Java流操作融合和有状态中间操作

Question

我一直试图理解并展示Java流如何在引擎盖下实现一种循环融合，以便将几个操作融合到一个通道中。

这是第一个例子：

Stream.of("The", "cat", "sat", "on", "the", "mat")
        .filter(w -> {
            System.out.println("Filtering: " + w);
            return w.length() == 3;
        })
        .map(w -> {
            System.out.println("Mapping: " + w);
            return w.toUpperCase();
        })
        .forEach(w -> System.out.println("Printing: " + w));

具有以下输出（每个元素的单个传递的融合非常清晰）：

Filtering: The
Mapping: The
Printing: THE
Filtering: cat
Mapping: cat
Printing: CAT
Filtering: sat
Mapping: sat
Printing: SAT
Filtering: on
Filtering: the
Mapping: the
Printing: THE
Filtering: mat
Mapping: mat
Printing: MAT

第二个例子是相同的，但我使用filter和map之间的sorted（）操作：

Stream.of("The", "cat", "sat", "on", "the", "mat")
        .filter(w -> {
            System.out.println("Filtering: " + w);
            return w.length() == 3;
        })
        .sorted()
        .map(w -> {
            System.out.println("Mapping: " + w);
            return w.toUpperCase();
        })
        .forEach(w -> System.out.println("Printing: " + w));

这有以下输出：

Filtering: The
Filtering: cat
Filtering: sat
Filtering: on
Filtering: the
Filtering: mat
Mapping: The
Printing: THE
Mapping: cat
Printing: CAT
Mapping: mat
Printing: MAT
Mapping: sat
Printing: SAT
Mapping: the
Printing: THE

所以我的问题在这里，通过调用distinct，我认为因为它是一个“有状态”的中间操作，所以它不允许在单次传递（所有操作）中单独处理单个元素。 此外，因为sorted（）有状态操作需要处理整个输入流以产生结果，所以这里不能部署融合技术，这就是为什么所有的过滤首先发生，然后它将映射和打印操作融合在一起的原因，排序后？ 如果我的任何假设不正确，请纠正我，并随时详细说明我已经说过的内容。

此外，它如何决定它是否可以将元素融合到一个通道中，例如，当存在distinct（）操作时，是否有一个标志可以关闭以阻止它发生，就像它一样什么时候distinct（）不存在？

最后的问题是，虽然将操作融合到单个通道中的好处有时是显而易见的，例如，当与短路结合时。 将操作融合在一起的主要好处是什么，例如filter-map-forEach，甚至是filter-map-sum？

Answer 1

无状态操作（map，filter，flatMap，peek等）完全融合; 我们构建一系列级联的Consumer对象并将数据倒入。每个元素可以彼此独立地操作，因此链中永远不会有任何“卡住”。 （这就是路易斯的意思是如何实现融合 - 我们将阶段组成一个大功能，并将数据提供给它。）

有状态操作（不同的，排序的，限制的等）更复杂，并且其行为的变化更大。 每个有状态操作都可以选择它想要实现的方式，因此它可以选择可能性最小的方法。 例如， distinct （在某些情况下），让元素在审查时出现，而sorted则是完全屏障。 （不同之处在于可能存在多少懒惰，以及它们如何处理下游限制操作的无限来源。）

确实，有状态操作通常会破坏融合的一些好处，但并非所有这些好处（上游和下游的操作仍然可以融合）。

除了您观察到的短路值之外，融合的额外大赢还包括（a）您不必在阶段之间填充中间结果容器，以及（b）您正在处理的数据总是“热” “在缓存中。

Answer 2

是的，那是对的。 所有这些都可以通过查看源代码来检查。

但是，Fusion并没有像我认为的那样实现。 没有看整个管道并决定如何融合它; 没有旗帜或任何东西; 只是操作是表示为StatefulOp对象，它可以运行整个流到那一点并获得所有输出，或者StatelessOp只是装饰一个Sink来说明元素的去向。 您可以查看源代码，例如已sorted和map的示例。