Java Stream并行化需按需切换且满足三条件：数据量≥10⁴、CPU密集型操作、数据源支持高效分割；通过parallel()/sequential()可控切换，规避limit/forEach等顺序敏感陷阱，并可自定义ForkJoinPool。
Java Stream API 的并行化不是“开个开关就变快”，关键在于按需切换——该串行时串行，该并行时并行，且切换要明确、可控、有依据。
何时该用并行流？看三个硬条件
并行流只有在同时满足以下三点时才大概率带来收益：
- 数据量足够大：通常建议原始集合元素数 ≥ 10⁴（一万），小数据集反而因线程调度开销而变慢；
- 操作是 CPU 密集型：如数值计算、字符串解析、对象转换等，而非 I/O 或锁等待；
- 数据源支持高效分割：ArrayList、数组、IntStream.range 等可均匀切分；LinkedList、Stream.iterate() 则分割代价高，慎用并行。
如何安全切换流的执行模式？
Stream 提供了两个互逆的方法，可在链式调用中任意位置切换：
-
parallel()：将当前串行流转为并行流（如
list.stream().filter(...).parallel().map(...)）； - sequential()：将当前并行流转为串行流（常用于后续需保序或轻量操作时）；
- 注意：
isParallel()可实时判断当前流是否并行，便于调试和条件分支。
顺序敏感操作必须规避并行陷阱
以下操作在并行流中会失效或低效，应主动转为串行或改用替代方案：
立即学习“Java免费学习笔记（深入）”；
- limit()、findFirst()、findAny()：并行下需全局扫描，失去短路优势，性能反降；
-
forEach()：不保证执行顺序，若需有序输出，必须用
forEachOrdered()（但会串行化执行，抵消并行价值）； - 依赖共享状态的操作：如在 lambda 中修改外部变量、静态字段或非线程安全集合，会导致结果不可预测——并行流要求操作无副作用、纯函数式。
进阶控制：自定义并行线程池
默认使用 ForkJoinPool.commonPool()，其并行度为 CPU核心数 − 1。若业务需隔离资源或调整并发粒度，可：
- 通过系统属性临时调整：
System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "4")； - 更推荐方式：用
ForkJoinPool自定义实例，并借助stream().parallel().collect(...)配合自定义执行器（需包装为 Spliterator 或使用 parallelStream() 的替代实现）； - 注意：commonPool 是全局共享的，长期重设可能影响其他模块，生产环境建议显式构造专用池。
