并行流中禁用ThreadLocal，因其在线程复用下易致数据残留或跨任务污染，且fork/join子任务无法继承父线程的ThreadLocal值；应改用显式传参、collect收集器或严格配对set/remove。
在并行流（parallelStream()）中直接使用 ThreadLocal 存储状态，极易引发数据错乱、内存泄漏或结果不一致——这不是线程安全问题，而是“语义误用”：并行流底层复用公共的 ForkJoinPool.commonPool() 线程，且线程生命周期远超单次流操作，ThreadLocal 的值可能被意外继承、残留或污染。
并行流线程复用导致 ThreadLocal 值跨任务残留
ForkJoinPool.commonPool() 中的线程会被多个并行流任务反复复用。若某次任务设置了 ThreadLocal.set(value) 但未调用 remove()，该值会滞留在该线程上，下次恰好调度到该线程的其他任务（甚至不同业务的并行流）就可能读到旧值。
- 例如：一个请求用
ThreadLocal<UserContext>存用户ID，执行完未remove()；后续另一个请求的并行流偶然复用同一线程，get()拿到的是前一个用户的 ID - 这种问题难以复现，但在线上高并发场景下偶发出现，排查成本极高
fork/join 分支执行导致 ThreadLocal 值未正确隔离
并行流内部基于 fork/join 拆分任务，子任务可能在不同线程执行。但 ThreadLocal 不会自动复制或传递——父任务设置的值，在子任务线程中是完全不可见的。若代码错误地依赖“父子任务共享 ThreadLocal”，就会出现空值或默认值逻辑错误。
- 比如在
map中写入ctxTL.set(...)，又在下游filter中读取，但 filter 可能在另一线程执行，读不到 - 这不是 bug，是
ThreadLocal的设计本意，但开发者常误以为“同一流水线=同一线程上下文”
替代方案：优先用无状态函数式写法
并行流天然适合无状态计算。应避免把上下文塞进 ThreadLocal，改用显式传参或闭包捕获：
- 将所需上下文作为参数传入 lambda，如
list.parallelStream().map(item -> process(item, userContext)) - 对需要累积的状态，改用
collect()配合Supplier/Function/Consumer三元组，让每个线程持有一份独立副本（如Collectors.groupingByConcurrent()或自定义ConcurrentMap收集器） - 确需线程级缓存时，可用
ThreadLocal.withInitial(() -> new XxxCache())+ 严格配对remove()，并在流外统一包装（不推荐在 lambda 内 set/remove）
调试与检测建议
若必须保留 ThreadLocal 逻辑，可通过以下方式降低风险：
- 启用 JVM 参数
-Djava.util.concurrent.ForkJoinPool.common.parallelism=1临时强制串行，验证逻辑是否依赖线程局部性 - 在关键
ThreadLocal上重写finalize()（不推荐）或使用WeakReference包装值，配合定期扫描日志中未清理警告 - 用字节码插桩（如 ByteBuddy）或 AOP 在
ThreadLocal.set()处记录调用栈，定位哪些并行流 lambda 擅自修改了它
