了解Java 8/9函数式编程中的Map和Reduce（lambda表达式）。 map（）和reduce（）如何提高性能？

Question

这一行函数式编程代码如下： 2 * 3 + 4 * 3 + 6 * 3 + 8 * 3 + 10 * 3操作。

int sum = IntStream.rangeClosed(1,10) /* closed range */ 
      .filter(x -> x%2 == 0) /* filter to even numbers in range */ 
      .map(x -> x*3) /* map */ 
      .sum(); /* actual sum operation happens */ 
      System.out.println(sum); /* prints 90 */ 

我明白它在做什么。我想知道在内存分配方面发生了什么？我们可以有以下类似的旧操作替代方法。这很容易理解，但基于Lambda的代码更具表现力。

int sum=0; 
for(int i=1; i<=10;i++) { 
    if(i%2 == 0) { 
     sum=sum+i*3; 
     } 
    } 
System.out.println(sum); /* prints 90 */ 

Answer 1

首先lambda expressions将被取消加糖到你的类文件中的静态方法（使用javap看到）。

对于Predicate会有一个.class生成（您可以通过-Djdk.internal.lambda.dumpProxyClasses=/Your/Path参数集看，当你调用你的类。

同样的事情会发生在Function为map操作。

由于您的lambda表达式是stateless会有Predicate和创建和重新用于每个操作Function的单个实例。如果它本来有状态的λ。 - 用于将被处理的每个元素可以产生一个新的实例

而且从你的问题标题map和reduce不提高性能（除非有吨的元素，你可以用一个好处并行化处理）。您简单的循环会更快 - 但不是是比流快得多。您还选择了一个非常简单的例子 - 假设你选择做一些繁重的grouping，然后自定义collection，等一个例子 - 通过stream简单的方法的详细程度是显著。