Programa (em Java 8 vs grep) que pega as informações disponíveis no Portal da Transparência e sumariza a carga horária dos servidores públicos federais. Fonte dos dados: https://www.portaltransparencia.gov.br/download-de-dados/servidores/201402_Servidores_SIAPE

carga_horaria_servidores.sh

#!/bin/sh
grep -a -o -E -w '[0-9]{2}(,[0-9])? HORAS SEMANAIS|DEDICACAO EXCLUSIVA' ~/Downloads/201402_Servidores/20140228_Cadastro.csv | sort | uniq -c

CargaHorariaServidores.java

package cargaHorariaDosServidores;

import java.io.IOException;
import java.nio.charset.Charset;
import java.nio.file.Files;
import java.nio.file.Path;
import java.nio.file.Paths;
import java.util.LinkedHashMap;
import java.util.function.Function;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.stream.Collectors;

public class CargaHorariaServidores {
 
  private static final Pattern HORAS = Pattern
      .compile(".*([0-9]{2}(,[0-9])? HORAS SEMANAIS|DEDICACAO EXCLUSIVA).*");
 
  public static void main(String[] args) throws IOException {
 
    Path caminho = Paths.get(System.getProperty("user.home"),
        "Downloads/201402_Servidores/20140228_Cadastro.csv");
 
    Files.lines(caminho, StandardCharsets.ISO_8859_1)
        .map(linha -> {
          Matcher matcher = HORAS.matcher(linha);
          return matcher.matches() ? matcher.group(1) : "";
        })
        .filter(horaSemanal -> !horaSemanal.isEmpty())
        .sorted()
        .collect(
            Collectors.groupingBy(Function.identity(),
                LinkedHashMap::new, Collectors.counting()))
        .forEach((k, v) -> System.out.println(v + "\t" + k));
  }
}

medicao_caracteres.txt

$ wc -m CargaHorariaServidores.java 
1127 CargaHorariaServidores.java

$ wc -m carga_horaria_servidores.sh 
150 carga_horaria_servidores.sh

Ou seja, o Java tem 7x mais caracteres.

medicao_tempo.txt

$ time ./carga_horaria_servidores.sh
    real	1m27.790s
    user	1m28.832s
    sys	    0m0.192s

$ time java -jar cargaHorariaServidores.jar
    real	0m5.965s
    user	0m7.353s
    sys	    0m0.278s

# com .parallel() logo após o File::lines
$ time java -jar cargaHorariaServidores.jar 
    real	0m4.223s
    user	0m12.669s
    sys	    0m0.619s
___

Total do grep (user+sys) = 1m29.024s
Total do java (user+sys) = 0m7.631s
Total do java paralelo (user+sys) = 0m13.288s

Ou seja, grep levou cerca de 12x mais tempo.

Já a comparação de streams paralelas com streams sequencias é interessante. Consome 1,7x mais tempo usando recursos do computador (user+sys) mas leva cerca de 30% a menos de tempo para o usuário (real).

Outra coisa interessante de notar é que, mesmo para streams sequencias, parece haver um pouco de paralelismo, já que o tempo para o usuário (real) é menor que o tempo consumindo recursos do computador (user+sys).

resposta.txt

69	12 HORAS SEMANAIS
23069	20 HORAS SEMANAIS
2216	24 HORAS SEMANAIS
1052	25 HORAS SEMANAIS
5509	30 HORAS SEMANAIS
2	32,5 HORAS SEMANAIS
1538	36 HORAS SEMANAIS
571777	40 HORAS SEMANAIS
7434	44 HORAS SEMANAIS
9325	60 HORAS SEMANAIS
308	66 HORAS SEMANAIS
115359	DEDICACAO EXCLUSIVA