Java Stream 并行流 parallelStream 怎么用-java教程-PHP中文网

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 stream 并行流 parallelstream 怎么用

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。

OpenJDK 24

下载

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)
    ));</string>

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。