並行流調用Spliterator的次數超過其限制

Question

我最近發現了一個錯誤

StreamSupport.intStream(/* a Spliterator.ofInt */, true)
    .limit(20)

正在調用Spliterator.ofInt.tryAdvance超過20次。 當我把它改成

StreamSupport.intStream(/* a Spliterator.ofInt */, true)
    .sequential()
    .limit(20)

問題消失了。 為什么會這樣？ 當tryAdvance有副作用時，有沒有辦法在並行流上實現嚴格限制，除了在Spliterator構建一個？ （這是為了測試一些返回無限流的方法，但是測試需要達到最終結束而沒有“X毫秒循環”構造的復雜性。）

Answer 1

關於limit和trySplit應該如何交互似乎存在根本的誤解。 應該沒有比指定limit更多的trySplit調用的假設是完全錯誤的。

trySplit的目的是將源數據分成兩部分，在最好的情況下分成兩半 ，因為trySplit應該嘗試平衡分割。 因此，如果您擁有一百萬個元素的源數據集，則成功的拆分會產生兩個源數據集，每個元素包含五十萬個元素。 這與您可能已應用於流的limit(20)完全無關，除了我們事先知道的，如果spliterator具有SIZED|SUBSIZED特征，我們可以刪除第二個數據集，作為請求的前 20個元素只能在上半年內找到。

很容易計算出， 在最好的情況下 ，即平衡分割，我們需要十五次分割操作，每次都丟棄上半部分，之后我們在前20個元素之間進行分割，這允許我們處理前20個元素並行的元素。

這可以很容易地證明：

class DebugSpliterator extends Spliterators.AbstractIntSpliterator {
    int current, fence;
    DebugSpliterator() {
        this(0, 1_000_000);
    }
    DebugSpliterator(int start, int end) {
        super(end-start, ORDERED|SIZED|SUBSIZED);
        current = start;
        fence = end;
    }
    @Override public boolean tryAdvance(IntConsumer action) {
        if(current<fence) {
            action.accept(current++);
            return true;
        }
        return false;
    }
    @Override public OfInt trySplit() {
        int mid = (current+fence)>>>1;
        System.out.println("trySplit() ["+current+", "+mid+", "+fence+"]");
        return mid>current? new DebugSpliterator(current, current=mid): null;
    }
}

StreamSupport.stream(new DebugSpliterator(), true)
    .limit(20)
    .forEach(x -> {});

在我的機器上，它打印：

trySplit() [0, 500000, 1000000]
trySplit() [0, 250000, 500000]
trySplit() [0, 125000, 250000]
trySplit() [0, 62500, 125000]
trySplit() [0, 31250, 62500]
trySplit() [0, 15625, 31250]
trySplit() [0, 7812, 15625]
trySplit() [0, 3906, 7812]
trySplit() [0, 1953, 3906]
trySplit() [0, 976, 1953]
trySplit() [0, 488, 976]
trySplit() [0, 244, 488]
trySplit() [0, 122, 244]
trySplit() [0, 61, 122]
trySplit() [0, 30, 61]
trySplit() [0, 15, 30]
trySplit() [15, 22, 30]
trySplit() [15, 18, 22]
trySplit() [15, 16, 18]
trySplit() [16, 17, 18]
trySplit() [0, 7, 15]
trySplit() [18, 20, 22]
trySplit() [18, 19, 20]
trySplit() [7, 11, 15]
trySplit() [0, 3, 7]
trySplit() [3, 5, 7]
trySplit() [3, 4, 5]
trySplit() [7, 9, 11]
trySplit() [4, 4, 5]
trySplit() [9, 10, 11]
trySplit() [11, 13, 15]
trySplit() [0, 1, 3]
trySplit() [13, 14, 15]
trySplit() [7, 8, 9]
trySplit() [1, 2, 3]
trySplit() [8, 8, 9]
trySplit() [5, 6, 7]
trySplit() [14, 14, 15]
trySplit() [17, 17, 18]
trySplit() [11, 12, 13]
trySplit() [12, 12, 13]
trySplit() [2, 2, 3]
trySplit() [10, 10, 11]
trySplit() [6, 6, 7]

當然，這遠遠超過二十次分割嘗試，但完全合理，因為必須將數據集拆分，直到我們在所需目標范圍內具有能夠並行處理它的子范圍。

我們可以通過刪除導致此執行策略的元信息來強制執行不同的行為：

StreamSupport.stream(new DebugSpliterator(), true)
    .filter(x -> true)
    .limit(20)
    .forEach(x -> {});

由於Stream API不了解謂詞的行為，因此管道會失去其SIZED特性，導致

trySplit() [0, 500000, 1000000]
trySplit() [500000, 750000, 1000000]
trySplit() [500000, 625000, 750000]
trySplit() [625000, 687500, 750000]
trySplit() [625000, 656250, 687500]
trySplit() [656250, 671875, 687500]
trySplit() [0, 250000, 500000]
trySplit() [750000, 875000, 1000000]
trySplit() [250000, 375000, 500000]
trySplit() [0, 125000, 250000]
trySplit() [250000, 312500, 375000]
trySplit() [312500, 343750, 375000]
trySplit() [125000, 187500, 250000]
trySplit() [875000, 937500, 1000000]
trySplit() [375000, 437500, 500000]
trySplit() [125000, 156250, 187500]
trySplit() [250000, 281250, 312500]
trySplit() [750000, 812500, 875000]
trySplit() [281250, 296875, 312500]
trySplit() [156250, 171875, 187500]
trySplit() [437500, 468750, 500000]
trySplit() [0, 62500, 125000]
trySplit() [875000, 906250, 937500]
trySplit() [62500, 93750, 125000]
trySplit() [812500, 843750, 875000]
trySplit() [906250, 921875, 937500]
trySplit() [0, 31250, 62500]
trySplit() [31250, 46875, 62500]
trySplit() [46875, 54687, 62500]
trySplit() [54687, 58593, 62500]
trySplit() [58593, 60546, 62500]
trySplit() [60546, 61523, 62500]
trySplit() [61523, 62011, 62500]
trySplit() [62011, 62255, 62500]

