今天，我们继续一起分析这门课的“不定期加餐”篇中 5 讲的课后思考题。这些题目涉及了 Java 8 基础知识、定位和分析应用问题相关的几大知识点。

接下来，我们就一一具体分析吧。

加餐 1 | 带你吃透课程中 Java 8 的那些重要知识点（一）

问题：对于并行流部分的并行消费处理 1 到 100 的例子，如果把 forEach 替换为 forEachOrdered，你觉得会发生什么呢？

答：forEachOrdered 会让 parallelStream 丧失部分的并行能力，主要原因是 forEach 遍历的逻辑无法并行起来（需要按照循序遍历，无法并行）。

我们来比较下面的三种写法：

//模拟消息数据需要1秒时间

private static void consume(int i) {

    try {

        TimeUnit.SECONDS.sleep(1);

    } catch (InterruptedException e) {

        e.printStackTrace();

    }

    System.out.print(i);

}

//模拟过滤数据需要1秒时间

private static boolean filter(int i) {

    try {

        TimeUnit.SECONDS.sleep(1);

    } catch (InterruptedException e) {

        e.printStackTrace();

    }

    return i % 2 == 0;

}

@Test

public void test() {

    System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", String.valueOf(10));

    StopWatch stopWatch = new StopWatch();

    stopWatch.start("stream");

    stream();

    stopWatch.stop();

    stopWatch.start("parallelStream");

    parallelStream();

    stopWatch.stop();

    stopWatch.start("parallelStreamForEachOrdered");

    parallelStreamForEachOrdered();

    stopWatch.stop();

    System.out.println(stopWatch.prettyPrint());

}

//filtre和forEach串行

private void stream() {

    IntStream.rangeClosed(1, 10)

            .filter(ForEachOrderedTest::filter)

            .forEach(ForEachOrderedTest::consume);

}

//filter和forEach并行

private void parallelStream() {

    IntStream.rangeClosed(1, 10).parallel()

            .filter(ForEachOrderedTest::filter)

            .forEach(ForEachOrderedTest::consume);

}

//filter并行而forEach串行

private void parallelStreamForEachOrdered() {

    IntStream.rangeClosed(1, 10).parallel()

            .filter(ForEachOrderedTest::filter)

            .forEachOrdered(ForEachOrderedTest::consume);

}

得到输出：

\---------------------------------------------

ns         %     Task name

\---------------------------------------------

15119607359  065%  stream

2011398298  009%  parallelStream

6033800802  026%  parallelStreamForEachOrdered

从输出中，我们可以看到：

stream 方法的过滤和遍历全部串行执行，总时间是 10 秒 +5 秒 =15 秒；

parallelStream 方法的过滤和遍历全部并行执行，总时间是 1 秒 +1 秒 =2 秒；

parallelStreamForEachOrdered 方法的过滤并行执行，遍历串行执行，总时间是 1 秒 +5 秒 =6 秒。

加餐 2 | 带你吃透课程中 Java 8 的那些重要知识点（二）

问题 1：使用 Stream 可以非常方便地对 List 做各种操作，那有没有什么办法可以实现在整个过程中观察数据变化呢？比如，我们进行 filter+map 操作，如何观察 filter 后 map 的原始数据呢？

答：要想观察使用 Stream 对 List 的各种操作的过程中的数据变化，主要有下面两个办法。

第一，使用 peek 方法。比如如下代码，我们对数字 1~10 进行了两次过滤，分别是找出大于 5 的数字和找出偶数，我们通过 peek 方法把两次过滤操作之前的原始数据保存了下来：

List<Integer> firstPeek = new ArrayList<>();

List<Integer> secondPeek = new ArrayList<>();

List<Integer> result = IntStream.rangeClosed(1, 10)

        .boxed()

        .peek(i -> firstPeek.add(i))

        .filter(i -> i > 5)

        .peek(i -> secondPeek.add(i))

        .filter(i -> i % 2 == 0)

        .collect(Collectors.toList());

System.out.println("firstPeek：" + firstPeek);

