Java8与游戏开发（五）

游戏开发很重要的一点就是系统的并发性能，体现在单位时间内处理的请求数，还有同时连接的最大用户数。

基于Java语言实现的Netty不仅并发性能极高，内存的gc效率高，使得它成为Java游戏服务器的首选。


Java7之前的java.util.concurrent包就有了Executors线程池，ConcurrentHashMap、ConcurrentSkipListMap等线程安全又高效的数据结构,
基于CAS原理的Atomic原子类型能够避免线程频繁挂起和恢复的开销。

Java7有ForkJoinPool合并分支框架，能够把大的任务分割成许多小的任务并行执行。

Java8引入了函数式编程的思想，遵循函数式思想的数据结构和类都是不可变得，函数是无副作用的，也就是线程安全的。

Java8的parallelStream，基于ForkJoinPool，能够透明地把集合拆分成多个流并行地处理，以前要编写大量的多线程代码，现在一行就能实现。

Java8的CompletableFuture能够满足更加复杂的异步非阻塞的处理需求：

*
将两个异步的计算合并为一个,这两个异步计算之间相互独立，同时第二个又依赖于第一个的结果。

*
等待Future集合中的所有任务都完成。

*
等待Future集合中的所有任务都完成，并返回他的结果。

*
通过编程方式去完成一个Future任务的执行。

*
应对Future的完成时间，即当Future的完成时间发生时会收到通知，并能使用Future计算的结果进行下一步的操作，不只是简单地阻塞等待操作的结果。

Java8的Map接口新增了一些新的方法：

forEach、computeIfAbsent、computeIfPresent。


Java8的ConcurrentHashMap的性能已经被改善，当大量的key返回相同hash值的value，在以前，这些value会被存放在List里面的，但是现在，value会存放在一棵排序树上。

虽然Java8更加容易实现并行处理，但是我们仍然有可能要做一些取舍。

1、尽量不要使用parallelStream去做与顺序相关的方法或计算。

如果计算的结果要依赖于顺序，并行处理的时间成本会很大。比如Stream<T> limit(long maxSize);


