天天在用Stream，那你知道如此強(qiáng)大的Stream的實(shí)現(xiàn)原理嗎？

我們已經(jīng)學(xué)會(huì)如何使用Stream API，用起來(lái)真的很爽，但簡(jiǎn)潔的方法下面似乎隱藏著無(wú)盡的秘密，如此強(qiáng)大的API是如何實(shí)現(xiàn)的呢？

比如Pipeline是怎么執(zhí)行的，每次方法調(diào)用都會(huì)導(dǎo)致一次迭代嗎？自動(dòng)并行又是怎么做到的，線程個(gè)數(shù)是多少？本節(jié)我們學(xué)習(xí)Stream流水線的原理，這是Stream實(shí)現(xiàn)的關(guān)鍵所在。

首先回顧一下容器執(zhí)行Lambda表達(dá)式的方式，以ArrayList.forEach()方法為例，具體代碼如下：

我們看到ArrayList.forEach()方法的主要邏輯就是一個(gè)for循環(huán)，在該for循環(huán)里不斷調(diào)用action.accept()回調(diào)方法完成對(duì)元素的遍歷。

這完全沒(méi)有什么新奇之處，回調(diào)方法在Java GUI的監(jiān)聽(tīng)器中廣泛使用。Lambda表達(dá)式的作用就是相當(dāng)于一個(gè)回調(diào)方法，這很好理解。

Stream API中大量使用Lambda表達(dá)式作為回調(diào)方法，但這并不是關(guān)鍵。理解Stream我們更關(guān)心的是另外兩個(gè)問(wèn)題：流水線和自動(dòng)并行。使用Stream或許很容易寫(xiě)入如下形式的代碼：

上述代碼求出以字母A開(kāi)頭的字符串的最大長(zhǎng)度，一種直白的方式是為每一次函數(shù)調(diào)用都執(zhí)一次迭代，這樣做能夠?qū)崿F(xiàn)功能，但效率上肯定是無(wú)法接受的。

類(lèi)庫(kù)的實(shí)現(xiàn)著使用流水線（Pipeline）的方式巧妙的避免了多次迭代，其基本思想是在一次迭代中盡可能多的執(zhí)行用戶指定的操作。為講解方便我們匯總了Stream的所有操作。

Stream上的所有操作分為兩類(lèi)：中間操作和結(jié)束操作，中間操作只是一種標(biāo)記，只有結(jié)束操作才會(huì)觸發(fā)實(shí)際計(jì)算。中間操作又可以分為無(wú)狀態(tài)的(Stateless)和有狀態(tài)的(Stateful)，無(wú)狀態(tài)中間操作是指元素的處理不受前面元素的影響，而有狀態(tài)的中間操作必須等到所有元素處理之后才知道最終結(jié)果。

比如排序是有狀態(tài)操作，在讀取所有元素之前并不能確定排序結(jié)果；結(jié)束操作又可以分為短路操作和非短路操作，短路操作是指不用處理全部元素就可以返回結(jié)果，比如找到第一個(gè)滿足條件的元素。之所以要進(jìn)行如此精細(xì)的劃分，是因?yàn)榈讓訉?duì)每一種情況的處理方式不同。

為了更好的理解流的中間操作和終端操作，可以通過(guò)下面的兩段代碼來(lái)看他們的執(zhí)行過(guò)程。

輸出為：

中間操作是懶惰的，也就是中間操作不會(huì)對(duì)數(shù)據(jù)做任何操作，直到遇到了最終操作。而最終操作，都是比較熱情的。他們會(huì)往前回溯所有的中間操作。也就是當(dāng)執(zhí)行到最后的forEach操作的時(shí)候，它會(huì)回溯到它的上一步中間操作，上一步中間操作，又會(huì)回溯到上上一步的中間操作，...，直到最初的第一步。