System.out.println("secondPeek：" + secondPeek);

System.out.println("result：" + result);

最后得到输出，可以看到第一次过滤之前是数字 1~10，一次过滤后变为 6~10，最终输出 6、8、10 三个数字：

firstPeek：[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

secondPeek：[6, 7, 8, 9, 10]

result：[6, 8, 10]

第二，借助 IDEA 的 Stream 的调试功能。详见这里，效果类似下图：

问题 2：Collectors 类提供了很多现成的收集器，那我们有没有办法实现自定义的收集器呢？比如，实现一个 MostPopularCollector，来得到 List 中出现次数最多的元素，满足下面两个测试用例：

assertThat(Stream.of(1, 1, 2, 2, 2, 3, 4, 5, 5).collect(new MostPopularCollector<>()).get(), is(2));

assertThat(Stream.of('a', 'b', 'c', 'c', 'c', 'd').collect(new MostPopularCollector<>()).get(), is('c'));

答：我来说下我的实现思路和方式：通过一个 HashMap 来保存元素的出现次数，最后在收集的时候找出 Map 中出现次数最多的元素：

public class MostPopularCollector<T> implements Collector<T, Map<T, Integer>, Optional<T>> {

    //使用HashMap保存中间数据

    @Override

    public Supplier<Map<T, Integer>> supplier() {

        return HashMap::new;

    }

    //每次累积数据则累加Value

    @Override

    public BiConsumer<Map<T, Integer>, T> accumulator() {

        return (acc, elem) -> acc.merge(elem, 1, (old, value) -> old + value);

    }

    //合并多个Map就是合并其Value

    @Override

    public BinaryOperator<Map<T, Integer>> combiner() {

        return (a, b) -> Stream.concat(a.entrySet().stream(), b.entrySet().stream())

                .collect(Collectors.groupingBy(Map.Entry::getKey, summingInt(Map.Entry::getValue)));

    }

    //找出Map中Value最大的Key

    @Override

    public Function<Map<T, Integer>, Optional<T>> finisher() {

        return (acc) -> acc.entrySet().stream()

                .reduce(BinaryOperator.maxBy(Map.Entry.comparingByValue()))

                .map(Map.Entry::getKey);

    }

    @Override

    public Set<Characteristics> characteristics() {

        return Collections.emptySet();

    }

}

加餐 3 | 定位应用问题，排错套路很重要

问题：如果你现在打开一个 App 后发现首页展示了一片空白，那这到底是客户端兼容性的问题，还是服务端的问题呢？如果是服务端的问题，又如何进一步细化定位呢？你有什么分析思路吗？

答：首先，我们需要区分客户端还是服务端错误。我们可以先从客户端下手，排查看看是否是服务端问题，也就是通过抓包来看服务端的返回（一般而言客户端发布之前会经过测试，而且无法随时变更，所以服务端出错的可能性会更大一点）。因为一个客户端程序可能对应几百个服务端接口，先从客户端（发出请求的根源）开始排查问题，更容易找到方向。

服务端没有返回正确的输出，那么就需要继续排查服务端接口或是上层的负载均衡了，排查方式为：

查看负载均衡（比如 Nginx）的日志；

查看服务端日志；

查看服务端监控。

如果服务端返回了正确的输出，那么要么是由于客户端的 Bug，要么就是外部配置等问题了，排查方式为：

查看客户端报错（一般而言，客户端都会对接 SAAS 的异常服务）；

直接本地启动客户端调试。

加餐 4 | 分析定位 Java 问题，一定要用好这些工具（一）

问题 1：JDK 中还有一个 jmap 工具，我们会使用 jmap -dump 命令来进行堆转储。那么，这条命令和 jmap -dump:live 有什么区别呢？你能否设计一个实验，来证明下它们的区别呢？

答：jmap -dump 命令是转储堆中的所有对象，而 jmap -dump:live 是转储堆中所有活着的对象。因为，jmap -dump:live 会触发一次 FullGC。

