Stream API
- Java 8부터 도입
- 데이터 처리용 선언형 API
- 다량의 데이터를 간결하고 읽기 쉬운 방식으로 처리
- for/while 없이 연속적인 데이터 변환/연산 가능
- 스트림(Stream) = 데이터 원소의 시퀀스
- 유한 스트림 : 배열, 컬렉션, 파일 등
- 무한 스트림 :
Stream.generate(),Stream.iterate()등
💡 스트림은 데이터를 직접 저장하지 않으며, 원본 데이터를 변경하지 않는다 (Immutable)
파이프라이닝 (Pipeline)
중간 연산 / 최종 연산
스트림은 연산을 연결해 하나의 파이프라인을 구성
| 구분 | 예시 | 역할 | 개수 | 실행 시점 |
|---|---|---|---|---|
| 중간 연산 | filter, map, sorted, distinct, peek 등 | 데이터 변환/필터링 | 여러 개 가능 | 지연 실행 (lazy) |
| 최종 연산 | collect, forEach, reduce, count, anyMatch 등 | 결과 생성 | 스트림당 1개 | 호출 시 즉시 실행 |
- 중간 연산만 호출해도 실제로는 아무 일도 일어나지 않음
- 최종 연산을 호출하는 순간 전체 파이프라인이 한 번에 실행
Stream<Integer> s = list.stream()
.filter(v -> v > 10)
.map(v -> v * 2); // 아직 아무 연산도 실행되지 않음
List<Integer> result = s.collect(Collectors.toList()); // 이 시점에 전체 파이프라인 실행
지연 연산(lazy)
- 최종 연산이 호출되기 전까지 실제 연산을 수행하지 않음
- 불필요한 연산을 미뤄 최종 결과에 필요 없는 작업은 하지 않음
list.stream()
.filter(v -> v > 10)
.map(v -> v * 2)
.findFirst(); // 최종 연산
findFirst()는 처음 조건을 만족하는 원소 하나만 필요
- 전체 리스트를 끝까지 도는 게 아니라 조건을 만족하는 원소를 찾는 즉시 나머지 연산은 중간에 멈춤 (단락 평가)
자바스크립트 고차함수와의 차이
| 항목 | JavaScript map, filter | Java Stream |
|---|---|---|
| 처리 방식 | 각 함수마다 개별 루프 수행 | 파이프라인 최적화 → 1개의 루프로 처리 |
| 성능 최적화 | 거의 없음 | 단일 루프 + 내부 반복 최적화 |
| 병렬 처리 | 직접 관리 필요 | parallelStream() 자동 처리 |
예시: filter → filter → map이 있다면?
- JS → 3번 루프
- Java Stream → 1번 루프
따라서 Stream은 대규모 데이터 처리에서 더 효율적
병렬 처리 (Parallel Processing)
스트림은 parallel() 또는 parallelStream() 을 사용해서 병렬처리를 할 수 있다.
List<Integer> result = list.parallelStream()
.filter(v -> v > 10)
.map(v -> v * 2)
.collect(Collectors.toList());Fork/Join Framework 기반
Java 병렬 스트림은 내부적으로 Fork/Join Framework를 사용
- Fork (분할) : 큰 작업을 여러 개의 작은 작업으로 쪼갠다
- Join (정복/병합) : 쪼갠 작업들의 결과를 다시 합친다
분할 정복(Divide & Conquer) 패턴을 일반화한 프레임워크
대표적으로 병합 정렬, 퀵 정렬 같은 알고리즘에 사용됨
ForkJoinPool (공용 스레드 풀)
병렬 스트림은 ForkJoinPool이라는 스레드 풀을 사용
- 기본적으로
Runtime.getRuntime().availableProcessors()→ CPU 코어 수만큼 워커 스레드 생성
- 이 풀은 전역으로 하나만 존재하는 공용 풀을 사용
parallelStream()호출 시, 이 공용 풀 위에서 작업이 돌아감
그래서 같은 JVM 안에서 병렬 스트림을 과도하게 쓰면
다른 병렬 작업들과 스레드 풀을 두고 경쟁할 수 있다.
데이터 분할
병렬 스트림은 원본 데이터를 여러 청크 로 나눠서 처리
parallelStream()호출- 스트림의 Spliterator가 데이터 소스를 일정한 크기로 쪼갬
List,Array같은 건 분할하기 쉽고 병렬 처리 효율이 좋음LinkedList처럼 인덱스 랜덤 접근이 안 되는 구조는 비효율적일 수 있음
- 각 청크가 별도의 작업 으로 ForkJoinPool에 제출됨
각 Task는 filter, map, sorted 같은 중간 연산들을 처리
Work Stealing
- 각 워커 스레드는 자기 전용 작업 큐를 갖고 있음
- 일반적인 스레드 풀:
- 큐에 작업 넣고 스레드는 큐에서 작업 꺼내서 처리
- 작업이 없으면 그냥 논다(대기)
- ForkJoinPool:
- 워커 스레드의 작업이 끝나고 할 일이 없으면 다른 스레드의 큐에서 남은 작업을 훔쳐 와서 처리
- Work Stealing
- 특정 스레드에만 일이 몰리는 걸 줄임
- CPU 코어가 쉬지 않도록 최대한 돌릴 수 있음
- 처리 시간이 줄어들 가능성이 높아짐
동작흐름 정리
parallelStream()호출- 데이터 소스가 여러 조각으로 분할 (Fork)
- 각 조각이 ForkJoinPool의 워커 스레드에 할당
- 워커 스레드들은 중간 연산(
filter,map등)을 실행 - 작업이 먼저 끝난 스레드는 남은 작업을 Work Stealing으로 가져와 처리
- 모든 조각의 결과를 병합(Join) 해서 최종 결과 생성
주의점
- 데이터 양이 적을 때 → 스레드 분배/병합 오버헤드가 더 큼
- 순서가 중요한 연산 (
forEachOrdered, 정렬, 순번 보장 등) - 공유 mutable 상태를 업데이트하는 연산
- 예)
parallelStream()안에서 외부 리스트에add하는 코드 등
- 예)
sh