并行流 parallel()

1. 如果每次應(yīng)用函數(shù)都要依賴前一次應(yīng)用的結(jié)果，并行只會比順序處理增加開銷。
   錯用并行流的首要原因，就是使用的算法改變了某些共享狀態(tài)。因為每次訪問共享狀態(tài)都會出現(xiàn)數(shù)據(jù)競爭，如果嘗試使用類似synchronize方式修復(fù)，就失去并行的意義了。
2. 自動裝箱和拆箱會大大降低性能，但凡有可能應(yīng)該使用原始類型流。
3. 特別是limit和findFirst依賴順序的操作，本身并行性能就比順序流差。
4. 單個元素的處理成本也大，元素的數(shù)量越多，并行處理的性能提高可能性越大。
5. 元素的數(shù)據(jù)結(jié)構(gòu)是否容易拆分，例如ArrayList拆分效率比LinkedList高的多，因為前者可以隨機訪問拆分，后者必須遍歷拆分。
6. 還要考慮collector合并combiner方法的代價，combiner代價是否會大于并行流得到的性能提升。

總結(jié)：

并行化不是沒有代價的，最重要的是保證并行執(zhí)行工作的時間比在內(nèi)核之間傳輸數(shù)據(jù)的時間要長。
并行流背后的基礎(chǔ)架構(gòu)就是Java7的fork/join框架。

fork/join框架

// 使用這個框架，必須創(chuàng)建RecursiveTask的子類，R是任務(wù)返回的結(jié)果類型，如果返回時void，就是RecursiveAction類型。
public abstract class RecursiveTask<R> {
  // 要實現(xiàn)的唯一抽象方法compute
  protected abstract R compute();
  // 例如：
  @Override
  public R compute() {
    if (任務(wù)足夠小不可分) {
      // 順序計算該任務(wù)
    }
    else {
      // 將任務(wù)分成2個子任務(wù)，遞歸調(diào)用compute拆分子任務(wù)，
      // 等待所有子任務(wù)完成，合并每個子任務(wù)的結(jié)果
      ...
  }
}