第一次forEach執(zhí)行的時(shí)候，會(huì)回溯peek 操作，然后peek會(huì)回溯更上一步的limit操作，然后limit會(huì)回溯更上一步的peek操作，頂層沒(méi)有操作了，開(kāi)始自上向下開(kāi)始執(zhí)行，輸出：A1B1C1 第二次forEach執(zhí)行的時(shí)候，然后會(huì)回溯peek 操作，然后peek會(huì)回溯更上一步的limit操作，然后limit會(huì)回溯更上一步的peek操作，頂層沒(méi)有操作了，開(kāi)始自上向下開(kāi)始執(zhí)行，輸出：A2B2C2

... 當(dāng)?shù)谒拇蝔orEach執(zhí)行的時(shí)候，然后會(huì)回溯peek 操作，然后peek會(huì)回溯更上一步的limit操作，到limit的時(shí)候，發(fā)現(xiàn)limit(3)這個(gè)job已經(jīng)完成，這里就相當(dāng)于循環(huán)里面的break操作，跳出來(lái)終止循環(huán)。

再來(lái)看第二段代碼：

輸出為：

第一次forEach執(zhí)行的時(shí)候，會(huì)回溯peek操作，然后peek會(huì)回溯更上一步的skip操作，skip回溯到上一步的peek操作，頂層沒(méi)有操作了，開(kāi)始自上向下開(kāi)始執(zhí)行，執(zhí)行到skip的時(shí)候，因?yàn)閳?zhí)行到skip，這個(gè)操作的意思就是跳過(guò)，下面的都不要執(zhí)行了，也就是就相當(dāng)于循環(huán)里面的continue，結(jié)束本次循環(huán)。輸出：A1

第二次forEach執(zhí)行的時(shí)候，會(huì)回溯peek操作，然后peek會(huì)回溯更上一步的skip操作，skip回溯到上一步的peek操作，頂層沒(méi)有操作了，開(kāi)始自上向下開(kāi)始執(zhí)行，執(zhí)行到skip的時(shí)候，發(fā)現(xiàn)這是第二次skip，結(jié)束本次循環(huán)。輸出：A2

...

第七次forEach執(zhí)行的時(shí)候，會(huì)回溯peek操作，然后peek會(huì)回溯更上一步的skip操作，skip回溯到上一步的peek操作，頂層沒(méi)有操作了，開(kāi)始自上向下開(kāi)始執(zhí)行，執(zhí)行到skip的時(shí)候，發(fā)現(xiàn)這是第七次skip，已經(jīng)大于6了，它已經(jīng)執(zhí)行完了skip(6)的job了。這次skip就直接跳過(guò)，繼續(xù)執(zhí)行下面的操作。輸出：A7B7C7

...直到循環(huán)結(jié)束。

面試題推薦：100期面試題匯總

一種直白的實(shí)現(xiàn)方式

仍然考慮上述求最長(zhǎng)字符串的程序，一種直白的流水線實(shí)現(xiàn)方式是為每一次函數(shù)調(diào)用都執(zhí)一次迭代，并將處理中間結(jié)果放到某種數(shù)據(jù)結(jié)構(gòu)中（比如數(shù)組，容器等）。

具體說(shuō)來(lái)，就是調(diào)用filter()方法后立即執(zhí)行，選出所有以A開(kāi)頭的字符串并放到一個(gè)列表list1中，之后讓list1傳遞給mapToInt()方法并立即執(zhí)行，生成的結(jié)果放到list2中，最后遍歷list2找出最大的數(shù)字作為最終結(jié)果。程序的執(zhí)行流程如如所示：

這樣做實(shí)現(xiàn)起來(lái)非常簡(jiǎn)單直觀，但有兩個(gè)明顯的弊端：

1. 迭代次數(shù)多。迭代次數(shù)跟函數(shù)調(diào)用的次數(shù)相等。
2. 頻繁產(chǎn)生中間結(jié)果。每次函數(shù)調(diào)用都產(chǎn)生一次中間結(jié)果，存儲(chǔ)開(kāi)銷(xiāo)無(wú)法接受。