2、正确使用ConcurrentHashMap，get的次数远远多于put的场合，使用双重检查锁的HashMap或者ConcurrentHashMap性能差异不大。
package com.server.game.attribute.fairy; import java.util.ArrayList;
import java.util.Collections; import java.util.HashMap; import java.util.List;
import java.util.Map; import java.util.concurrent.CompletableFuture;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.atomic.AtomicInteger;
import java.util.function.Function; public class MapTest {
private static Map<String, String> hashMapA = new HashMap<>();
private static Map<String, String> hashMapB = Collections.synchronizedMap(new HashMap<>());
private static Map<String, String> concurrentMapA = new ConcurrentHashMap<>();
private static Map<String, String> concurrentMapB = new ConcurrentHashMap<>();
private static AtomicInteger factor = new AtomicInteger(0);
public static String getTestStr() {
StringBuilder str = new StringBuilder().append(factor.getAndIncrement())
.append(":").append(factor.getAndIncrement())
.append("&").append(factor.getAndIncrement())
.append("&").append(factor.getAndIncrement()); return str.toString(); }
//构建测试数据 private static List<String> prepareData() { int a = 1; int b = 100000;
CountDownLatch countDownLatch = new CountDownLatch(a * b);
List<String> data = Collections.synchronizedList(new ArrayList<>(800000));
for (int i = 0; i < a; i++) { String d = getTestStr();
executorService.execute(() -> { for (int j = 0; j < b; j++) { data.add(d);
countDownLatch.countDown(); } }); } try { countDownLatch.await();
} catch (InterruptedException e) { e.printStackTrace(); }
Collections.shuffle(data); return data; }
private final static ExecutorService executorService = Executors.newFixedThreadPool(Runtime.getRuntime().availableProcessors());
public static String getFromHashMap(String key) { String v = hashMapA.get(key);
if (v == null) { synchronized (hashMapA) { v = hashMapA.get(key);
if (v == null) { v = new String(key); hashMapA.put(key, v); } } } return v; }
public static String getFromSynchronizedMap(String key) {
String v = hashMapB.get(key); if (v == null) { v = new String(key);
hashMapB.put(key, v); } return v; }
public static String getFromConcurrentMap(String key) {
String v = concurrentMapA.get(key); if (v == null) { v = new String(key);
String previousVal = concurrentMapA.putIfAbsent(key, v); //确保同一个key返回同一个value
if (previousVal != null) { v = previousVal; } } return v; }
public static String getFromConcurrentMapByCompute(String key) {
return concurrentMapB.computeIfAbsent(key, k -> new String(k)); }
public static void singleThreadTest() { List<String> datas = prepareData();
int n = 10000; long startTime = System.currentTimeMillis();
for (int i = 0; i < datas.size(); i++) { String d = datas.get(i);
for (int j = 0; j < n; j++) { getFromHashMap(d); } }
System.out.println("hashMap->" + (System.currentTimeMillis() - startTime));
startTime = System.currentTimeMillis();
for (int i = 0; i < datas.size(); i++) { String d = datas.get(i);
for (int j = 0; j < n; j++) { getFromSynchronizedMap(d); } }
System.out.println("SynchronizedMap->" + (System.currentTimeMillis() - startTime));
startTime = System.currentTimeMillis();
for (int i = 0; i < datas.size(); i++) { String d = datas.get(i);
for (int j = 0; j < n; j++) { getFromConcurrentMap(d); } }
System.out.println("concurrentMap putIfAbsent->" + (System.currentTimeMillis() - startTime));
startTime = System.currentTimeMillis();
for (int i = 0; i < datas.size(); i++) { String d = datas.get(i);
for (int j = 0; j < n; j++) { getFromConcurrentMapByCompute(d); } }
System.out.println("concurrentMap computeIfAbsent->" + (System.currentTimeMillis() - startTime));
} @SuppressWarnings("rawtypes")
public static void computeFunc(Function<String, String> f, List<String> datas) {
CompletableFuture[] futures = datas.stream().map(key -> CompletableFuture.supplyAsync(() -> {
for (int i = 0; i < 1000; i++) { f.apply(key); } return "";
}, executorService)) .toArray(size -> new CompletableFuture[size]);
CompletableFuture.allOf(futures).join(); }
public static void manyThreadTest() { List<String> datas = prepareData();
long startTime = System.currentTimeMillis();
computeFunc(MapTest::getFromHashMap, datas);
System.out.println("hashMap->" + (System.currentTimeMillis() - startTime));
startTime = System.currentTimeMillis();
computeFunc(MapTest::getFromSynchronizedMap, datas);
System.out.println("hashMap SynchronizedMap->" + (System.currentTimeMillis() - startTime));
startTime = System.currentTimeMillis();
computeFunc(MapTest::getFromConcurrentMap, datas);
System.out.println("concurrentMap putIfAbsent->" + (System.currentTimeMillis() - startTime));
startTime = System.currentTimeMillis();
computeFunc(MapTest::getFromConcurrentMapByCompute, datas);
System.out.println("concurrentMap computeIfAbsent->" + (System.currentTimeMillis() - startTime));
} public static void main(String[] args) { //manyThread();
//executorService.shutdown(); System.err.println("单线程性能对比：");
singleThreadTest(); System.err.println(""); System.err.println("多线程性能对比：");
manyThreadTest(); executorService.shutdown(); } }
测试思路，使用不同的Map和不同的方法实现线程安全的getData(Object
key)方法，prepareData方法预先准备数据，避免干扰测试目标，并且保证所有的Map都是独立相互不影响。

1.设置prepareData方法的局部变量a=1，b=100000时候，get的次数远远多于put：



2.设置prepareData方法的局部变量a=100000，b=1时候，put的次数比较多的时候：



Java8的computeIfAbsent()实现的getData( Object
key)方法只需要一行代码，但是性能并不是很好，如果性能不是唯一指标的情况下，可以使用。

Java8的putIfAbsent实现的getData(Object key)并发读的性能十分接近双重检查锁同步的HashMap，但是并发写的性能更强。

• « 上一篇：ES(ElasticSearch)分布式全文搜索引擎介绍及使用方式
• » 下一篇：Java 下跌！Python 第一，编程语言排行再次刷新