JavaOne 2016次日—— \"并行编程思想\"

JavaOne次日，视频直播涵盖了四个会议室。这些会议的视频链接在本文末尾给出。

\\

InfoQ参与了会议《并行编程思想（Thinking in Parallel）》，本文主要讨论该话题（视频链接见文末）。该话题的演讲人是来自Oracle的Stuart Marks和Brian Goetz。二人组完美的通过流API（streams）解释了并行处理，其中Marks着重介绍了为什么要使用Stream API，而Goetz着重介绍了为什么要使用并行化。

\\

Marks的演讲从一个将字符串数组转换成大写的示例开始，同时展示了常规实现和Stream实现。

\\

常规实现使用一个for循环，内容如下：

\\

\\

这里输入数组从左往右顺序处理，但是主要运算逻辑仅仅是“转换成大写”，且每个字符串运算都相互独立。另外，数组中的数据可以以任何顺序处理，或者是并行处理。那么，如果使用Stream方式会怎样呢？

\\

\\

在使用Stream方式的示例中，输入数组被映射成大写，然后被重组成数组。输入和输出数组中的内容无需保证顺序，整个数组都被转换成大写。

\\

Marks声称Stream版本更好，因为它有更高级别的抽象、计算的独立性和聚合性。

\\

\\

下一个示例演示的是通过指定关键字将一个列表分割，内容如下：

\\

\\

Marks指出subList方法参数为原始列表索引值，为了完成这个需求，算法必须在“#”处分割。为了便于理解，Marks在“#”处放置了黑条来表示子列表的边界，然后将每个边界切分并合成创建新的子列表边界。示意图如下：

\\

\\

使用传统方式实现这个算法：

\\

\\

以上实现有一些额外的复杂度，增加了理解成本，例如：start = cur + 1;语句和在for循环之外调用result.add方法。对此，Marks的观点是：

\\

\\

Marks对比了Stream实现，重新审视问题，我们唯一关心的是索引。因此，不同于之前的for循环，这里通过Stream来检查索引。由于断言和结果分割运算相互独立，我们可以针对每个元素做断言验证，并且这些验证都可以独立计算。上面描述的结果代码（消除了数组复制而改成追加到数组之后）大致如下：

\\

\\

Marks总结了他的观点：Stream实现更加清晰。

\\

\\

随后，Goetz补充了Marks的演讲主题，考虑了并行计算的优势和劣势。他从下面这页演示文稿开始讨论并行化，指出并行化是消耗更多资源和更快得到结果的权衡。

\\

\\

Goetz强调，并行计算总是会增加更多的并行化事务，例如划分工作，管理和协调任务以及他们的结果。所以，如果计算任务能够被成功的并行化，该任务本身应该是可并行化并且有优秀的并行计算框架（例如fork-join库）。最后，还应该有足够的数据来并行的处理。随后，Goetz提供了一些可以有效进行并行化的示例，并向听众展示了如何分而治之：

\\

\\

Goetz强调所有的并行解决方案实质上都看起来像上面分而治之的思想：将问题划分以避免同步开销。对于一个高效的并行算法，问题应该尽早的被分割。Goetz提供了一个示例，展示了并行的对一个数组进行求和，并给出了一些性能考量：

\\

\\

最后，Goetz讨论了并行Stream性能。Stream容易被并行化，但是不是所有源数据都适合并行处理。

\\

\

基于数组的源数据是最佳的。

\

\\

根据Goetz的描述，“NQ模型”是一个简单的模型，一个用来计算并行化提速的经验法则：

\\

\\

Goetz探讨了“源数据分割效率”，提到了数组由于其底层实现方式，它的分割非常均匀且低成本。另外需要记得一些管道操作会依赖数据顺序，例如“限制10项”操作显然是按顺序应用到前10项。另一个需要考虑的的是有时归并操作可能成本会很高。

\\

Goetz总结了整个会议主题：

\\

\\

相关链接:

\\

会议室4

\\

会议室6

\\

Cyrill Magnin II/III

\\

Embarcadero

\\

查看英文原文：JavaOne 2016 - Day 2 \"Thinking in Parallel\"