Stream.sorted（）。limit（）的性能

Question

Java Streams同时运行sorted和limit方法，它们分别返回流的排序版本并返回一个流，只返回指定数量的流项。 当这些操作连续应用时，例如：

stream.sorted().limit(qty).collect(Collectors.toList())

排序是以对qty项进行排序还是整个列表排序的方式执行的？ 换句话说，如果qty是固定的，那么这个操作是否在O(n) ？ 文档没有单独指定这些方法的性能或相互结合使用。

我问的原因是这些操作的明显命令性实现是排序然后限制，取时间Θ(n * log(n)) 。 但是这些操作可以在O(n * log(qty)) ，智能流式框架可以在执行之前查看整个流以优化此特殊情况。

Answer 1

让我首先指出Java语言规范对如何实现流的限制很少。 因此，询问Java流的性能真的没有太大意义：它们在实现之间会有很大差异。

另请注意， Stream是一个界面。 您可以创建自己的类来实现Stream以便根据需要对sorted执行任何性能或特殊行为。 因此，即使在一个实现的上下文中，真正询问Stream的性能也没有意义。 OpenJDK实现有许多实现Stream接口的类。

话虽如此，如果我们看一下OpenJDK实现， SortedOps的排序最终会在SortedOps类中进行（参见这里的源代码），你会发现排序方法最终会返回有状态操作的扩展。 例如：

private static final class OfInt extends IntPipeline.StatefulOp<Integer>

这些方法检查上游是否已经排序，在哪种情况下它们只是将它传递给下游。 它们对于大小的流（即上游）也有特殊的例外情况，它们预先分配它们最终排序的数组，这将提高效率（通过它们用于未知大小流的SpinedBuffer ）。 但是，只要上游尚未排序，它们就接受所有项目，然后对它们进行排序，然后发送到下游实例的accept方法。

因此得出的结论是，OpenJDK sorted实现收集所有项目，然后排序，然后发送到下游。 在某些情况下，当下游将丢弃某些元素时，这将浪费资源。 对于特殊情况，您可以自由地实现自己的专用排序操作，该操作比此更有效。 可能最直接的方法是实现一个Collector ，它保存流中n个最大或最小项的列表。 您的操作可能看起来像：

.collect(new CollectNthLargest(4)).stream()

取代

.sorted().limit(4)

Answer 2

我的StreamEx库中有一个特殊的收集器，它执行此操作： MoreCollectors.least MoreCollectors.least(qty) ：

List<?> result = stream.collect(MoreCollectors.least(qty));

它在内部使用 PriorityQueue，并且在未排序的输入上使用小数量时实际上工作得更快。 但是请注意，如果输入主要是排序的，那么sorted().limit(qty)可能会更快，因为TimSort对于预分类数据来说速度非常快。

Answer 3

这取决于实现，也可能取决于流管道是否可以“看穿” sorted()和limit()之间的潜在操作。

即使您要询问OpenJDK实现，它也可能会发生变化，因为javadocs不保证运行时行为。 但不，目前它没有实现k-min选择算法。

您还必须记住， sorted()不适用于无限流，除非它们已经具有SORTED特性。