Java Streams可以将点列表转换为坐标列表吗？

Question

我在JavaFX 8程序中有Point3D流。 为了从中创建网格，我希望能够生成它们的（x，y，z）坐标列表。

通过传统的Java循环，这已经足够简单了。 （实际上，这几乎是微不足道的。）但是，将来，我可能会处理成千上万的积分； 我非常希望能够使用Java Stream API并通过并行流完成此任务。

我想我要找的是这个伪代码的大致等效项：

List<Double> coordinates = stream.parallel().map(s -> (s.getX(), s.getY(), s.getZ())).collect(Collectors.asList());

到目前为止，我还没有发现任何此类功能。 有人可以请我朝正确的方向推进吗？

Answer 1

您可以使用flatMap ：

List<Double> coordinates = 
    stream.parallel()
          .flatMap(s -> Stream.of(s.getX(), s.getY(), s.getZ()))
          .collect(Collectors.asList());

Answer 2

为什么？ 即使有了“成千上万的点”，代码也将在极短的时间内完成，并且“使用并行流”将不会真正获得任何收益。

这听起来像是一个过早优化的完美示例，您可能会将代码复杂化为尚不存在的问题，并且至少在这种情况下不可能成为问题。

为了证明我的观点，我在下面创建了测试代码。

为了最大程度地减少GC运行的影响，我使用-Xms10g -Xmx10g运行了此代码，并添加了显式的gc()调用，因此测试运行使用“干净的状态”运行。

与往常一样，性能测试受JIT优化和其他因素的影响，因此提供了一个预热循环。

public static void main(String[] args) {
    Random rnd = new Random();
    List<Point3D> input = new ArrayList<>();
    for (int i = 0; i < 10_000; i++)
        input.add(new Point3D(rnd.nextDouble(), rnd.nextDouble(), rnd.nextDouble()));

    for (int i = 0; i < 100; i++) {
        test1(input);
        test2(input);
    }

    for (int i = 0; i < 10; i++) {
        long start1 = System.nanoTime();
        test1(input);
        long end1 = System.nanoTime();
        System.gc();
        long start2 = System.nanoTime();
        test2(input);
        long end2 = System.nanoTime();
        System.gc();
        System.out.printf("%.6f  %.6f%n", (end1 - start1) / 1_000_000d, (end2 - start2) / 1_000_000d);
    }
}
private static List<Double> test1(List<Point3D> input) {
    List<Double> list = new ArrayList<>();
    for (Point3D point : input) {
        list.add(point.getX());
        list.add(point.getY());
        list.add(point.getZ());
    }
    return list;
}
private static List<Double> test2(List<Point3D> input) {
    return input.stream().parallel()
                         .flatMap(s -> Stream.of(s.getX(), s.getY(), s.getZ()))
                         .collect(Collectors.toList());
}

结果

0.355267  0.392904
0.205576  0.260035
0.193601  0.232378
0.194740  0.290544
0.193601  0.238365
0.243497  0.276286
0.200728  0.243212
0.197022  0.240646
0.192175  0.239790
0.198162  0.279708

没有什么大的区别，尽管并行流似乎稍微慢一些。
另请注意，它在不到0.3 ms的时间内完成了10,000点。
没什么！

让我们尝试将计数从10,000增加到10,000,000（跳过预热）：

433.716847  972.100743
260.662700  693.263850
250.699271  736.744653
250.486281  813.615375
249.722716  714.296997
254.704145  796.566859
254.713840  829.755767
253.368331  959.365322
255.016928  973.306254
256.072177  1047.562090

现在并行流有一定的降级。 它慢了3倍 。 这可能是由于额外的GC运行引起的。

结论：过早的优化是不好的！！！！

就您而言，您实际上使情况更糟。