends V> fn) {        return biApplyStage(null, other, fn);    }

把俩个结果累加

public class CompletableFutureSync {public static Integer calc(Integer para){try {Thread.sleep(1000);} catch (InterruptedException e) {e.printStackTrace();}return para*para;}public static void main(String[] args) throws InterruptedException, ExecutionException {CompletableFuture<Integer> future1= CompletableFuture.supplyAsync(()->calc(50));CompletableFuture<Integer> future2= CompletableFuture.supplyAsync(()->calc(25));CompletableFuture<Void> future3=future1.thenCombine(future2, (i,j)->(i+j)).thenApply((src)->"\""+src+"\"").thenAccept(System.out::println);future3.get();}}

读写锁的改进，StampedLock

原本读写锁读锁会堵塞写锁，使用的是悲观策略，有大量的读线程，也可能导致写线程的饥饿

这个lock提供了乐观的读策略，类似无锁操作

public class Point {private double x,y;private final StampedLock s1 = new StampedLock();void move(double deltax,double deltay){//排他锁long stamp = s1.writeLock();try {x+=deltax;y+=deltay;} finally{s1.unlockWrite(stamp);}}double distanceFromOrigin(){//只读方法long stamp = s1.tryOptimisticRead();//尝试一次乐观锁，返回一个类似时间戳的邮戳整数double currentx =x,currenty=y;if(!s1.validate(stamp)){//判断是否被修改过stamp = s1.readLock();try {currentx=x;currenty=y;} finally{s1.unlockRead(stamp);}}return Math.sqrt(currentx*currentx+currenty+currenty);}}

此处把乐观锁升级成悲观锁，也可以像CAS操作一样在死循环中不断使用乐观锁
StampedLock的内部实现类似于CAS操作的死循环反复尝试策略，挂起线程时，使用的是Unsafe.park()函数，这个函数遇到线程中断时会直接返回，不会抛异常，导致堵塞在park()上的线程被中断后会再次进入循环，退出条件得不到满足，会疯狂占用CPU

没遇到疯狂占用CPU的情况

public class StampedLockCPUDemo {static Thread[]holdCpuThreads = new Thread[3];static final StampedLock lock = new StampedLock();public static void main(String[] args) throws InterruptedException {new Thread(){@Overridepublic void run(){long readLong = lock.writeLock();LockSupport.parkNanos(600000000000000L);lock.unlockWrite(readLong);}}.start();Thread.sleep(100);for(int i=0;i<3;i++){holdCpuThreads[i]=new Thread(new HoldCPUReadThread());holdCpuThreads[i].start();}Thread.sleep(10000);//线程中断会占用CPUfor(int i=0;i<3;i++){holdCpuThreads[i].interrupt();}}private static class HoldCPUReadThread implements Runnable{@Overridepublic void run(){long lockr = lock.readLock();System.out.println(Thread.currentThread().getName()+"获取读锁");lock.unlockRead(lockr);}}}

内部实现是基于CLH锁的，这是个自旋锁，保证没有饥饿发生，保证先进先出的顺序，锁维护等待线程队列，所有申请锁，但没有成功的线程都记录在这个队列中，每一个节点（线程）保存一个标记位（locked），用于判断当前线程是否已经释放锁，当一个线程试图获得锁时，取得当前等待队列的尾部节点作为其前序节点，使用如下代码判断前序节点是否已经成功释放锁

while (pred.locked){}

    /** Wait nodes */    static final class WNode {        volatile WNode prev;        volatile WNode next;        volatile WNode cowait;    // 读节点列表        volatile Thread thread;   // 当可能被暂停时非空        volatile int status;      // 0, WAITING, or CANCELLED        final int mode;           // RMODE or WMODE        WNode(int m, WNode p) { mode = m; prev = p; }    }    /** Head of CLH queue */    private transient volatile WNode whead;    /** Tail (last) of CLH queue */    private transient volatile WNode wtail;

WNode为链表的基本元素，每一个WNode表示一个等待线程，

private transient volatile long state;//当前锁的等待状态

倒数第八位表示写锁状态，该位为1，表示当前由写锁占用

乐观锁会执行如下操作

    public long tryOptimisticRead() {        long s;        return (((s = state) & WBIT) == 0L) ? (s & SBITS) : 0L;    }