這些弊端使得效率底下，根本無(wú)法接受。如果不使用Stream API我們都知道上述代碼該如何在一次迭代中完成，大致是如下形式：

采用這種方式我們不但減少了迭代次數(shù)，也避免了存儲(chǔ)中間結(jié)果，顯然這就是流水線，因?yàn)槲覀儼讶齻€(gè)操作放在了一次迭代當(dāng)中。只要我們事先知道用戶意圖，總是能夠采用上述方式實(shí)現(xiàn)跟Stream API等價(jià)的功能，但問(wèn)題是Stream類(lèi)庫(kù)的設(shè)計(jì)者并不知道用戶的意圖是什么。

如何在無(wú)法假設(shè)用戶行為的前提下實(shí)現(xiàn)流水線，是類(lèi)庫(kù)的設(shè)計(jì)者要考慮的問(wèn)題。

面試題推薦：100期面試題匯總

Stream流水線解決方案

我們大致能夠想到，應(yīng)該采用某種方式記錄用戶每一步的操作，當(dāng)用戶調(diào)用結(jié)束操作時(shí)將之前記錄的操作疊加到一起在一次迭代中全部執(zhí)行掉。沿著這個(gè)思路，有幾個(gè)問(wèn)題需要解決：

1. 用戶的操作如何記錄？
2. 操作如何疊加？
3. 疊加之后的操作如何執(zhí)行？
4. 執(zhí)行后的結(jié)果（如果有）在哪里？

>> 操作如何記錄

注意這里使用的是“操作(operation)”一詞，指的是“Stream中間操作”的操作，很多Stream操作會(huì)需要一個(gè)回調(diào)函數(shù)（Lambda表達(dá)式），因此一個(gè)完整的操作是<數(shù)據(jù)來(lái)源，操作，回調(diào)函數(shù)>構(gòu)成的三元組。

Stream中使用Stage的概念來(lái)描述一個(gè)完整的操作，并用某種實(shí)例化后的PipelineHelper來(lái)代表Stage，將具有先后順序的各個(gè)Stage連到一起，就構(gòu)成了整個(gè)流水線。跟Stream相關(guān)類(lèi)和接口的繼承關(guān)系圖示。

還有IntPipeline, LongPipeline, DoublePipeline沒(méi)在圖中畫(huà)出，這三個(gè)類(lèi)專(zhuān)門(mén)為三種基本類(lèi)型（不是包裝類(lèi)型）而定制的，跟ReferencePipeline是并列關(guān)系。

圖中Head用于表示第一個(gè)Stage，即調(diào)用調(diào)用諸如Collection.stream()方法產(chǎn)生的Stage，很顯然這個(gè)Stage里不包含任何操作；StatelessOp和StatefulOp分別表示無(wú)狀態(tài)和有狀態(tài)的Stage，對(duì)應(yīng)于無(wú)狀態(tài)和有狀態(tài)的中間操作。

Stream流水線組織結(jié)構(gòu)示意圖如下：

圖中通過(guò)Collection.stream()方法得到Head也就是stage0，緊接著調(diào)用一系列的中間操作，不斷產(chǎn)生新的Stream。這些Stream對(duì)象以雙向鏈表的形式組織在一起，構(gòu)成整個(gè)流水線，由于每個(gè)Stage都記錄了前一個(gè)Stage和本次的操作以及回調(diào)函數(shù)，依靠這種結(jié)構(gòu)就能建立起對(duì)數(shù)據(jù)源的所有操作。這就是Stream記錄操作的方式。

>> 操作如何疊加

以上只是解決了操作記錄的問(wèn)題，要想讓流水線起到應(yīng)有的作用我們需要一種將所有操作疊加到一起的方案。你可能會(huì)覺(jué)得這很簡(jiǎn)單，只需要從流水線的head開(kāi)始依次執(zhí)行每一步的操作（包括回調(diào)函數(shù)）就行了。

