6.7　并行化数组操作

Java 8还引入了一些针对数组的并行操作，脱离流框架也可以使用Lambda表达式。像流框架上的操作一样，这些操作也都是针对数据的并行化操作。让我们看看如何使用这些操作解决那些使用流框架难以解决的问题。

这些操作都在工具类Arrays中，该类还包括Java以前版本中提供的和数组相关的有用方法，表6-1总结了新增的并行化操作。

表6-1：数组上的并行化操作

方法名 操作
parallelPrefix 任意给定一个函数，计算数组的和
parallelSetAll 使用Lambda表达式更新数组元素
parallelSort 并行化对数组元素排序

读者可能以前写过类似例6-7的代码，使用一个for循环初始化数组。在这里，我们用数组下标初始化数组中的每个元素。

例6-7　使用for循环初始化数组

  1. public static double[] imperativeInitilize(int size) {
  2.     double[] values = new double[size];
  3.     for(int i = 0; i < values.length;i++) {
  4.         values[i] = i;
  5.     }
  6.     return values;
  7. }

使用parallelSetAll方法能轻松地并行化该过程，代码如例6-8所示。首先提供了一个用于操作的数组，然后传入一个Lambda表达式，根据数组下标计算元素的值。在该例中，数组下标和元素的值是一样的。使用这些方法有一点要小心：它们改变了传入的数组，而没有创建一个新的数组。

例6-8　使用并行化数组操作初始化数组

  1. public static double[] parallelInitialize(int size) {
  2.     double[] values = new double[size];
  3.     Arrays.parallelSetAll(values, i -> i);
  4.     return values;
  5. }

parallelPrefix操作擅长对时间序列数据做累加，它会更新一个数组，将每一个元素替换为当前元素和其前驱元素的和，这里的“和”是一个宽泛的概念，它不必是加法，可以是任意一个BinaryOperator。

使用该方法能计算的例子之一是一个简单的滑动平均数。在时间序列上增加一个滑动窗口，计算出窗口中的平均值。如果输入数据为0、1、2、3、4、3.5，滑动窗口的大小为3，则简单滑动平均数为1、2、3、3.5。例6-9展示了如何计算滑动平均数。

例6-9　计算简单滑动平均数

  1. public static double[] simpleMovingAverage(double[] values, int n) {
  2.     double[] sums = Arrays.copyOf(values, values.length); ➊
  3.     Arrays.parallelPrefix(sums, Double::sum); ➋
  4.     int start = n - 1;
  5.     return IntStream.range(start, sums.length) ➌
  6.                     .mapToDouble(i -> {
  7.                         double prefix = i == start ? 0 : sums[i - n];
  8.                         return (sums[i] - prefix) / n; ➍
  9.                     })
  10.                     .toArray(); ➎
  11. }

这段代码有点复杂，我会分步介绍它是如何工作的。参数n是时间窗口的大小，我们据此计算滑动平均值。由于要使用的并行操作会改变数组内容，为了不修改原有数据，在➊处复制了一份输入数据。

在➋处执行并行操作，将数组的元素相加。现在sums变量中保存了求和结果。比如输入0、1、2、3、4、3.5，则计算后的值为0.0、1.0、3.0、6.0、10.0、13.5。

现在有了和，就能计算出时间窗口中的和了，减去窗口起始位置的元素即可，除以n即得到平均值。可以使用已有的流中的方法计算该值，那就让我们来试试吧！使用Intstream.range得到包含所需元素下标的流。

在➍处使用总和减去窗口起始值，然后再除以n得到平均值。最后在➎处将流转换为数组。