Lambda 表达式本身不处理并行计算，而是作为函数式接口的简洁实现，配合 Stream 的 parallelStream() 或 stream().parallel() 支持并行操作，真正执行并行的是 ForkJoinPool。
Java 中 Lambda 表达式本身不直接“处理”并行计算，而是作为函数式接口的简洁实现，配合 Stream 的并行机制（如 parallelStream() 或 stream().parallel()）来支持并行操作。真正执行并行的是底层的 ForkJoinPool，而 Lambda 提供了无状态、可安全并发执行的操作逻辑。
Lambda 必须是无状态且线程安全的
并行流会将数据拆分到多个线程执行，若 Lambda 引用或修改外部可变状态（比如普通变量、静态字段、共享集合），会导致竞态条件或结果错误。
- ✅ 推荐：只读局部变量、纯函数式操作（如
x -> x * 2、(a, b) -> a + b） - ❌ 避免：在 Lambda 内修改外部
ArrayList、递增静态计数器、调用非线程安全方法 - ⚠️ 注意：即使变量被
final或“实际上 final”，只要它指向可变对象（如StringBuilder），仍可能出问题
并行流的触发与执行模型
使用 parallelStream() 或显式调用 stream().parallel() 启动并行模式，但是否真正并行还取决于数据源大小、操作类型和 JVM 默认 ForkJoinPool 负载。
- 小数据量（如几十个元素）往往串行更快，并行有调度开销
- 中间操作（如
filter、map）自动并行化；终端操作（如forEach）需注意——forEach()不保证顺序且不线程安全，应改用forEachOrdered()若需顺序 - 归约类操作（如
reduce、collect）依赖Collector的combiner方法合并各线程结果，Lambda 必须支持可分拆与合并（例如Collectors.toList()是线程安全的，内部已处理并发收集）
常见陷阱与安全写法示例
很多看似自然的写法在并行下会失效，关键在于区分“操作逻辑”和“副作用”。
- ❌ 错误示范：
list.parallelStream().forEach(x -> System.out.println(x));
——输出顺序不确定，且System.out是共享资源，可能乱序或混行 - ✅ 更稳妥做法：
用map+collect(Collectors.toList())先转换，再统一处理；或对日志等副作用操作加同步（但通常违背并行初衷） - ✅ 安全归约：
int sum = numbers.parallelStream().mapToInt(x -> x * x).sum();
——sum()底层调用线程安全的reduce，无需额外同步
何时该用并行流？
并行不是银弹。只有当任务满足“计算密集、数据量大、无外部依赖、操作独立”时才收益明显。
- 适合场景：大数据集的数值计算、文本解析、图像像素处理等 CPU 密集型任务
- 不适合场景：IO 操作（如文件读写、网络请求）、含锁或数据库访问、数据量小于 1000 的简单处理
- 建议：先用串行验证逻辑正确性，再测性能；必要时用
ForkJoinPool.commonPool().getParallelism()查看并行度，或自定义池控制资源
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