這聽(tīng)起來(lái)似乎是可行的，但是你忽略了前面的Stage并不知道后面Stage到底執(zhí)行了哪種操作，以及回調(diào)函數(shù)是哪種形式。換句話說(shuō)，只有當(dāng)前Stage本身才知道該如何執(zhí)行自己包含的動(dòng)作。這就需要有某種協(xié)議來(lái)協(xié)調(diào)相鄰Stage之間的調(diào)用關(guān)系。

這種協(xié)議由Sink接口完成，Sink接口包含的方法如下表所示：

有了上面的協(xié)議，相鄰Stage之間調(diào)用就很方便了，每個(gè)Stage都會(huì)將自己的操作封裝到一個(gè)Sink里，前一個(gè)Stage只需調(diào)用后一個(gè)Stage的accept()方法即可，并不需要知道其內(nèi)部是如何處理的。

當(dāng)然對(duì)于有狀態(tài)的操作，Sink的begin()和end()方法也是必須實(shí)現(xiàn)的。比如Stream.sorted()是一個(gè)有狀態(tài)的中間操作，其對(duì)應(yīng)的Sink.begin()方法可能創(chuàng)建一個(gè)盛放結(jié)果的容器，而accept()方法負(fù)責(zé)將元素添加到該容器，最后end()負(fù)責(zé)對(duì)容器進(jìn)行排序。

對(duì)于短路操作，Sink.cancellationRequested()也是必須實(shí)現(xiàn)的，比如Stream.findFirst()是短路操作，只要找到一個(gè)元素，cancellationRequested()就應(yīng)該返回true，以便調(diào)用者盡快結(jié)束查找。Sink的四個(gè)接口方法常常相互協(xié)作，共同完成計(jì)算任務(wù)。

實(shí)際上Stream API內(nèi)部實(shí)現(xiàn)的的本質(zhì)，就是如何重寫(xiě)Sink的這四個(gè)接口方法。

有了Sink對(duì)操作的包裝，Stage之間的調(diào)用問(wèn)題就解決了，執(zhí)行時(shí)只需要從流水線的head開(kāi)始對(duì)數(shù)據(jù)源依次調(diào)用每個(gè)Stage對(duì)應(yīng)的Sink.{begin(), accept(), cancellationRequested(), end()}方法就可以了。一種可能的Sink.accept()方法流程是這樣的：

Sink接口的其他幾個(gè)方法也是按照這種[處理->轉(zhuǎn)發(fā)]的模型實(shí)現(xiàn)。

下面我們結(jié)合具體例子看看Stream的中間操作是如何將自身的操作包裝成Sink以及Sink是如何將處理結(jié)果轉(zhuǎn)發(fā)給下一個(gè)Sink的。先看Stream.map()方法：

上述代碼看似復(fù)雜，其實(shí)邏輯很簡(jiǎn)單，就是將回調(diào)函數(shù)mapper包裝到一個(gè)Sink當(dāng)中。由于Stream.map()是一個(gè)無(wú)狀態(tài)的中間操作，所以map()方法返回了一個(gè)StatelessOp內(nèi)部類(lèi)對(duì)象（一個(gè)新的Stream），調(diào)用這個(gè)新Stream的opWripSink()方法將得到一個(gè)包裝了當(dāng)前回調(diào)函數(shù)的Sink。

再來(lái)看一個(gè)復(fù)雜一點(diǎn)的例子。Stream.sorted()方法將對(duì)Stream中的元素進(jìn)行排序，顯然這是一個(gè)有狀態(tài)的中間操作，因?yàn)樽x取所有元素之前是沒(méi)法得到最終順序的。拋開(kāi)模板代碼直接進(jìn)入問(wèn)題本質(zhì)，sorted()方法是如何將操作封裝成Sink的呢？sorted()一種可能封裝的Sink代碼如下：

