在mapToInt之后调用map是否有任何优势，如果需要的话 [英] Is there any advantage of calling map after mapToInt, where ever required

问题描述

我正在尝试计算列表中值的平方和。
以下是三个变量，它们都计算所需的值。
我想知道哪一个效率最高。我期待第三个
更高效，因为自动装箱只进行一次。

I am trying to calculate the sum of squares of values in the list. Below are three variations which all calculates the required value. I want to know which one is the most efficient. I am expecting the third one to be more efficient as auto boxing is only done once.

    // sum of squares
    int sum = list.stream().map(x -> x * x).reduce((x, y) -> x + y).get();
    System.out.println("sum of squares: " + sum);

    sum = list.stream().mapToInt(x -> x * x).sum();
    System.out.println("sum of squares: " + sum);

    sum = list.stream().mapToInt(x -> x).map(x -> x * x).sum();
    System.out.println("sum of squares: " + sum);

推荐答案

如有疑问，请测试！使用jmh，我在100k元素列表中得到以下结果（以微秒为单位，越小越好）：

When in doubt, test! Using jmh, I get the following results on a list of 100k elements (in microseconds, smaller is better):

Benchmark                        Mode  Samples     Score    Error  Units
c.a.p.SO32462798.for_loop        avgt       10   119.110    0.921  us/op
c.a.p.SO32462798.mapToInt        avgt       10   129.702    1.040  us/op
c.a.p.SO32462798.mapToInt_map    avgt       10   129.753    1.516  us/op
c.a.p.SO32462798.map_reduce      avgt       10  1262.802   12.197  us/op
c.a.p.SO32462798.summingInt      avgt       10   134.821    1.203  us/op

所以你有，从更快到更慢：

So you have, from faster to slower:

• for（int i：list ）sum + = i * i;


• mapToInt（x - > x * x）.sum（）和 mapToInt（x - > x）.map（x - > x * x）.sum（）


• collect（Collectors.summingInt（x - > x * x））


• map（x - > x * x）.reduce（（x，y） - > x + y）。get（）

• for(int i : list) sum += i*i;
• mapToInt(x -> x * x).sum() and mapToInt(x -> x).map(x -> x * x).sum()
• collect(Collectors.summingInt(x -> x * x))
• map(x -> x * x).reduce((x, y) -> x + y).get()

请注意，结果在很大程度上取决于JIT优化。如果映射中的逻辑更复杂，则某些优化可能不可用（更长的代码=更少的内联），在这种情况下，流版本可能比for循环花费多4-5倍的时间 - 但如果该逻辑是CPU重的话差异将再次减少。分析您的实际应用程序将为您提供更多信息。

Note that the results are very much dependent on the JIT optimisations. If the logic in the mapping is more complex, some of the optimisations may be unavailable (longer code = less inlining) in which case the streams versions may take 4-5x more time than the for loop - but if that logic is CPU heavy the difference will reduce again. Profiling your actual application will give you more information.

基准代码供参考：

@State(Scope.Benchmark)
@BenchmarkMode(Mode.AverageTime)
public class SO32462798 {

  List<Integer> list;

  @Setup public void setup() {
    list = new Random().ints(100_000).boxed().collect(toList());
  }

  @Benchmark public int for_loop() {
    int sum = 0;
    for (int i : list) sum += i * i;
    return sum;
  }

  @Benchmark public int summingInt() {
    return list.stream().collect(Collectors.summingInt(x -> x * x));
  }

  @Benchmark public int mapToInt() {
    return list.stream().mapToInt(x -> x * x).sum();
  }

  @Benchmark public int mapToInt_map() {
    return list.stream().mapToInt(x -> x).map(x -> x * x).sum();
  }

  @Benchmark public int map_reduce() {
    return list.stream().map(x -> x * x).reduce((x, y) -> x + y).get();
  }
}

这篇关于在mapToInt之后调用map是否有任何优势，如果需要的话的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！