Arrays.sort（）和Arrays.parallelSort（）之间的区别

Question

正在审核Java 8功能，提及here。无法理解parallelSort()究竟做了什么。有人可以解释sort()和parallelSort()之间的实际差异吗？

Answer 1

并行排序使用 线程 （每个线程获取列表的一部分并对其进行并行排序。稍后这些已排序的块将合并到一个结果中）。

当集合中有很多元素时，它会更快。并行化的开销在较大的阵列上变得相当小，但对于较小的阵列而言则很大。

看看这个表（当然，结果取决于CPU，核心数，后台进程等）：

取自此链接：http://www.javacodegeeks.com/2013/04/arrays-sort-versus-arrays-parallelsort.html

Answer 2

Arrays.parallelSort（）：

  

该方法使用阈值，并且使用Arrays＃sort（）API（即顺序排序）对小于阈值的任何大小的数组进行排序。并且考虑到机器的平行度，阵列的大小来计算阈值，并计算为：

private static final int getSplitThreshold(int n) {
 int p = ForkJoinPool.getCommonPoolParallelism();
 int t = (p > 1) ? (1 + n / (p << 3)) : n;
 return t < MIN_ARRAY_SORT_GRAN ? MIN_ARRAY_SORT_GRAN : t;
}

  

一旦决定是并行还是串行对数组进行排序，现在决定如何将数组分成多个部分然后将每个部分分配给一个Fork / Join任务，它将负责排序，然后另一个Fork / Join任务，它将负责合并已排序的数组。 JDK 8中的实现使用了这种方法：

     

  

• 将数组分为4个部分。

  

• 对前两个部分进行排序，然后将它们合并。

  

• 对接下来的两个部分进行排序，然后合并它们。   并且每个部分递归地重复上述步骤，直到要排序的部分的大小不小于上面计算的阈值。

  

您还可以阅读Javadoc

中的实施细节

  

排序算法是一种并行排序合并，它将数组分解为自身排序然后合并的子数组。当子阵列长度达到最小粒度时，使用适当的Arrays.sort方法对子阵列进行排序。如果指定数组的长度小于最小粒度，则使用适当的Arrays.sort方法对其进行排序。该算法要求工作空间不大于原始数组的指定范围的大小。 ForkJoin公共池用于执行任何并行任务。

的Array.sort（）：

  

这使用合并排序或下面的Tim Sort来对内容进行排序。这是按顺序完成的，即使合并排序使用分而治之的技术，它们都按顺序完成。

Source

Answer 3

两种算法的主要区别如下：

<强> 1。 Arrays.sort（）：是一个顺序排序。

• API使用单线程进行操作。
• API需要更长的时间来执行操作。

<强> 2。 Arrays.ParallelSort（）：是一个并行排序。

API使用多个线程。

• 与Sort（）相比，API花费的时间更少。

为了获得更多结果，我们都必须等待JAVA 8我猜！欢呼!!

Answer 4

你可以参考the javadoc，它解释了如果数组足够大，算法会使用多个线程：

  

排序算法是一种并行排序合并，它将数组分解为自身排序然后合并的子数组。当子阵列长度达到最小粒度时，使用适当的Arrays.sort方法对子阵列进行排序。 [...] ForkJoin公共池用于执行任何并行任务。

Answer 5

简而言之，parallelSort使用多个线程。如果你真的想知道，这个article会有更详细的信息。

Answer 6

从此link

  

Java Collections提供的当前排序实现   Framework（Collections.sort和Arrays.sort）都执行排序   在调用线程中顺序操作。这个增强会   提供目前提供的同一组排序操作   数组类，但使用了并行实现   Fork / Join框架。这些新的API仍然是同步的   到调用线程，因为它不会继续进行排序   操作直到并行排序完成。

Answer 7

Array.sort(myArray);

您现在可以使用 -

Arrays.parallelSort(myArray);

这会自动将目标集合分成几个部分，这些部分将在多个核心中独立排序，然后重新组合在一起。这里唯一需要注意的是，当在高度多线程环境中调用时，例如繁忙的Web容器，由于增加了CPU上下文切换的成本，这种方法的好处将开始减少（超过90％）。

来源 - link