上述代碼完美的展現(xiàn)了Sink的四個(gè)接口方法是如何協(xié)同工作的：

1. 首先begin()方法告訴Sink參與排序的元素個(gè)數(shù)，方便確定中間結(jié)果容器的的大小；
2. 之后通過(guò)accept()方法將元素添加到中間結(jié)果當(dāng)中，最終執(zhí)行時(shí)調(diào)用者會(huì)不斷調(diào)用該方法，直到遍歷所有元素；
3. 最后end()方法告訴Sink所有元素遍歷完畢，啟動(dòng)排序步驟，排序完成后將結(jié)果傳遞給下游的Sink；
4. 如果下游的Sink是短路操作，將結(jié)果傳遞給下游時(shí)不斷詢問(wèn)下游cancellationRequested()是否可以結(jié)束處理。

>> 疊加之后的操作如何執(zhí)行

Sink完美封裝了Stream每一步操作，并給出了[處理->轉(zhuǎn)發(fā)]的模式來(lái)疊加操作。這一連串的齒輪已經(jīng)咬合，就差最后一步撥動(dòng)齒輪啟動(dòng)執(zhí)行。

是什么啟動(dòng)這一連串的操作呢？也許你已經(jīng)想到了啟動(dòng)的原始動(dòng)力就是結(jié)束操作(Terminal Operation)，一旦調(diào)用某個(gè)結(jié)束操作，就會(huì)觸發(fā)整個(gè)流水線的執(zhí)行。

結(jié)束操作之后不能再有別的操作，所以結(jié)束操作不會(huì)創(chuàng)建新的流水線階段(Stage)，直觀的說(shuō)就是流水線的鏈表不會(huì)在往后延伸了。

結(jié)束操作會(huì)創(chuàng)建一個(gè)包裝了自己操作的Sink，這也是流水線中最后一個(gè)Sink，這個(gè)Sink只需要處理數(shù)據(jù)而不需要將結(jié)果傳遞給下游的Sink（因?yàn)闆](méi)有下游）。對(duì)于Sink的[處理->轉(zhuǎn)發(fā)]模型，結(jié)束操作的Sink就是調(diào)用鏈的出口。

我們?cè)賮?lái)考察一下上游的Sink是如何找到下游Sink的。一種可選的方案是在PipelineHelper中設(shè)置一個(gè)Sink字段，在流水線中找到下游Stage并訪問(wèn)Sink字段即可。

但Stream類(lèi)庫(kù)的設(shè)計(jì)者沒(méi)有這么做，而是設(shè)置了一個(gè)Sink AbstractPipeline.opWrapSink(int flags, Sink downstream)方法來(lái)得到Sink，該方法的作用是返回一個(gè)新的包含了當(dāng)前Stage代表的操作以及能夠?qū)⒔Y(jié)果傳遞給downstream的Sink對(duì)象。為什么要產(chǎn)生一個(gè)新對(duì)象而不是返回一個(gè)Sink字段？

這是因?yàn)槭褂胦pWrapSink()可以將當(dāng)前操作與下游Sink（上文中的downstream參數(shù)）結(jié)合成新Sink。試想只要從流水線的最后一個(gè)Stage開(kāi)始，不斷調(diào)用上一個(gè)Stage的opWrapSink()方法直到最開(kāi)始（不包括stage0，因?yàn)閟tage0代表數(shù)據(jù)源，不包含操作），就可以得到一個(gè)代表了流水線上所有操作的Sink，用代碼表示就是這樣：

現(xiàn)在流水線上從開(kāi)始到結(jié)束的所有的操作都被包裝到了一個(gè)Sink里，執(zhí)行這個(gè)Sink就相當(dāng)于執(zhí)行整個(gè)流水線，執(zhí)行Sink的代碼如下：

