parallelStream()使用注意点

parallelStream()使用中的注意点:

1、并行流如果使用,最好使用自定义的线程池,避免使用默认的线程池,以免千万阻塞或者资源竞争等问题。

2、parallelStream适用的场景是CPU密集型的,假如本身电脑CPU的负载很大,那还到处用并行流就无法起到作用,切记不要再parallelStream操作中使用IO流

3、不要在多线程中使用parallelStream,因为大家都在抢占CPU,是不会提升效果,反而可能加大线程之间切换上下文的开销。

Runtime.getRuntime.availableProcessors()是JDK提供的获取当前系统的可能核心数,而现在多数应用是发布在容器中的,虽然部署的容器是2C4G的,但是ForkJoinPool创建的FokJoinPool可能会创建出几十个线程,因为程序部署在docker容器中,那么获取的是宿主机的CPU核心数。

容器明明分配的是2C,为什么java获取的会是物理机的核心数呢?怎么解决这个问题呢?

1、使用JDKu131以上的版本

2、使用自编译源代码的方式

相关推荐
2601_956743683 分钟前
2026 上海软件定制开发公司:依托 D-coding 解析企业级定制开发的技术方案与落地全路径
大数据·数据库·人工智能·软件开发·开发经验·上海
咕咕AI学堂3 分钟前
Python 消息队列选型:从 Redis Stream 到 Kafka 的工程决策框架
人工智能
信实翻译3 分钟前
跨越语言的长河:纪录片翻译的艺术与科学
人工智能
谁似人间西林客4 分钟前
供应链协同如何赋能汽车智能制造提质增效?
人工智能·汽车·制造
波动几何4 分钟前
AI技能矩阵:从领域评估到任务执行的完整方法论
人工智能
wjcroom7 分钟前
时空和电子7-泡力模型含罗量
人工智能·算法·机器学习
Codebee9 分钟前
从 Agent Harness 到 Scenario Loop
人工智能
MatrixOrigin11 分钟前
MatrixOne Git4Data 技术详解(三):MatrixOne 架构及 Git4Data 原理解析,快照、Diff、Merge 凭什么这么快
数据库·人工智能·数据平台·矩阵起源·数据底座
KaMeidebaby11 分钟前
卡梅德生物技术快报 | Fab 合成文库构建与抗体筛选实验流程及数据解析
人工智能·python·tcp/ip·算法·机器学习
天风之翼11 分钟前
AI 全栈开发实战(8):前端开发(二)——流式对话界面与 Markdown 渲染
人工智能