這顯示了較少的trySplit調用，但沒有改進; 查看數字顯示現在范圍在結果元素范圍之外（如果我們使用我們的知識，所有元素將通過文件管理器）被處理，更糟糕的是，結果元素的范圍完全由單個分裂器覆蓋，導致不平行對於我們的結果元素的處理，所有其他線程都是后來被刪除的處理元素。

當然，我們可以通過更改來輕松地為我們的任務實施最佳分割

int mid = (current+fence)>>>1;

至

int mid = fence>20? 20: (current+fence)>>>1;

所以

StreamSupport.stream(new DebugSpliterator(), true)
    .limit(20)
    .forEach(x -> {});

結果是

trySplit() [0, 20, 1000000]
trySplit() [0, 10, 20]
trySplit() [10, 15, 20]
trySplit() [10, 12, 15]
trySplit() [12, 13, 15]
trySplit() [0, 5, 10]
trySplit() [15, 17, 20]
trySplit() [5, 7, 10]
trySplit() [0, 2, 5]
trySplit() [17, 18, 20]
trySplit() [2, 3, 5]
trySplit() [5, 6, 7]
trySplit() [15, 16, 17]
trySplit() [6, 6, 7]
trySplit() [16, 16, 17]
trySplit() [0, 1, 2]
trySplit() [7, 8, 10]
trySplit() [8, 9, 10]
trySplit() [1, 1, 2]
trySplit() [3, 4, 5]
trySplit() [9, 9, 10]
trySplit() [18, 19, 20]
trySplit() [10, 11, 12]
trySplit() [13, 14, 15]
trySplit() [11, 11, 12]
trySplit() [4, 4, 5]
trySplit() [14, 14, 15]

但這不是一個通用的分裂者，但如果限制不是二十，則表現不佳。

如果我們可以將限制結合到分裂器中，或者更一般地說，將其納入流源，我們就沒有這個問題。 因此，不是list.stream().limit(x) ，而是調用list.subList(0, Math.min(x, list.size())).stream() ，而不是random.ints().limit(x) ，使用random.ints(x) ，而不是Stream.generate(generator).limit(x)你可以使用LongStream.range(0, x).mapToObj( index -> generator.get())或使用這個答案的工廠方法。

對於任意流源/分裂器，對於並行流，應用limit可能非常昂貴， 甚至可以記錄 。 嗯，並且在trySplit中有副作用trySplit是一個壞主意。

Answer 2

我不認為這是一個任何方式的錯誤，但仍然是一個非常有趣的想法， tryAdvance可能有副作用。

據我所知，當你的trySplit單個元素批次時，這完全是可能的。

例如，您有一個數組，並且您希望將其（通過trySplit ）拆分為每個不少於4個元素的子數組部分。 在這種情況下，當你不能再拆分時（例如，你在當前的Spliterator至少達到了4個元素），當處理開始時 - 將調用forEachRemaning ; 反過來，它會默認調用tryAdvance在當前每個元素Spliterator ，如默認實現看出：

default void forEachRemaining(Consumer<? super T> action) {
    do { } while (tryAdvance(action));
}

顯然，因為你正在並行工作 - 一旦Thread開始它的工作（讀取executing it's forEachRemaning ），它就不能再停止了 - 所以更多的元素將會命中tryAdvance 。

因此，除了將其整合到Spliterator本身之外，我真的不認為有辦法做到這一點; 我認為這應該有效：

  static class LimitingSpliterator<T> implements Spliterator<T> {

    private int limit;

    private final Supplier<T> generator;

    private LimitingSpliterator(Supplier<T> generator, int limit) {
        this.limit = limit;
        this.generator = generator;
    }

    static <T> LimitingSpliterator<T> of(Supplier<T> supplier, int limit) {
        return new LimitingSpliterator<>(supplier, limit);
    }

    @Override
    public boolean tryAdvance(final Consumer<? super T> consumer) {
        Objects.requireNonNull(consumer);
        if (limit > 0) {
            --limit;
            generator.get();
            consumer.accept(generator.get());
            return true;
        }
        return false;
    }

    @Override
    public void forEachRemaining(final Consumer<? super T> consumer) {
        while (limit > 0) {
            consumer.accept(generator.get());
            --limit;
        }
    }

    @Override
    public LimitingSpliterator<T> trySplit() {
        int half = limit >> 2;
        limit = limit - half;
        return new LimitingSpliterator<>(generator, half);
    }

    @Override
    public long estimateSize() {
        return limit << 2;
    }

    @Override
    public int characteristics() {
        return SIZED;
    }
}

Answer 3

對於我的用例，解決方案是使用： LongStream.range(0, streamSize).unordered().parallel().mapToInt(ignored -> nextInt())注意：這是來自PRNG的隨機數流可能會不斷重新接種。