ParallelStream（并行流） 是 Java 8 Stream API 提供的多核并行处理能力，底层基于 Fork/Join 分治框架，自动拆分任务、多线程执行、合并结果，无需手动写线程池 / 线程，大幅简化并发集合处理。

一、基础概念与用法

1. 两种创建方式

// 方式1：集合直接获取并行流
list.parallelStream()

// 方式2：普通串行流转并行流
list.stream().parallel()

2.用法：

List<Integer> list = Arrays.asList(1,2,3,4,5,6,7,8);
// 并行流计算平方和
long sum = list.parallelStream()
               .map(x -> x*x)
               .reduce(0, Long::sum);

3. 串行 vs 并行流对比

二、底层原理（Fork/Join 分治）

并行流执行流程：Fork 拆分 → 并行执行 → Join 合并

1. Fork：把大集合递归拆分成足够小的子任务
2. 并行执行：子任务提交到 ForkJoinPool，多核 CPU 并行处理
3. Join：汇总所有子任务结果，得到最终结果

默认线程池配置

默认使用全局公共池：ForkJoinPool.commonPool()

• 并行线程数 = CPU 核心数 - 1
• 全局共享：所有并行流共用同一个线程池
• 可 JVM 参数修改全局并行度：

System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "8");

底层执行机制：工作窃取

这是并行流高效的核心：

• 每个线程有自己的任务队列
• 自己的任务做完了，会偷取其他线程的任务执行
• 最大化利用 CPU，避免线程空闲

三、适合使用并行流的场景（同时满足）

1. 大数据量：一般 >1 万条元素（小数据并行开销＞收益）
2. 计算密集型：数学运算、转换、过滤；非 IO 阻塞（数据库、网络、文件）
3. 无状态、无依赖：每个元素处理独立，不依赖其他元素
4. 无序可接受：不严格要求处理 / 输出顺序
5. 数据源支持高效拆分：ArrayList、数组（最优）；LinkedList 不适合并行（无法随机拆分）

四、不适合场景

1. IO 密集、阻塞操作（数据库查询、RPC、网络、文件读写）公共线程池线程极少，阻塞会堵死全局所有并行流，Web 服务极易雪崩
2. 小数据集：任务拆分 + 线程调度开销＞并行收益，反而更慢
3. 强顺序依赖：findFirst()、limit()、forEach有序输出、sorted排序
4. 修改外部共享可变变量 / 非线程安全集合（竞态条件、数据错乱）
5. Web 高并发接口默认不建议直接用公共并行流（资源全局争用）