parallelStream()仅在数据量≥10万、单元素处理≥1ms、操作无状态、数据源为ArrayList/数组时才真正提速；误用forEach修改共享集合会导致线程不安全，应改用collect；优先用parallelStream()而非stream().parallel()，必要时自定义ForkJoinPool隔离线程池。
直接调用 parallelStream() 就能开启并行流，但**开了不等于快**——它只在数据量大、单次处理重、结构合适时才真正提速；盲目使用反而因线程开销拖慢程序。
什么情况下 parallelStream 才真有效
并行流不是银弹，需同时满足这几个条件：
- 数据量够大：ArrayList 或数组 ≥ 10 万条；几千条的小集合基本不划算
- 单元素处理够重：每个元素操作耗时 ≥ 1ms（比如 JSON 解析、正则匹配、加密计算）；纯数学运算或简单判断通常不够
- 操作无状态：filter、map、reduce 安全；sorted、distinct、limit 等有状态操作会削弱并行效率
- 数据源友好：优先用 ArrayList、数组；避开 LinkedList、Stream.generate()、自定义 Iterator（它们分割低效，甚至比串行还慢）
千万别在 forEach 里写共享集合
这是最常见也最危险的错误：
❌ 错误写法（非线程安全，可能丢数据、抛 ConcurrentModificationException）：
立即学习“Java免费学习笔记（深入）”；
Java Maven Common
下载
Java Maven 项目审查工作流的通用输入处理。当 Java Maven 项目以 ZIP压缩包或 GitLab 仓库 URL 形式提供且需要...时使用。
numbers.parallelStream()
.filter(n -> n % 2 == 0)
.forEach(result::add); // 危险！多个线程并发修改同一 ArrayList
✅ 正确做法：交给流自己聚合，用 collect 或 Java 16+ 的 toList()：
.filter(n -> n % 2 == 0)
.map(n -> n * 2)
.collect(Collectors.toList()); // ✅ 线程安全，自动合并
// 或 Java 16+：
// .toList();
parallelStream() 和 stream().parallel() 怎么选
二者最终都走 ForkJoinPool.commonPool()，但语义和可维护性不同：
list.parallelStream()-
list.stream().parallel()：适合已有流对象需动态切换场景，但链式调用中容易被忽略（比如stream().filter().parallel().map()），调试和阅读成本高
一旦调用 parallel()，后续所有中间和终止操作都会并行执行，无法中途切回串行。
进阶：自定义线程池避免干扰主线程
默认共用 ForkJoinPool.commonPool()，如果业务中有其他并行任务或 IO 阻塞操作，可能互相拖慢。这时建议隔离：
- 用系统属性全局调整（简单但不隔离）：
System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "8"); - 更推荐：创建专属
ForkJoinPool，把并行流提交进去执行：
List<String> result = customPool.submit(() ->
dataList.parallelStream()
.filter(s -> s.length() > 5)
.map(String::toUpperCase)
.collect(Collectors.toList())
).join();
对 IO 密集型任务，可适当提高并行度（如 CPU 核数 × 2）；计算密集型任务一般设为核数 + 1 即可。
