Parallel Stream基于Fork/Join框架，适用于大集合、计算密集型、无状态依赖的场景；应避免用于小集合、I/O操作或需顺序保证的任务，注意线程安全与副作用，可通过自定义ForkJoinPool控制并行度。
Java 8 引入了 Stream API，让集合操作更加简洁高效。其中 Parallel Stream（并行流）可以自动将数据分片，并利用多核 CPU 并发处理，从而提升性能。但并行不是万能钥匙，正确使用才能发挥优势。
理解 Parallel Stream 的工作原理
Parallel Stream 基于 Fork/Join 框架实现。它会把一个大的任务拆分成多个子任务，在多个线程中并行执行，最后合并结果。这种机制适合计算密集型任务，尤其是对大集合进行 map、filter、reduce 等操作时。
调用 parallelStream() 方法即可创建并行流：
Listint sum = numbers.parallelStream()
.map(n -> n * n)
.reduce(0, Integer::sum);
这段代码会并行计算每个元素的平方和。
立即学习“Java免费学习笔记（深入）”；
选择合适的场景使用并行流
并不是所有情况都适合并行处理。以下几种情况建议使用：
- 数据量较大（通常超过 10,000 元素）
- 操作是计算密集型的，比如复杂数学运算、对象转换等
- 任务之间无状态依赖，彼此独立
而以下情况应避免使用：
- 集合很小，启动并行开销大于收益
- 涉及大量 I/O 操作，如读写文件、网络请求
- 操作有共享状态或需要保证顺序（如 LinkedList 遍历）
注意副作用与线程安全
并行流在多个线程中运行，如果操作包含非线程安全的副作用，会导致不可预期的结果。
错误示例：使用外部变量累加
int[] total = {0};numbers.parallelStream().forEach(n -> total[0] += n); // 危险！
这可能产生竞态条件。应改用 reduce 或 collect：
int sum = numbers.parallelStream().mapToInt(Integer::intValue).sum();若需收集结果，使用线程安全的容器或收集器：
Set.map(n -> n * 2)
.collect(Collectors.toSet());
控制并行度与自定义线程池
默认情况下，并行流使用的线程数等于 CPU 核心数（通过 Runtime.getRuntime().availableProcessors() 获取）。可以通过设置系统属性调整：
System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "4");更灵活的方式是使用自定义 ForkJoinPool：
ForkJoinPool customPool = new ForkJoinPool(6);customPool.submit(() ->
numbers.parallelStream()
.map(n -> heavyCompute(n))
.forEach(System.out::println)
);
customPool.shutdown();
这样可以避免影响其他使用公共池的并行流任务。
基本上就这些。掌握这些技巧后，你可以在合适场景下有效利用 Parallel Stream 提升程序性能，同时避免常见陷阱。
