Stream并发流parallel

并行的 Stream 流，即多线程执行的流。

1. 并行流的获取

• .parallelStream()方法,直接获取并行Stream流
• .parallel()方法,将串行流转成并行流

public class ParallelStream {
    public static void main(String[] args) {
        //方式一:通过.parallelStream()方法,直接获取并行Stream流
        List<String> list = new ArrayList<>();
        Stream<String> stream = list.parallelStream();
        //方式二:通过.parallel()方法,将串行流转成并行流
        Stream<String> parallelStream = list.stream().parallel();
 
        //并行Stream流测试
        Stream<Integer> stream = Stream.of(4, 5, 6, 3, 21, 56).parallel();
        stream.filter(num->{
            System.out.println(Thread.currentThread().getName() + "--" + num);
            return num>3;
        }).count();
    }
}
输出（发现并行 Stream 流是在 多个线程上执行的）：
ForkJoinPool.commonPool-worker-5--6
ForkJoinPool.commonPool-worker-3--4
main--3
ForkJoinPool.commonPool-worker-4--21
ForkJoinPool.commonPool-worker-1--5
ForkJoinPool.commonPool-worker-2--56

数组
String[] array = {"a", "b", "c", "d", "e"};
// 并行流
Stream<String> parallelStreamFromArray = Arrays.stream(array).parallel();

集合
Set<Integer> set = new HashSet<>();
set.add(1);
set.add(2);
set.add(3);
// 并行流
Stream<Integer> parallelStreamFromSet = set.parallelStream();

2. 并行流存在线程安全问题

public class ParallelStreamTest05 {
    public static void main(String[] args) {
        List<Integer> list = new ArrayList<>();
        for (int i = 0; i < 1000; i++) {
            list.add(i);
        }
        System.out.println(list.size());
 
        List<Integer> listNew = new ArrayList<>();
        //使用并行流向集合中添加数据
        list.parallelStream()
                .forEach(s -> listNew.add(s));
        System.out.println(listNew.size());
    }
}
存在线程安全问题！！！

解决并行流线程安全问题：

2.1 加同步锁synchronized

public class ParallelStreamTest {
    public static void main(String[] args) {
        List<Integer> list = new ArrayList<>();
        for (int i = 0; i < 1000; i++) {
            list.add(i);
        }
        System.out.println(list.size());
 
        List<Integer> listNew = new ArrayList<>();
        Object object = new Object();
        //使用并行流向集合中添加数据.
        //解决数据安全问题：1.加同步锁
        list.parallelStream()
                .forEach(s -> {
                    synchronized (object){
                        listNew.add(s);
                    }
                });
        System.out.println(listNew.size());
 
        //另一种写法
        List<Integer> list2 = new ArrayList<>();
        Object object2 = new Object();
        IntStream.range(0,1000)
                .parallel()
                .forEach(i -> {
                    synchronized (object2){
                        list2.add(i);
                    }
                });
        System.out.println(list2.size());
    }
}

2.2 使用线程安全的容器synchronizedList

public class ParallelStreamTest06 {
    public static void main(String[] args) {
        //使用线程安全的容器
        List<Integer> list3 = new ArrayList<>();
        List<Integer> list3New = Collections.synchronizedList(list3);
        Object obj = new Object();
        IntStream.range(0,1000)
                .parallel().forEach(s -> list3New.add(s));
        System.out.println(list3New.size());
    }
}

2.3 使用Stream流中的toArray或collect操作

public class ParallelStreamTest06 {
    public static void main(String[] args) {
        //通过Stream中的toArray或collect操作
        List<Integer> list4 = new ArrayList<>();
        List<Integer> collect = IntStream.range(0, 1000)
                .parallel()
                .boxed()
                .collect(Collectors.toList());
        System.out.println(collect.size());
 
    }
}

3. 并行流的底层原理

之所以执行效率高，因为它底层使用的是 Fork/Join 框架。Fork/Join 框架 是在 JDK 7 中引入的，Fork/Join 框架可以将一个大任务拆分为很多小任务来异步执行。

4. 并行流使用注意事项

• 线程安全性：确保操作是线程安全的。在并行流中，多个线程会同时操作数据，因此需要确保操作的数据结构是线程安全的，或者采取适当的同步措施，避免出现并发修改异常或数据不一致的情况。
• 性能评估：并行流并不一定在所有情况下都能提升性能，有时甚至可能降低性能。在使用并行流之前，应该进行性能评估和测试，确保并行流确实能够带来性能的提升。
• 任务分解：并行流会将数据分成多个子任务，并行处理这些子任务。因此，在使用并行流时，应该注意任务的分解是否合理，避免出现任务分配不均衡的情况，导致部分线程长时间等待。
• 副作用：并行流中的操作可能会产生副作用，例如修改共享状态、I/O操作等。在使用并行流时，应该避免或者谨慎处理可能引起副作用的操作，以确保程序的正确性和可靠性。
• 并行度调整：Java并行流的并行度默认为CPU核心数，但可以通过调整系统属性 java.util.concurrent.ForkJoinPool.common.parallelism 来修改默认的并行度。根据实际情况，可以根据计算密集型任务或I/O密集型任务来调整并行度，以获得更好的性能表现。
• 数据量大小：对于小规模的数据集，使用并行流可能会带来额外的开销，因为任务分解和线程管理的开销可能会抵消并行化带来的性能提升。因此，在处理小规模数据集时，可以考虑使用串行流。
• 避免共享可变状态：避免在并行流中共享可变状态，尽量使用不可变对象或线程安全的数据结构来处理数据，以避免线程安全问题。

5. 总结

• parallel 并行 Stream 流是 线程不安全 的；
• parallel 并行 Stream 流使用的场景是 CPU 密集型 的，只是做到别浪费 CPU，假如本身电脑的 CPU 的负载很大，那还到处用并行流，那并不能起到作用；
• I/O 密集型、磁盘I/O、网络I/O 都属于 I/O 操作，这部分操作时较少消耗 CPU 资源，一般并行流中 不适用于 I/O密集型 的操作，就比如使用并行流进行大批量的消息推送，涉及到了大量 I/O，使用并行流反而慢了很多；
• 在使用并行流的时候，是 无法保证元素的顺序 的，也就是即使你使用了同步集合也只能保证元素都正确，但无法保证其中的顺序。