parallelStream()是Java并行处理集合的快捷方式，需满足数据量大、计算耗时、操作无状态三条件才有效；应避免小数据量、共享变量修改、有状态操作及低效数据源，并推荐使用groupingByConcurrent等线程安全收集器。
Java 的 parallelStream() 是把集合数据并行处理的快捷方式，用起来简单，但效果好不好，关键看怎么用、用在哪儿。
怎么创建并行流
两种常用方式，本质一样：
- 直接调用集合的
parallelStream()方法：比如list.parallelStream() - 先获取顺序流再转成并行流：比如
list.stream().parallel()
注意：parallel() 是流对象的方法，只能对已有流调用；而 parallelStream() 是 Collection 接口定义的默认方法，所有集合都能用。
适合并行流的典型操作
不是所有操作都适合并行。真正能提速的，得满足三个条件：数据量大、计算耗时、操作无状态。
立即学习“Java免费学习笔记（深入）”；
-
计算密集型任务：比如
map做复杂转换（图像像素处理、加密解密）、filter执行耗时判断（正则匹配、远程校验） -
聚合类操作：如
reduce、sum、count、max/min，底层自动做分段合并 -
支持并发收集：要用
Collectors.groupingByConcurrent()替代groupingBy()，用ConcurrentHashMap类型的收集器避免线程安全问题
必须避开的坑
并行 ≠ 一定更快，用错反而拖慢甚至出错：
- 小数据量别硬上：几千以内元素，线程调度和数据拆分开销可能比串行还高
-
别在
forEach里改共享变量：比如往ArrayList里add，会丢数据——应改用collect()或reduce() -
慎用有状态中间操作：如
sorted()、distinct()在并行下要全局合并，可能比串行更慢 -
数据源要“好切”：优先用
ArrayList或数组；LinkedList、TreeSet拆分代价高，不适合并行
一个安全又高效的例子
统计百万级订单中各省份的订单总金额（线程安全 + 并行加速）：
Map<String, Double> provinceSum = orders.parallelStream()
.filter(order -> order.getAmount() > 0)
.collect(Collectors.groupingByConcurrent(
Order::getProvince,
Collectors.summingDouble(Order::getAmount)
));
这里用了 groupingByConcurrent，结果是 ConcurrentMap，无需额外同步，也避免了 forEach + put 这类危险写法。
