Java并行流需避免并发修改原集合、使用无状态归约或线程安全容器、慎用有状态操作、按任务类型调整并行度。
Java并行流（parallelStream()）用起来很顺手，但稍不注意就会掉进并发修改和线程安全的坑里——结果错、异常抛、性能反而更差。关键不是“能不能用”，而是“怎么用才不出错”。
别在并行流里改原始集合
并行流会把源集合分片，多个线程同时读取不同段。如果在 forEach 或其他操作里直接调用 list.add()、map.put() 这类方法，轻则元素丢失、重复，重则抛 ConcurrentModificationException。
- ❌ 错误写法：
list.parallelStream().forEach(x -> originalList.add(transform(x))); - ✅ 正确做法：用
collect(Collectors.toList())或toList()（Java 16+）生成新集合，不碰原数据 - ⚠️ 注意：即使用了
synchronizedList，也不推荐在并行流中直接修改——同步锁会串行化执行，失去并行意义
累加统计必须无状态或线程安全
用外部变量（比如 int sum = 0 或 ArrayList<String> results）收集结果，是线程安全的高危操作。多个线程同时读写同一内存地址，结果不可预测。
- ✅ 推荐归约：
int total = list.parallelStream().reduce(0, Integer::sum); - ✅ 线程安全计数器：
AtomicInteger counter = new AtomicInteger(); list.parallelStream().forEach(x -> counter.addAndGet(x)); - ✅ 收集到线程安全容器：
CopyOnWriteArrayList<String> safeList = new CopyOnWriteArrayList<>(); list.parallelStream().forEach(safeList::add);（仅适合读多写少场景）
慎用有状态中间操作
sorted()、distinct()、limit() 这些操作依赖全局顺序或全局去重逻辑，并行执行时需跨分片协调，开销大且可能行为异常（如 distinct() 在分片后无法保证全集唯一）。
立即学习“Java免费学习笔记（深入）”；
- ? 建议：先用
collect(Collectors.toList())转成普通集合，再对结果做排序或去重 - ? 替代方案：对大数据集排序，优先考虑外部排序或数据库层处理；去重可用
Collectors.toConcurrentMap()配合键值映射 - ⚠️ 特别注意：
findFirst()在并行流中不保证返回第一个元素，它返回任意匹配项；要用确定位置的结果，就别用并行
并行度不是越高越好
默认并行度是 Runtime.getRuntime().availableProcessors() - 1，看似合理，但实际受任务类型影响极大。
- ? 计算密集型任务（如数值运算、加密解密）：可接近 CPU 核心数，但不必超过
- ? I/O 密集型任务（如文件读写、远程调用）：过高并行度引发频繁上下文切换，建议控制在 2–4 之间，或改用异步非阻塞方式
- ⚙️ 自定义并行池：
ForkJoinPool pool = new ForkJoinPool(4); pool.submit(() -> list.parallelStream().map(...).collect(...)).join();
