parallelPrefix并行前綴 · 《Java 編程思想》第五版

## parallelPrefix并行前綴沒有“prefix()”方法，只有 **parallelPrefix()**。這類似于 **Stream** 類中的 **reduce()** 方法:它對前一個元素和當前元素執行一個操作，并將結果放入當前元素位置: ```JAVA // arrays/ParallelPrefix1.java import onjava.*; import java.util.Arrays; import static onjava.ArrayShow.*; public class ParallelPrefix1 { public static void main(String[] args) { int[] nums = new Count.Pint().array(10); show(nums); System.out.println(Arrays.stream(nums).reduce(Integer::sum).getAsInt()); Arrays.parallelPrefix(nums, Integer::sum); show(nums); System.out.println(Arrays.stream(new Count.Pint().array(6)).reduce(Integer::sum).getAsInt()); } } /* Output: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 45 [0, 1, 3, 6, 10, 15, 21, 28, 36, 45] 15 */ ``` 這里我們對數組應用Integer::sum。在位置0中，它將先前計算的值(因為沒有先前的值)與原始數組位置0中的值組合在一起。在位置1中，它獲取之前計算的值(它只是存儲在位置0中)，并將其與位置1中先前計算的值相結合。依次往復。使用 **Stream.reduce()**，您只能得到最終結果，而使用 **Arrays.parallelPrefix()**，您還可以得到所有中間計算，以確保它們是有用的。注意，第二個 **Stream.reduce()** 計算的結果已經在 **parallelPrefix()** 計算的數組中。使用字符串可能更清楚: ```JAVA // arrays/ParallelPrefix2.java import onjava.*; import java.util.Arrays; import static onjava.ArrayShow.*; public class ParallelPrefix2 { public static void main(String[] args) { String[] strings = new Rand.String(1).array(8); show(strings); Arrays.parallelPrefix(strings, (a, b) -> a + b); show(strings); } } /* Output: [b, t, p, e, n, p, c, c] [b, bt, btp, btpe, btpen, btpenp, btpenpc, btpenpcc] */ ``` 如前所述，使用流進行初始化非常優雅，但是對于大型數組，這種方法可能會耗盡堆空間。使用 **setAll()** 執行初始化更節省內存: ```JAVA // arrays/ParallelPrefix3.java // {ExcludeFromTravisCI} import java.util.Arrays; public class ParallelPrefix3 { static final int SIZE = 10_000_000; public static void main(String[] args) { long[] nums = new long[SIZE]; Arrays.setAll(nums, n -> n); Arrays.parallelPrefix(nums, Long::sum); System.out.println("First 20: " + nums[19]); System.out.println("First 200: " + nums[199]); System.out.println("All: " + nums[nums.length - 1]); } } /* Output: First 20: 190 First 200: 19900 All: 49999995000000 */ ``` 因為正確使用 **parallelPrefix()** 可能相當復雜，所以通常應該只在存在內存或速度問題(或兩者都有)時使用。否則，**Stream.reduce()** 應該是您的首選。