parallelism

package sec12_parallelism;

public class Student {
	public enum Sex{MALE,FEMALE}
	public enum City{Seoul,Pusan}
	
	private String name;
	private int score;
	private Sex sex;
	private City city;
	
	public Student(String name, int score, Sex sex) {
		this.name = name;
		this.score = score;
		this.sex = sex;
	}
	
	public Student(String name, int score, Sex sex, City city) {
		this.name = name;
		this.score = score;
		this.sex = sex;
		this.city = city;
	}

	public String getName() {
		return name;
	}

	public int getScore() {
		return score;
	}

	public Sex getSex() {
		return sex;
	}

	public City getCity() {
		return city;
	}
		
}
package sec12_parallelism;

import java.util.ArrayList;
import java.util.List;

public class MaleStudent {
	private List<Student> list;
	
	public MaleStudent() {
		list = new ArrayList<Student>();
		System.out.println("["+Thread.currentThread().getName()+"] MaleStudent()");
	}
	
	public void accumulate(Student student) {
		list.add(student);
		System.out.println("["+Thread.currentThread().getName()+"] accumulate()");
	}
	
	//병렬처리할때 사용할 메서드 
	public void combine(MaleStudent other) { //다른 컨테이너를 매개값으로 받아서 -> other로 받는다. 
		list.addAll(other.getList()); //그 컨테이너의 리스트(내용)을 모두 list에 복사해서 추가한다. -> 결합
		System.out.println("["+Thread.currentThread().getName()+"] combine()");
	}
	
	public List<Student> getList(){
		return list;
	}
}
package sec12_parallelism;

import java.util.Arrays;
import java.util.List;

public class MaleStudentExample {

	public static void main(String[] args) {
		List<Student> totalList = Arrays.asList(
		 	new Student("홍길동",10,Student.Sex.MALE),
			new Student("김수애",6,Student.Sex.FEMALE),
			new Student("신용권",10,Student.Sex.MALE),
			new Student("박수미",6,Student.Sex.FEMALE)
		);
		
		MaleStudent maleStudent = totalList.parallelStream() // <-- 이 부분이 바뀐거다. 나머지는 이전예제와 동일함. 
		.filter(s -> s.getSex()==Student.Sex.MALE)
		.collect(
				() -> new MaleStudent(),
				(r,t) -> r.accumulate(t), 
				(r1,r2)->r1.combine(r2)); 
		
		maleStudent.getList().stream()
		.forEach(s -> System.out.println(s.getName()));
		
	}

}
package sec12_parallelism;

import java.util.ArrayList;
import java.util.LinkedList;
import java.util.List;

public class ArrayListVsLinkedListExample {
	
	//요소 처리
	public static void work(int value) {
	}
	
	//병렬 처리
	public static long testParallel(List<Integer> list) {
		long start = System.nanoTime();
		list.stream().parallel().forEach(a -> work(a)); //스트림에서 병렬처리 스트림으로 변환 --> 그냥 바로 parallelStream()으로 얻어도 똑같음. 
		long end = System.nanoTime();
		long runTime = end - start;
		return runTime;
	}	
	
	public static void main(String[] args) {
		//소스 클렉션
		List<Integer> arrayList = new ArrayList<Integer>();
		List<Integer> linkedList = new LinkedList<Integer>();
		for(int i = 0;i<1000000;i++) {
			arrayList.add(i);
			linkedList.add(i);
		}
		
		//워밍업 <- 먼저 한번 실행해봄. 
		long arrayListParallel = testParallel(arrayList);
		long linkedListParallel = testParallel(linkedList);
		
		//병렬 스트림 처리 시간 구하기
		arrayListParallel = testParallel(arrayList);
		linkedListParallel = testParallel(linkedList);
		
		if(arrayListParallel < linkedListParallel) {
			System.out.println("성능 테스트 결과: ArrayList 처리가 더 빠름");
		}else {
			System.out.println("성능 테스트 결과: LinkedList 처리가 더 빠름");
		}
		
		
		
	}

}

 

 

 

 

필기

 

package sec12_parallelism;

/*


<병렬 처리>
Parallel Operation
멀티 코어 CPU환경에서 하나의 작업을 분할해서 각각의 코어가 병렬적으로 처리한다. 
병렬 처리의 목적: 작업 처리 시간을 줄이기 위해
자바8부터 병렬 스트림을 제공하므로 컬렉션(배열)의 전체 요소 처리 시간을 줄여줌.

동시성(Concurrency)와 병렬성(Parallelism)
동시성: 멀티 스레드 환경에서 스레드가 번갈아 가며 실행하는 성질(싱글 코어 CPU)
병렬성: 멀티 스레드 환경에서 코어들이 스레드를 병렬적으로 실행하는 성질 (멀티 코어 CPU)

<병렬성 구분> 
데이터 병렬성:
데이터 병렬성은 한 작업 내에 있는 전체 데이터를 쪼개어 서브 데이터들로 만들고 
이 서브 데이터들을 병렬 처리해서 작업을 빨리 끝내는 것을 말한다. 

작업 병렬성: 
작업 병렬성은 서로 다른 작업을 병렬 처리하는 것을 말한다.
작업 병렬성의 대표적인 예는 웹서버 이다. 
웹서버는 각각의 브라우저에서 요청한 내용(다른 작업)을 개별 스레드에서 병렬로 처리한다. 

