前言
“我正在参与「启航计划」”
作者简介： 不愿过江东丶，一个来自二线城市的程序员，致力于用“猥琐”办法解决繁琐问题，让杂乱的问题变得通俗易懂。
支撑作者： 点赞、重视、留言~
最近大聪明一直在开发项目中的新需求，其中有一个需求是“解析文件（.txt文件，一行便是一条数据）中的数据并进行入库操作”。其实这个需求也很简略，无非便是将文件中每一行数据转换为一个目标，将每一个目标都存储到 list 集合中，终究履行批量入库的操作。但便是这么一个简略的需求却让我踩了一个大坑….
踩坑日记
public static void main(String[] args) {
List<Integer> list = new ArrayList<>();
for (int i = 0; i < 10000; i++) {
list.add(i);
}
System.out.println("a:"+list.size());
List<Integer> streamList = new ArrayList<>();
list.parallelStream().forEach(streamList::add);
System.out.println("b:"+streamList.size());
}
}
各位小伙伴看看简化后的代码，猜想一下 a 和 b 输出的值分别是多少呢？这儿就不卖关子了，咱们直接揭晓答案
这也是我在项目中遇倒的问题所在，解析完文件后，经过 parallelStream().forEach() 遍历成果进行处理，可是终究入库的数据条数总是小于文件中的数据条数。
这种状况大聪明仍是第一次见到，不过却又一次激起了大聪明的求知欲，开启了寻根究底模式~
寻根究底
经过大聪明的一番探究，也是总算找到了问题答案…
Stream（流）是 JDK8 中引入的一种相似与迭代器（Iterator）的单向迭代访问数据的东西。ParallelStream 则是并行的流，它经过 Fork/Join 结构来拆分使命，加速流的处理过程。Fork/Join 的结构是经过把一个大使命不断 fork 成许多子使命，然后多线程履行这些子使命，最终再 Join 这些子使命得到终究成果。咱们回到实例代码中来解释一下，便是先将 list 集合 fork 成多段，然后多线程增加到 streamList 的结合中，而 streamList 是ArrayList 类型，ArrayList 的 add() 办法并不能确保原子性。
咱们先看一下 ArrayList 中 add() 办法的源码
- ensureCapacityInternal(size + 1) ：确认当时 ArrayList 中的数组是否还能够加入新的元素。假如不可，就会再申请一个：int newCapacity = oldCapacity + (oldCapacity >> 1) 大小的数组（即容量变为原来的 1.5 倍），然后将数据复制过去。
- elementData[size++] = e：将元素增加到 elementData 数组中。
那么在多线程高并发状况下，假如有A、B两个线程一起履行 add() 办法，在第一步校验数组容量时，A、B线程都发现当时无需扩容，还能够持续增加一个元素；因此A、B线程都进入了第二步，此刻，A线程先履行完，数组容量已满，然后B线程再对 elementData 赋值时，就会出现咱们上面提到的状况，要么是数据丢掉，要么是抛出数组下标越界的异常。
解决计划
问题原因咱们现已找到了，那么问题的解决计划也就呼之欲出了~
计划一：将 parallelStream 改成 stream，或者直接运用 foreach 遍历处理。也便是放弃多线程的写法，改为传统的单线程处理。
计划二：运用 list = new CopyOnWriteArrayList<>(); 这是个线程安全的类。从源码上看，CopyOnWriteArrayList 在 add 操作时，经过 ReentrantLock 进行加锁，避免并发写。可是每次 add 操作都是把原数组中的元素拷贝一份到新数组中，然后在新数组中增加新元素，最终再把引用指向新数组，这也就会频繁的创立数组（千万别忘了数组需求一块连续的内存空间）。所以当实际事务逻辑中存在很多 add 操作时，要慎重运用 CopyOnWriteArrayList 。
计划三：运用包装类 list = Collections.synchronizedList(Arrays.asList());
咱们在运用 parallelStream 之前，一定要仔细思考一下自己的事务逻辑是否真的需求多线程并发处理。其实在实际运用场景中，并不是一切的问题都合适运用并发来解决，比方当数据量不大时，次序履行往往比并行履行更快，毕竟预备线程池和其它相关资源也是需求时间的。可是，当使命涉及到 I/O 操作而且使命之间不互相依赖时，那么并行化便是一个不错的挑选。
小结
本人经验有限，有些地方或许讲的没有特别到位，假如您在阅览的时候想到了什么问题，欢迎在评论区留言，咱们后续再一一探讨
期望各位小伙伴动动自己可爱的小手，来一波点赞+重视 (✿◡‿◡) 让更多小伙伴看到这篇文章~ 蟹蟹呦(●’◡’●)
假如文章中有过错，欢迎大家留言纠正；若您有更好、更独到的了解，欢迎您在留言区留下您的名贵主意。
爱你所爱 行你所行 遵从你心 无问东西