写一个程序测试一下：

@SpringBootApplication

@Slf4j

public class JMapApplication implements CommandLineRunner {

    //-Xmx512m -Xms512m

    public static void main(String[] args) {

        SpringApplication.run(JMapApplication.class, args);

    }

    @Override

    public void run(String... args) throws Exception {

        while (true) {

            //模拟产生字符串，每次循环后这个字符串就会失去引用可以GC

            String payload = IntStream.rangeClosed(1, 1000000)

                    .mapToObj(__ -> "a")

                    .collect(Collectors.joining("")) + UUID.randomUUID().toString();

            log.debug(payload);

            TimeUnit.MILLISECONDS.sleep(1);

        }

    }

}

然后，使用 jmap 不带和带 live 分别生成两个转储：

jmap -dump:format=b,file=nolive.hprof 57323

jmap -dump:live,format=b,file=live.hprof 5732

可以看到，nolive 这个转储的不可到达对象包含了 164MB char[]（可以认为基本是字符串）：

而 live 这个转储只有 1.3MB 的 char[]，说明程序循环中的这些字符串都被 GC 了：

问题 2：你有没有想过，客户端是如何和 MySQL 进行认证的呢？你能否对照MySQL 的文档，使用 Wireshark 观察分析这一过程呢？

答：一般而言，认证（握手）过程分为三步。

首先，服务端给客户端主动发送握手消息：

Wireshark 已经把消息的字段做了解析，你可以对比官方文档的协议格式一起查看。HandshakeV10 消息体的第一个字节是消息版本 0a，见图中红色框标注的部分。前面四个字节是 MySQL 的消息头，其中前三个字节是消息体长度（16 进制 4a=74 字节），最后一个字节是消息序列号。

然后，客户端给服务端回复的 HandshakeResponse41 消息体，包含了登录的用户名和密码：

可以看到，用户名是 string[NUL]类型的，说明字符串以 00 结尾代表字符串结束。关于 MySQL 协议中的字段类型，你可以参考这里。

最后，服务端回复的 OK 消息，代表握手成功：

这样分析下来，我们可以发现使用 Wireshark 观察客户端和 MySQL 的认证过程，非常方便。而如果不借助 Wireshark 工具，我们只能一个字节一个字节地对照协议文档分析内容。

其实，各种 CS 系统定义的通讯协议本身并不深奥，甚至可以说对着协议文档写通讯客户端是体力活。你可以继续按照这里我说的方式，结合抓包和文档，分析一下 MySQL 的查询协议。

加餐 5 | 分析定位 Java 问题，一定要用好这些工具（二）

问题：Arthas 还有一个强大的热修复功能。比如，遇到高 CPU 问题时，我们定位出是管理员用户会执行很多次 MD5，消耗大量 CPU 资源。这时，我们可以直接在服务器上进行热修复，步骤是：jad 命令反编译代码 -> 使用文本编辑器（比如 Vim）直接修改代码 -> 使用 sc 命令查找代码所在类的 ClassLoader-> 使用 redefine 命令热更新代码。你可以尝试使用这个流程，直接修复程序（注释 doTask 方法中的相关代码）吗？

答：Arthas 的官方文档有详细的操作步骤，实现 jad->sc->redefine 的整个流程，需要注意的是：

redefine 命令和 jad/watch/trace/monitor/tt 等命令会冲突。执行完 redefine 之后，如果再执行上面提到的命令，则会把 redefine 的字节码重置。 原因是，JDK 本身 redefine 和 Retransform 是不同的机制，同时使用两种机制来更新字节码，只有最后的修改会生效。

使用 redefine 不允许新增或者删除 field/method，并且运行中的方法不会立即生效，需要等下次运行才能生效。

以上，就是咱们这门课里面 5 篇加餐文章的思考题答案了。至此，咱们这个课程的“答疑篇”模块也就结束了。

关于这些题目，以及背后涉及的知识点，如果你还有哪里感觉不清楚的，欢迎在评论区与我留言，也欢迎你把今天的内容分享给你的朋友或同事，一起交流。