Parallel Stream是Java 8中基于Fork/Join框架的并行流处理机制，通过parallelStream()将大集合分割为多线程任务以提升计算密集型操作性能，适用于数据量大、无共享状态的场景，但小数据集或I/O密集型操作可能因调度开销导致性能下降，且需避免共享可变变量引发线程安全问题，可通过自定义ForkJoinPool控制并发级别。
在Java 8中引入的Stream API极大简化了集合操作，而Parallel Stream则在此基础上提供了并行处理能力，能够充分利用多核CPU提升处理效率。通过将数据流拆分为多个子任务在不同线程中执行，再合并结果，实现更高效的计算。
什么是Parallel Stream
Parallel Stream是Stream的一种并行执行模式，底层基于Fork/Join框架实现。当你调用parallelStream()方法时，集合会被自动分割成多个片段，每个片段由不同的线程独立处理，最后将结果汇总。
例如，对一个大列表进行过滤和映射操作时，使用并行流可以显著缩短执行时间：
List
.filter(n -> n > 100)
.map(n -> n * 2)
.collect(Collectors.toList());
立即学习“Java免费学习笔记（深入）”；
何时使用Parallel Stream
虽然并行流能提升性能，但并非所有场景都适用。以下情况适合使用：
- 数据量较大（通常建议超过10,000元素）
- 操作是计算密集型而非I/O密集型
- 操作之间无状态依赖，不修改共享变量
- 中间操作如filter、map、reduce等可并行执行
小数据集使用并行流反而可能因线程创建和任务调度带来额外开销，导致性能下降。
避免共享状态与副作用
并行流在多线程环境下运行，若操作中涉及共享可变状态，容易引发线程安全问题。比如下面这种写法是错误的：
// 错误示例：共享可变变量
List
numbers.parallelStream().forEach(threadUnsafeList::add); // 可能出错
应使用无副作用的操作，并通过collect或reduce等归约操作来安全地生成结果：
List
.map(x -> x * 2)
.collect(Collectors.toConcurrentMap());
自定义并行流的线程池
默认情况下，Parallel Stream使用ForkJoinPool.commonPool()，其线程数通常是CPU核心数减一。若需控制并发级别，可以通过parallelStream()之外的方式指定线程池：
ForkJoinPool customPool = new ForkJoinPool(4);
customPool.submit(() ->
bigList.parallelStream().map(processItem()).forEach(System.out::println));
customPool.shutdown();
这种方式适用于需要隔离资源或避免影响全局公共池的场景。
基本上就这些。合理使用Parallel Stream能有效提升程序性能，但要注意数据规模、操作类型和线程安全问题。掌握其原理和限制，才能在实际开发中发挥最大价值。
