使用 RandomStringUtils 模拟数据时，Java 并行流比串行慢

Question

我有大约 1000000 个段落的数据库记录，每个段落大约有 500 个字符。通过阅读所有记录，我需要获取按使用最多到最少使用的顺序排列的字母表列表。

我通过创建高达 1000000 的流来模拟数据库读取，然后并行处理该流

final Map<Character, Long> charCountMap = new ConcurrentHashMap<>();
for (char c = 'a'; c <= 'z'; c++) {
    charCountMap.put(c, 0l);
}

System.out.println("Parallel Stream");
long start = System.currentTimeMillis();
Stream.iterate(0, i -> i).limit(1000000).parallel() //mock database stream
    .forEach(i-> RandomStringUtils.randomAlphanumeric(500)
    .toLowerCase().chars().mapToObj(c -> Character.valueOf((char) c)).filter(c -> c >= 97 && c <= 122)
    .forEach(c -> charCountMap.compute(c, (k, v) -> v + 1))); //update ConcurrentHashMap

long end = System.currentTimeMillis();
System.out.println("Parallel Stream time spent :" + (end - start));

System.out.println("Serial Stream"); start = System.currentTimeMillis();
Stream.iterate(0, i -> i).limit(1000000) //mock database stream
    .forEach(i-> RandomStringUtils.randomAlphanumeric(500)
    .toLowerCase().chars().mapToObj(c -> Character.valueOf((char) c)).filter(c -> c >= 97 && c <= 122)
    .forEach(c -> charCountMap.compute(c, (k, v) -> v + 1)));
end = System.currentTimeMillis();
System.out.println("Serial Stream time spent :" + (end - start));

我最初认为即使流的预期开销大于 100,000，并行流也会更快。然而，测试表明，即使对于 1,000,000 条记录，串行流也比并行流快约 5 倍。

我怀疑是因为更新了

ConcurrentHashMap

。但是当我删除它并用空函数更改时，仍然存在显着的性能差距。

我的数据库模拟调用或我使用并行流的方式有问题吗？

Answer 1

使用

RandomStringUtils.randomAlphanumeric(500)

不适合与

parallel()

一起使用，因为根据此处的代码它使用静态变量来生成随机字符串。因此，所有线程生成随机字符串的所有调用都将在

Random

的同一底层实例上发生争用：

private static final Random RANDOM = new Random();

编写自己的随机字符串生成器，每个线程使用

Random

的单个实例或使用 java.util.concurrent.ThreadLocalRandom - 这可以避免随机序列的争用。在将其编辑为使用 ThreadLocalRandom 之前，同样的问题会导致该问题性能不佳。

参见 javadoc

java.util.Random 说：

Instances of java.util.Random  are threadsafe.
However, the concurrent use of the same java.util.Random 
instance across threads may encounter contention and consequent
poor performance. Consider instead using 
java.util.concurrent.ThreadLocalRandom in multithreaded
designs.