上述代碼首先調(diào)用wrappedSink.begin()方法告訴Sink數(shù)據(jù)即將到來(lái)，然后調(diào)用spliterator.forEachRemaining()方法對(duì)數(shù)據(jù)進(jìn)行迭代，最后調(diào)用wrappedSink.end()方法通知Sink數(shù)據(jù)處理結(jié)束。邏輯如此清晰。后端技術(shù)精選公眾號(hào)內(nèi)回復(fù)“后端面試”，送你一份Java面試題寶典

>> 執(zhí)行后的結(jié)果在哪里

最后一個(gè)問(wèn)題是流水線上所有操作都執(zhí)行后，用戶所需要的結(jié)果（如果有）在哪里？首先要說(shuō)明的是不是所有的Stream結(jié)束操作都需要返回結(jié)果，有些操作只是為了使用其副作用(Side-effects)，比如使用Stream.forEach()方法將結(jié)果打印出來(lái)就是常見(jiàn)的使用副作用的場(chǎng)景（事實(shí)上，除了打印之外其他場(chǎng)景都應(yīng)避免使用副作用），對(duì)于真正需要返回結(jié)果的結(jié)束操作結(jié)果存在哪里呢？

特別說(shuō)明：副作用不應(yīng)該被濫用，也許你會(huì)覺(jué)得在Stream.forEach()里進(jìn)行元素收集是個(gè)不錯(cuò)的選擇，就像下面代碼中那樣，但遺憾的是這樣使用的正確性和效率都無(wú)法保證，因?yàn)镾tream可能會(huì)并行執(zhí)行。大多數(shù)使用副作用的地方都可以使用歸約操作更安全和有效的完成。

回到流水線執(zhí)行結(jié)果的問(wèn)題上來(lái)，需要返回結(jié)果的流水線結(jié)果存在哪里呢？這要分不同的情況討論，下表給出了各種有返回結(jié)果的Stream結(jié)束操作。

1. 對(duì)于表中返回boolean或者Optional的操作（Optional是存放 一個(gè) 值的容器）的操作，由于值返回一個(gè)值，只需要在對(duì)應(yīng)的Sink中記錄這個(gè)值，等到執(zhí)行結(jié)束時(shí)返回就可以了。
2. 對(duì)于歸約操作，最終結(jié)果放在用戶調(diào)用時(shí)指定的容器中（容器類(lèi)型通過(guò)收集器指定）。collect(), reduce(), max(), min()都是歸約操作，雖然max()和min()也是返回一個(gè)Optional，但事實(shí)上底層是通過(guò)調(diào)用reduce()方法實(shí)現(xiàn)的。
3. 對(duì)于返回是數(shù)組的情況，毫無(wú)疑問(wèn)的結(jié)果會(huì)放在數(shù)組當(dāng)中。這么說(shuō)當(dāng)然是對(duì)的，但在最終返回?cái)?shù)組之前，結(jié)果其實(shí)是存儲(chǔ)在一種叫做Node的數(shù)據(jù)結(jié)構(gòu)中的。Node是一種多叉樹(shù)結(jié)構(gòu)，元素存儲(chǔ)在樹(shù)的葉子當(dāng)中，并且一個(gè)葉子節(jié)點(diǎn)可以存放多個(gè)元素。這樣做是為了并行執(zhí)行方便。關(guān)于Node的具體結(jié)構(gòu)，我們會(huì)在下一節(jié)探究Stream如何并行執(zhí)行時(shí)給出詳細(xì)說(shuō)明。

結(jié)語(yǔ)

本文詳細(xì)介紹了Stream流水線的組織方式和執(zhí)行過(guò)程，學(xué)習(xí)本文將有助于理解原理并寫(xiě)出正確的Stream代碼，同時(shí)打消你對(duì)Stream API效率方面的顧慮。如你所見(jiàn)，Stream API實(shí)現(xiàn)如此巧妙，即使我們使用外部迭代手動(dòng)編寫(xiě)等價(jià)代碼，也未必更加高效。

注：留下本文所用的JDK版本，以便有考究癖的人考證：