ConcurrentHashMap 并行度阈值

Question

ConcurrentHashMap 有几个新方法。 我有两个关于他们的问题：

1. 为什么不在ConcurrentMap 中声明它们？
2. parallelismThreshold 到底是什么意思？

Answer 1

1. 这些新方法似乎依赖于特定于 ConcurrentHashMap 的实现细节，但您必须从 Java 8 作者那里得到答案才能确定。 （他们确实会浏览）

2. 来自 ConcurrentHashMap 的 Javadoc：

   这些批量操作接受一个 parallelismThreshold 参数。如果估计当前地图大小小于给定阈值，则方法按顺序进行。使用 Long.MAX_VALUE 的值会抑制所有并行性。使用值 1 通过划分为足够多的子任务以充分利用用于所有并行计算的 ForkJoinPool.commonPool() 来实现最大并行度。通常，您首先会选择这些极端值之一，然后测量使用折衷开销与吞吐量的中间值的性能。

Answer 2

parallelismThreshold 确定批量操作是按顺序执行还是并行执行。 并行运行有一些开销，因此它只有在某个地图大小阈值以上时才有用。

ConcurrentHashMaps 支持一组顺序和并行的批量 与大多数 Stream 方法不同的是，这些操作被设计为 安全且经常明智地应用，即使是正在使用的地图 由其他线程同时更新；例如，当计算一个 共享注册表中值的快照摘要。有三种 各种操作，每种有四种形式，接受函数有 键、值、条目和（键、值）参数和/或返回 价值观。因为 ConcurrentHashMap 的元素没有按顺序排列 任何特定的方式，并且可以在不同的顺序处理 不同的并行执行，提供函数的正确性 不应依赖于任何排序，或任何其他对象或值 在计算过程中可能会暂时改变；和 除了 forEach 动作，理想情况下应该没有副作用。大部分 Map.Entry 对象的操作不支持 setValue 方法。

- forEach: Perform a given action on each element. A variant form applies a given
    transformation on each element before performing the action.
- search: Return the first available non-null result of applying a given function
    on each element; skipping further search when a result is found.
- reduce: Accumulate each element. The supplied reduction function cannot rely on
    ordering (more formally, it should be both associative and commutative).
    There are five variants:
    - Plain reductions. (There is not a form of this method for (key, value)
        function arguments since there is no corresponding return type.)
    - Mapped reductions that accumulate the results of a given function applied
        to each element.
    - Reductions to scalar doubles, longs, and ints, using a given basis value.

这些批量操作接受 parallelismThreshold 参数。方法 如果估计当前地图大小较小，则按顺序进行 超过给定的阈值。使用 Long.MAX_VALUE 的值会抑制 所有并行性。使用值 1 会导致最大并行度 划分为足够多的子任务以充分利用 ForkJoinPool.commonPool() 用于所有并行计算。 通常，您最初会选择这些极值之一，并且 然后衡量使用权衡取舍的中间值的性能 开销与吞吐量。

(Source)