Java 如果可能，我是否应该始终使用并行流？

使用Java8和lambdas，可以很容易地将集合作为流进行迭代，也可以很容易地使用并行流。来自的两个示例，第二个使用parallelStream：

myShapesCollection.stream()
    .filter(e -> e.getColor() == Color.RED)
    .forEach(e -> System.out.println(e.getName()));

myShapesCollection.parallelStream() // <-- This one uses parallel
    .filter(e -> e.getColor() == Color.RED)
    .forEach(e -> System.out.println(e.getName()));

myShapeCollection.stream（）
.filter（e->e.getColor（）==Color.RED）
.forEach（e->System.out.println（e.getName（））；
myShapeCollection.parallelStream（）//e.getColor（）==Color.RED）
.forEach（e->System.out.println（e.getName（））；

只要我不在乎顺序，使用平行线是否总是有益的？有人会认为，在更多的内核上划分工作会更快

还有其他考虑吗？什么时候应该使用并行流，什么时候应该使用非并行流

---

（问这个问题是为了引发关于如何以及何时使用并行流的讨论，不是因为我认为始终使用并行流是一个好主意。）

与顺序流相比，并行流的开销要高得多。协调线程需要花费大量时间。默认情况下我会使用顺序流，如果

只考虑并行流。

• 我有大量的项目要处理（或者每个项目的处理都需要时间并且是并行的）

• 首先，我有一个性能问题

• 我还没有在多线程环境中运行该进程（例如：在web容器中，如果我已经有许多请求要并行处理，那么在每个请求中添加额外的并行层可能会产生负面影响，而不是正面影响）

在您的示例中，性能将由对

System.out.println（）

的同步访问驱动，而使此过程并行将不会产生任何影响，甚至会产生负面影响

此外，请记住并行流并不能神奇地解决所有同步问题。如果进程中使用的谓词和函数使用共享资源，则必须确保所有内容都是线程安全的。特别是，如果你平行进行，副作用是你真正需要担心的事情

---

在任何情况下，测量，不要猜测！只有测量才能告诉你平行度值不值得。

JB一针见血。我唯一可以补充的是，Java8不做纯并行处理，它做。是的，我写了这篇文章，我做F/J已经有三十年了，所以我确实理解这个问题。

流API的设计目的是让编写计算变得简单，而不是将计算的执行方式抽象出来，使得在顺序和并行之间的切换变得容易

然而，仅仅因为它简单，并不意味着它总是一个好主意，事实上，仅仅因为你可以，就把

.parallel（）

放在所有地方是一个坏主意

---

首先，请注意，并行性除了在有更多内核可用时能够更快地执行之外没有其他好处。并行执行总是比顺序执行涉及更多的工作，因为除了解决问题，它还必须执行子任务的调度和协调。希望是通过在多个处理器之间分解工作，您能够更快地找到答案；这是否真的发生取决于很多因素，包括数据集的大小、对每个元素进行的计算量、计算的性质（具体来说，一个元素的处理是否与其他元素的处理相互作用？），可用处理器的数量，以及竞争这些处理器的其他任务的数量

此外，请注意，并行性还经常暴露出计算中的不确定性，而这种不确定性通常被顺序实现所隐藏；有时，这并不重要，或者可以通过约束所涉及的操作来缓解（即，缩减运算符必须是无状态和关联的。）

实际上，有时并行会加快计算速度，有时不会，有时甚至会减慢计算速度。最好先使用顺序执行进行开发，然后在需要时应用并行性

（A）您知道提高性能和

（B）它实际上将提供更高的性能

（A）是一个业务问题，而不是技术问题。如果您是一名性能专家，您通常能够查看代码并确定（B），但智能路径是测量。（而且，在你确信（A）（如果代码足够快，最好将你的大脑周期应用到其他地方）

最简单的并行性能模型是“NQ”模型，其中

N

是元素数，

Q

是每个元素的计算量。通常，在开始获得性能优势之前，您需要产品NQ超过某个阈值。对于低Q问题，如“将数字从

1

相加到

N

”，您通常会看到

N=1000

和

N=10000

之间的盈亏平衡。对于高Q问题，您将看到阈值较低时的盈亏平衡

但现实相当复杂。因此，在您获得experthood之前，首先确定顺序处理实际花费的时间，然后测量并行性是否有帮助。

我观看了Brian Goetz的其中一篇文章（Lambda表达式的Java语言架构师和规范负责人）。他详细解释了在进行并行化之前要考虑的4个要点：

拆分/分解成本
–有时拆分比只做工作更昂贵
任务分派/管理成本
–可以在将工作交给其他线程所需的时间内完成大量工作。
结果组合成本
–有时是com

N x Q > 10000

    Exception in thread "main" java.lang.OutOfMemoryError
        at ...
        at java.base/java.util.stream.IntPipeline.findFirst(IntPipeline.java:528)
        at InfiniteTest.main(InfiniteTest.java:24)
    Caused by: java.lang.OutOfMemoryError: Java heap space
        at java.base/java.util.stream.SpinedBuffer$OfInt.newArray(SpinedBuffer.java:750)
        at ...

public static void main(String[] args) {
    // let's count to 1 in parallel
    System.out.println(
            IntStream.range(1, 1000_000_000)
                    .parallel()
                    .skip(100)
                    .findFirst()
                    .getAsInt());
}