# 寫在前面的話
在前面我們已經看過了一些流的處理，那麼Lambda除了在寫法上的不同，還有其它什麼作用呢？當然有，就是數據並行化處理！
它在某些場景下可以提高程序的性能。我們先看一個前面的例子，查找所有的男同學
// 流方式List newBoys = personList.stream().filter(p -> 1 == p.getSex()).collect(Collectors.toList());
現在用並行流改寫一下
// 流方式：找出所有男同學 List newBoys = personList.parallelStream().filter(p -> 1 == p.getSex()).collect(Collectors.toList());
細心的同學已經發現區別了，stream與parallelStream，是的，要用並行流parallelStream，就是這麼簡單！
# 什麼是並行
有必要嘗試解釋一下，什麼是數據並行化
Java支持多線程，可以同時開啓多個任務。引入多線程的原因在於，線程可能會阻塞，CPU會主動切分時間片，只有分配到時間片的線程才會運行。而現代的處理器，幾乎都是多核的，即多個CPU，如何才能更高效的利用硬件呢，多線程。
並行和多線程是有區別的，比如運送一堆貨物，如果只有一輛車(單線程)，肯定慢，平時如果貨少，那還能應付過來 ，如果比如某寶的"雙十一"，那就肯定快遞像垃圾一樣如山，怎麼辦呢？我們可以增加車輛(多線程)，那麼肯定能加快運送速度。但是有一個前提，必須是多條道(多核CPU)。而在有些只有單個出口的地方，還必須排隊(併發，線程安全)
而並行的針對同一個任務的。比如還是一輛車的貨，10000件，全部放在A車上，要跑N個小時。現在取出一半放到B車上，理論上A,B2車同時跑，是不是會理快呢？嘿嘿嘿，這就是説的數據並行化，這裏不會涉及併發。而這一切，Java8的並行流都在底層幫我們實現了
# 一定會更快？
紙上得來終覺淺，絕知此事要躬行！我們來看下，前面2個代碼的分別執行時間
@Testpublic void test() {
// 數據並行化處理// 學生集合 Person kobe = new Person("kobe", 40, 1); Person jordan = new Person("jordan", 50, 1); Person mess = new Person("mess", 20, 2); List personList = Arrays.asList(kobe, jordan, mess);
long beginTime = System.currentTimeMillis();
// 原來的方式List oldBoys = new ArrayList(personList.size());for (Person p : personList) {// 性別男if (p.getSex() == 1) {oldBoys.add(p);}}long endTime = System.currentTimeMillis();log.info("原來的方式 take time:" + (endTime - beginTime));
beginTime = System.currentTimeMillis();// 流方式：找出所有男同學 List newBoys = personList.stream() .filter(p -> 1 == p.getSex()) .collect(Collectors.toList());
endTime = System.currentTimeMillis(); log.info("流方式 take time:" + (endTime - beginTime));
beginTime = System.currentTimeMillis();// 流方式：找出所有男同學 List parallelBoys = personList.parallelStream() .filter(p -> 1 == p.getSex()) .collect(Collectors.toList());
endTime = System.currentTimeMillis(); log.info("並行流方式 take time:" + (endTime - beginTime)); }
咦，是不是很奇怪，原來的for循環方式最快？多執行幾次，發現結果也是這樣的，那真是這樣嗎，我們把數據量擴大試試
我靠，還是更慢，換個方法試試
@Testpublic void test() {
// 學生集合 List personList = new ArrayList(1000000);for (int i = 0, j = 1000000; i < j; i++) {int sex = i % 2; Person p = new Person(String.valueOf(i), i, sex); personList.add(p); }
long beginTime2 = System.currentTimeMillis();// 流方式：年齡之和int parallelAges = personList.parallelStream().mapToInt(p -> p.getAge()).sum();
long endTime2 = System.currentTimeMillis(); log.info("並行流方式 take time:" + (endTime2 - beginTime2)); log.info("parallelAges:" + parallelAges);
long beginTime = System.currentTimeMillis();
// 原來的方式int totalAge = 0;for (Person p : personList) {// 年齡之和 totalAge = totalAge + p.getAge(); }long endTime = System.currentTimeMillis(); log.info("原來的方式 take time:" + (endTime - beginTime)); log.info("totalAge:" + totalAge);
看看結果，還是更慢。。。這倒很出我意外，崩潰了，
可能跟我機器有關吧。所以還是需要找地方驗證，如果哪位同學能解答一下，歡迎指教
這裏引用一下《java8函數式編程》的結論
輸入數據的大小。
理論上輸入的數據越大，操作越複雜，並行流的效果越好。因為拆分數據處理，最後合併結果都會帶來額外的開銷。我們可以通過修改前面的例子，personList的大小來觀察
數據結構
我們通常是操作集合。一般來説，越好分割的並行速度越快。比如ArrayList,數組等支持隨機讀取的，效果較好。
HashSet,TreeSet,這類不容易公平的分解。而LinkedList,Stream.iterator等分解就比較困難的，效果是比較差的
裝箱
處理包裝類比基本類型花的時間多，肉眼可見
核的數量
當然，如果核的數量越多，獲得潛在並行提升速度的趕快。比如4核一般比雙核快，對吧
來源：https://blog.csdn.net/weigeshikebi/article/details/80030312
往期推薦
幾道被問爛的Spring Cloud面試題（附答案）~
厲害！某生鮮電商平台竟然是這樣設計監控模塊的（已開源）~
裸辭1天 vs 裸辭10天 vs 裸辭一個月
點擊閲讀原文，獲得更多精彩內容