WBIT表示写锁状态位，值为0x80,成功，返回当前值，末尾7位清0，末尾7位表示当前正在读取的线程数量
乐观锁读后有线程申请写锁，state状态改变，设置写锁位为1，通过加上WBIT

    public long writeLock() {        long s, next;  // bypass acquireWrite in fully unlocked case only        return ((((s = state) & ABITS) == 0L &&                 U.compareAndSwapLong(this, STATE, s, next = s + WBIT)) ?                next : acquireWrite(false, 0L));    }

下述用于比较当前stamp和发生乐观锁时取得的stamp，不一致，乐观锁失败

    public boolean validate(long stamp) {        U.loadFence();        return (stamp & SBITS) == (state & SBITS);    }

悲观读锁

    public long readLock() {        long s = state, next;  // bypass acquireRead on common uncontended case        return ((whead == wtail && (s & ABITS) < RFULL &&                 U.compareAndSwapLong(this, STATE, s, next = s + RUNIT)) ?                next : acquireRead(false, 0L));    }

悲观锁会设置state状态，将state加1，前提是读线程数量没有溢出，用于统计读线程数量，失败进入acquireRead（）二次尝试锁读取，会自旋，通过CAS操作获取锁，失败，会启用CLH队列，将自己加入到队列，之后再进行自旋，获得读锁，进一步把自己cowait队列中的读线程全部激活（使用Unsafe.unpark()方法），依然无法获得读锁，使用Unsafe.unpark()挂起当前线程
acquireWrite类似acquireRead，释放锁与加锁相反

    public void unlockWrite(long stamp) {        WNode h;        if (state != stamp || (stamp & WBIT) == 0L)            throw new IllegalMonitorStateException();        state = (stamp += WBIT) == 0L ? ORIGIN : stamp;        if ((h = whead) != null && h.status != 0)            release(h);    }

将写标记位清0，state溢出，退回初始值，等待队列不为空，则从等待队列中激活一个线程，大部分是第一个线程继续执行
原子类的增强
更快的原子类，LongAdder
在java.util.concurrent.atomic包下，使用CAS指令

AtomicInteger等是在一个死循环中，不断尝试修改目标值，直到修改成功，竞争不激烈，修改成功的概率很高，否则，失败的概率很高，失败会多次循环尝试，影响性能

竞争激烈提高性能

1、热点分离，将竞争的数据进行分解

可以减小锁粒度，仿照ConcurrentHashMap，将AtomicInteger的内部核心数据value分离成一个数组，每个线程访问时，通过hash等算法映射到其中一个数字进行计算，最终的结果就是这个数组的求和累加

LongAddr也是这种思想，但它不会一开始就使用数组，先将所有数据都记录在一个base变量中，多线程修改base不冲突，没必要拓展成cell数组，冲突，就会初始化cell数组，使用新策略，如果在cell上更新依然发生冲突，系统会尝试创建新的cell，或将cell翻倍，减少冲突

    public void increment() {        add(1L);    }    public void add(long x) {        Cell[] as; long b, v; int m; Cell a;        if ((as = cells) != null || !casBase(b = base, b + x)) {            boolean uncontended = true;            if (as == null || (m = as.length - 1) < 0 ||                (a = as[getProbe() & m]) == null ||                !(uncontended = a.cas(v = a.value, v + x)))                longAccumulate(x, null, uncontended);        }    }

开始cellsnull，数据会向base增加，如果对base操作冲突，设置冲突标记uncontented为true，接着如果cells数组不可用，，或者当前线程对应的cell为null，直接进入longAccumulate方法，否则会尝试使用CAS方法更新对应的cell数据，成功就退出，失败进入longAccumulate

