使用 Java Stream1实现这个功能
import java.util.stream.Stream;
import java.util.stream.StreamSupport;
public class IterableUtils {
public static <T> Iterable<T> concat(Iterable<T>... iterables) {
return () -> Stream.of(iterables)
.flatMap(it -> StreamSupport.stream(it.spliterator(), false))
.iterator();
}
}
Java Stream
parallelStream
在 Java 8 中，可以使用并行流来并行处理数据。并行流是通过将数据分成多个部分来并行处理的，这与 ForkJoin 框架中的分治算法类似。
下面是一个示例，它使用并行流来查找数组中的最大值：
import java.util.Arrays; int[] array = { ... }; int max = Arrays.stream(array).parallel().max().getAsInt();在这种情况下，并行流会自动将数组分成多个部分，并在多个线程上并行处理这些部分。
也可以在并行流上使用自定义的 ForkJoinPool,来控制线程数量：
ForkJoinPool customThreadPool = new ForkJoinPool(4); int max = customThreadPool.submit(() -> Arrays.stream(array).parallel().max().getAsInt() ).get();需要注意的是，使用并行流可能会导致额外的内存使用，因为它需要复制数据来在多个线程上并行处理。因此，如果数据量很大或内存受限，可能需要使用其他方法来并行处理数据。
并行流是根据什么来分配数组数据到各个线程的呢？
在 Java 8 中，并行流使用的是分块策略来将数据分配到各个线程。分块策略的基本思想是将数据分成固定大小的块，并将每个块分配给单独的线程来处理。
具体实现上，并行流会使用 Spliterator 接口来定义数据的分块策略。Spliterator 接口提供了 trySplit() 方法，该方法将当前数据分成两部分，返回第一部分的 Spliterator，并将第二部分留在当前 Spliterator 中。
例如，对于数组，并行流会使用 ArraySpliterator 来定义分块策略。ArraySpliterator 类会将数组分成固定大小的块，并在 trySplit() 方法中使用这些块来分配数据。
在使用并行流时，可以通过使用 parallelism 属性来控制线程数量，来调整分配数据的粒度，从而影响程序的性能
但是需要注意的是,这只是默认的分块策略,并不是所有情况都适用,在某些情况下需要自定义分块策略来获得最佳性能.
↩
欢迎来到这里！
我们正在构建一个小众社区，大家在这里相互信任，以平等 • 自由 • 奔放的价值观进行分享交流。最终，希望大家能够找到与自己志同道合的伙伴，共同成长。
注册 关于