이 장에서는 스트림으로 데이터 컬렉션 관련 동작을 얼마나 쉽게 병렬로 실행할 수 있는지 알아보자.
병렬 스트림
컬렉션에 parallelStream을 호출하면 병렬 스트림이 생성된다. 이를 이용하면 아주 간단하게 요소를 병렬로 처리할 수 있다. 다음은 숫자 n을 인수로 받아 1부터 n까지의 모든 숫자의 합계를 반환하는 메서드를 구현한 코드이다.
//기존 코드
public long sequentialSum(long n) {
return Stream.iterate(1L, i -> i + 1) //무한 자연수 스트림 생성
.limit(n) //n개 이하로 제한
.reduce(0L, Long::sum); //모든 숫자를 더하는 리듀싱 연산
//병렬로 구현한 코드
public long parallelSum(long n) {
return Stream.iterate(1L, i -> i + 1)
.limit(n)
.parallel() //스트림을 병렬 스트림으로 변환
.reduce(0L, Long::sum);
반대로 sequential로 병렬 스트림을 순차 스트림으로 바꿀 수도 있다. 병렬 스트림은 다음과 같은 과정으로 작동한다.
- 스트림을 여러 청크로 분할
- 각 청크를 병렬로 리듀싱 연산 수행
- 다시 리듀싱 연산으로 합쳐서 전체 스트림의 리듀싱 결과 도출
스트림 성능 측정
하지만, 병렬화를 사용한다고 항상 성능이 좋아지는 것은 아니다. 그렇다면 성능에 영향을 주는 요인은 무엇이 있을까?
박싱 언박싱
public long iterativeSum() {
long result = 0;
for (long i = 1L; i <= N; i++) {
result += i;
}
return result;
}
전통적인 for 루프를 사용해 반복하는 방법은 기본값을 박싱하거나 언박싱할 필요가 없으므로 앞에서 본 코드보다 더 빠르다.
분할이 어려운 경우
public long parallelSum() {
return Stream.iterate(1L, i -> i + 1)
.limit(N)
.parallel()
.reduce(0L, Long::sum);
}
위 코드와 같이 병렬화 박싱을 적용한 코드는 순차코드보다 5배정도 느리다. 리듀싱 과정을 시작하는 시점에 전체 숫자 리스트가 준비되지 않았으므로 분할할 수 없고, 결국 순차처리 방식과 크게 다른점이 없어 스레드 할당 오버헤드만 증가하게 되는 것이다.
병렬 스트림을 효과적으로 사용하기
- 확신이 서지 않으면 직접 측정하라
- 박싱을 주의하라
- 순차 스트림보다 병렬 스트림에서 성능이 떨어지는 연산이 있다 (ex. 순서에 의존하는 연산)
- 스트림에서 수행하는 전체 파이프라인 연산 비용을 고려하라
- 소량의 데이터에서는 병렬 스트림이 도움 되지 않는다
- 스트림을 구성하는 자료구조가 적절한지 확인하라 (ex. LinkedList보다 ArrayList가 효율적이다)
- 스트림의 특성과 파이프라인의 중간 연산이 스트림의 특성을 어떻게 바꾸는지에 따라 분해 과정의 성능이 달라질 수 있다
- 최종 연산의 병합 과정 비용을 살펴보라