자바8부터 지원하는 병렬 스트림은 데이터 병렬성을 구현한 것이다. 
멀티 코어의 수만큼 대용량 요소를 서브 요소들로 나누고, 각각의 서브 요소들을 분리된 스레드(분리된 코어)에서 병렬 처리시킨다.
예를 들어 쿼드코어 CPU일 경우 4개의 서브 요소들로 나누고, 4개의 스레드가 각각의 서브 요소들을 병렬 처리한다.
병렬 스트림은 포크조인 프레임워크를 이용한다.  -> 
병렬 스트림은 내부적으로 포크조인 프레임워크를 사용한다. 

<포크조인 프레임워크>
포크조인 프레임워크 동작 방식

포크단계:
데이터를 서브 데이터로 반복적으로 분리한다. 
서브 데이터를 멀티 코어에서 병렬로 처리한다. 

조인단계:
서브 결과를 결합해서 최종 결과를 만들어 낸다. 

실제로 병렬 처리 스트림은 포크 단계에서 차례대로 요소를 등분하지 않는다. 
내부적으로 서브 요소로 나누는 알고리즘이 있기 때문에 개발자는 신경쓸 필요가 없다. 

<포크조인풀(ForkJoinPool)>
각각의 코어에서 서브 요소를 처리하는 것은 개별 스레드가 해야하므로 스레드 관리가 필요하다.
포크조인 프레임워크는 ExecutorService의 구현 객체인 ForkJoinPool을 사용한다. 

parallelStream()
컬렉션으로부터 병렬 스트림을 바로 리턴 
parallel() <- 이미 스트림을 만들었다면? 이걸사용한다. 
순차 처리 스트림을 병렬 스트림으로 변환해서 리턴



<병렬 스트림의 예>
11절 수집 - 사용자 정의 컨테이너에 수집하기 (순차 처리 스트림)
MaleStudent maleStudent = totalList.stream()
.filter(s - > s.getSex() == Student.Sex.MALE)
.collect(MaleStudent::new, MaleStudent::accumulate, MaleStudent::combine);

--> MaleStudent 객체는 하나만 생성
남학생일 경우 accumulate()가 후출되어 MaleStudent 객체 내부에 계속 누적 
combine()메소드는 전혀 호출되지 않음. 

병렬스트림으로 수정 --> 
MaleStudent maleStudent = totalList.parallelStream()
.filter(s - > s.getSex() == Student.Sex.MALE)
.collect(MaleStudent::new, MaleStudent::accumulate, MaleStudent::combine);

코어의 개수 만큼 전체 요소는 서브 요소로 나뉘어지고, 해당 개수 만큼 스레드가 생성된다. 
각 스레드는 서브 요소를 수집해야하므로 4개의 MaleStudent 객체를 생성하기 위해 
collect()의 첫번재 메소드 참조인 MaleStudent::new를 4번 실행시킨다. 
각 스레드는 MaleStudent 객체에 남학생 요소를 수집하기 위해 
collect()의 두번째 메소드 참조인 MaleStudent::accumulate를 매번 실행시킨다.
수집 완료된 MaleStudent는 (코어 개수 -1)번의 결합으로 최종 수집된 MaleStudent로 만들어진다.
따라서 collect()의 세번째 메소드 참조인 MaleStudent::combine 가 (코어 개수 -1 )번 실행된다. 



<병렬 처리 성능>
병렬 처리는 항상 빠르다? 글쎼 .. 
스트림 병렬 처리가 스트림 순차 처리(싱글 스레드 처리)보다 항상 실행 성능이 좋다고 판단해서는 안된다.

병렬처리에 영향을 미치는 3가지 요인 -> 
1. 요수의 수와 요소당 처리 시간
컬렉션에 요소의 수가 적고 요소당 처리 시간이 짧으면 순차 처리가 오히려 병렬 처리보다
빠를 수 있다. 병렬 처리는 스레드풀 생성, 스레드 생성이라는 추가적인 비용이 발생하기 때문이다.

2. 스트림 소스의 종류
ArrayList, 배열은 랜덤 액세스를 지원(인덱스로 접근)하기 때문에 포크 단계에서 쉽게 요소를
분리할 수 있어 병렬 처리 시간이 절약된다. 반면에 HashSet, TreeSet은 요소를 분리하기가 쉽지 않고,(인덱스로 관리하지 않기 때문에)
LinkedList는 랜덤 액세스를 지원하지 않아 링크를 따라가야 하므로 역시 요소를 
분리하기가 쉽지 않다. 또한 BufferedReader.lines()은 전체 요소의 수를 알기 어렵기 때문에
포크 단계에서 부분 요소로 나누기 어렵다. 따라서 이들 소스들은 ArrayList 배열 보다는
상대적으로 병렬 처리가 늦다. 

3. 코어(Core)의 수
싱글 코어 CPU일 경우에는 순차 처리가 빠르다. (싱글 코어는 동시성으로 처리하기 때문에 스레드를 많이 만들면 만들수록 생성시간, 번갈아 쓰는데에 시간이 소요된다. )
병렬 처리를 할 경우 스레드의 수만 증가하고 번갈아 가면서 스케쥴링을 해야하므로 좋지 못한 결과를 준다. 
코어의 수가 많으면 많을 수록 병렬 작업 처리 속도는 빨라진다. 





*/
  • 네이버 블러그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 카카오스토리 공유하기

댓글을 달아 주세요

">