public  class LongAdderDemo {private static final int MAX_THREADS=3;//线程数private static final int TASK_COUNT=3;//任务数private static final int TAEGET_COUNT=10000000;//目标总数private AtomicLong account = new AtomicLong(0L);//无锁的原子操作private LongAdder laccount = new LongAdder();//改进的无锁的原子操作private long count =0;static CountDownLatch cdlsync = new CountDownLatch(TASK_COUNT);static CountDownLatch cdlatomic = new CountDownLatch(TASK_COUNT);static CountDownLatch cdladdr = new CountDownLatch(TASK_COUNT);protected synchronized long inc(){//有锁的原子加法return count++;}protected synchronized long getCount(){//有锁的操作return count;}//有锁public class SyncThread implements Runnable{protected String name;private long starttime;LongAdderDemo out;public SyncThread(long starttime, LongAdderDemo out) {this.starttime = starttime;this.out = out;}@Overridepublic void run() {long v= out.getCount();while(v<TAEGET_COUNT){//到达目标值前不断循环v=out.inc();}long endTime = System.currentTimeMillis();System.out.println("SynchThread spend:"+(endTime-starttime)+"ms"+"v="+v);cdlsync.countDown();}}//无锁public class AtomicThread implements Runnable{protected String name;private long starttime;public AtomicThread(long starttime) {this.starttime = starttime;}@Overridepublic void run() {long v= account.get();while(v<TAEGET_COUNT){//到达目标值前不断循环v=account.incrementAndGet();//无锁的加法}long endTime = System.currentTimeMillis();System.out.println("AtomicThread spend:"+(endTime-starttime)+"ms"+"v="+v);cdlsync.countDown();}}public class LongAddrThread implements Runnable{protected String name;private long starttime;public LongAddrThread(long starttime) {this.starttime = starttime;}@Overridepublic void run() {long v= laccount.sum();while(v<TAEGET_COUNT){//到达目标值前不断循环laccount.increment();v=laccount.sum();}long endTime = System.currentTimeMillis();System.out.println("LongAddrThread spend:"+(endTime-starttime)+"ms"+"v="+v);cdladdr.countDown();}}public void testAtomicLong() throws InterruptedException{ExecutorService executorService = Executors.newFixedThreadPool(MAX_THREADS);long starttime = System.currentTimeMillis();LongAddrThread atomic = new LongAddrThread(starttime);for(int i=0;i<TASK_COUNT;i++){executorService.submit(atomic);}cdladdr.await();executorService.shutdown();}public void testAtomic() throws InterruptedException{ExecutorService executorService = Executors.newFixedThreadPool(MAX_THREADS);long starttime = System.currentTimeMillis();AtomicThread atomic = new AtomicThread(starttime);for(int i=0;i<TASK_COUNT;i++){executorService.submit(atomic);}cdlatomic.await();executorService.shutdown();}public void testSync() throws InterruptedException{ExecutorService executorService = Executors.newFixedThreadPool(MAX_THREADS);long starttime = System.currentTimeMillis();SyncThread sync = new SyncThread(starttime,this);for(int i=0;i<TASK_COUNT;i++){executorService.submit(sync);}cdlsync.await();executorService.shutdown();}public static void main(String[] args) throws InterruptedException {LongAdderDemo l1= new LongAdderDemo();LongAdderDemo l2= new LongAdderDemo();LongAdderDemo l3= new LongAdderDemo();l3.testAtomicLong();l1.testSync();l2.testAtomic();}}

查的是无锁原子最快，奇怪
解决伪共享

LongAddr的增强版，LongAccumulator

都将一个long型整数进行分割，储存在不同的变量中，防止多线程竞争

LongAddr只是每次对给定的整数执行一次加法，LongAccumulator可以实现任意函数操作

    public LongAccumulator(LongBinaryOperator accumulatorFunction,                           long identity) {        this.function = accumulatorFunction;        base = this.identity = identity;    }

第一个参数是需要执行的二元函数（接收俩个long型参数并返回long），第二个参数是初始值

public class LongAccumulatorDemo {//通过多线程访问若干整数，并返回最大值public static void main(String[] args) throws InterruptedException {LongAccumulator accumulator = new LongAccumulator(Long::max, Long.MIN_VALUE);Thread[] ts = new Thread[1000];for(int i=0;i<1000;i++){ts[i]=new Thread(()->{Random random = new Random();long value = random.nextLong();accumulator.accumulate(value);});ts[i].start();}for(int i=0;i<1000;i++){ts[i].join();}System.out.println(accumulator.longValue());}}

accumulate传入数据，Long::max函数句柄识别最大值并保存在内部（可能是cell数组内，也可能是base），通过longValue（）函数对所有的cell进行Long::max操作，得到最大值