Arrays.sort 与 Arrays.parallelSort 对比

1. 概述

Arrays.sort() 是我们日常开发中再熟悉不过的工具，用于对对象或基本类型数组进行排序。JDK 8 引入了一个新方法 —— Arrays.parallelSort()，旨在利用多核优势提升排序性能。

本文将深入对比 sort() 和 parallelSort() 的行为差异、底层机制及适用场景，帮你避免踩坑，做出更合理的技术选型。

---

2. Arrays.sort()

Arrays.sort() 用于对数组进行排序，底层采用的是 Dual-Pivot Quicksort（双轴快排） 算法 —— 这是 Java 团队对经典快排的优化实现，性能优于传统单轴快排。

✅ 关键特性：

• 单线程执行，不启用并发
• 提供两个重载方法：
  • sort(array)：对整个数组排序
  • sort(array, fromIndex, toIndex)：仅对指定范围 [fromIndex, toIndex) 排序

示例代码

@Test
public void givenArrayOfIntegers_whenUsingArraysSortMethod_thenSortFullArrayInAscendingOrder() {
    int[] array = { 10, 4, 6, 2, 1, 9, 7, 8, 3, 5 };
    int[] expected = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 };

    Arrays.sort(array);

    assertArrayEquals(expected, array);
}

@Test
public void givenArrayOfIntegers_whenUsingArraysSortWithRange_thenSortRangeOfArrayAsc() {
    int[] array = { 10, 4, 6, 2, 1, 9, 7, 8, 3, 5 };
    int[] expected = { 10, 4, 1, 2, 6, 7, 8, 9, 3, 5 };

    Arrays.sort(array, 2, 8);

    assertArrayEquals(expected, array);
}

优缺点总结

✅ 优点	❌ 缺点
小数据集下性能优异	大数据集性能下降明显
实现简单，开销低	无法利用多核 CPU 并行能力

⚠️ 注意：sort() 是纯同步操作，不会创建额外线程，适合大多数常规场景。

---

3. Arrays.parallelSort()

Arrays.parallelSort() 同样用于数组排序，API 设计与 sort() 完全一致，也支持全数组和区间排序。

示例代码

@Test
public void givenArrayOfIntegers_whenUsingArraysParallelSortMethod_thenSortFullArrayInAscendingOrder() {
    int[] array = { 10, 4, 6, 2, 1, 9, 7, 8, 3, 5 };
    int[] expected = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 };

    Arrays.parallelSort(array);

    assertArrayEquals(expected, array);
}

@Test
public void givenArrayOfIntegers_whenUsingArraysParallelSortWithRange_thenSortRangeOfArrayAsc() {
    int[] array = { 10, 4, 6, 2, 1, 9, 7, 8, 3, 5 };
    int[] expected = { 10, 4, 1, 2, 6, 7, 8, 9, 3, 5 };

    Arrays.parallelSort(array, 2, 8);

    assertArrayEquals(expected, array);
}

底层原理

parallelSort() 采用的是 并行归并排序（parallel sort-merge）算法，核心流程如下：

1. 将数组拆分为多个子任务
2. 使用 ForkJoinPool 并行处理每个子任务的排序
3. 最终将有序子数组合并成完整有序数组

⚠️ 但并行不是无条件启用的！JVM 有明确阈值控制：

• 若数组长度 ≤ 8192
• 或 CPU 只有单核

👉 则退化为 单线程的 Dual-Pivot Quicksort，避免并发开销反噬性能。

优缺点总结

✅ 优点	❌ 缺点
大数据集下显著提升性能	小数组反而更慢（线程调度开销）
充分利用多核 CPU 资源	内存占用略高（归并需要辅助空间）

💡 简单粗暴地说：数据越大，并行收益越高；数据越小，越容易翻车。

---

4. 性能对比

以下数据基于 JMH 基准测试（Benchmark），环境为：

• CPU：AMD A10 PRO 2.1GHz 四核
• JDK：1.8.0_221

数组大小	Arrays.sort() (ms)	Arrays.parallelSort() (ms)
1,000	0.048	0.054
10,000	0.847	0.425
100,000	7.570	4.395
1,000,000	65.301	37.998

关键结论：

• ✅ 小数据（< 1万）：sort() 更快，parallelSort() 因线程开销反而拖慢
• ✅ 中大型数据（≥ 10万）：parallelSort() 性能优势明显，提速接近 40%~45%
• ⚠️ 并行收益取决于 CPU 核心数和数据规模，不是“用了就快”

---

5. 总结与建议

场景	推荐方法	理由
数组长度 < 10,000	Arrays.sort()	避免并发开销，性能更稳
数组长度 ≥ 100,000	Arrays.parallelSort()	多核并行优势显著
不确定数据规模	优先 sort()，压测验证	实际性能受硬件影响大，别想当然

✅ 最佳实践建议：

• 日常开发中，小数组一律用 sort()
• 大数据批处理、排序密集型任务，考虑 parallelSort()
• 生产环境使用前务必做 JMH 压测，结合实际 CPU 和数据分布评估

所有示例代码已托管至 GitHub：https://github.com/johnchen/tutorials/tree/master/core-java-modules/core-java-arrays-sorting