前言
並行編程勢不可擋，Java從1.7開始就提供了Fork/Join 支持並行處理。java1.8 進一步加強。
並行處理就是將任務拆分子任務，分發給多個處理器同時處理，之后合並。
Stream API
Java 8 引入了許多特性，Stream API是其中重要的一部分。區別 InputStream OutputStream，Stream API 是處理對象流而不是字節流。
執行原理如下，流分串行和並行兩種執行方式
// 串行執行流
stream().filter(e -> e > 10).count();
// 並行執行流
.parallelStream().filter(e -> e > 10).count()
ParallelStreams執行原理
並行執行時，java將流划分為多個子流，分散在不同CPU並行處理，然后進行合並。
並行一定比串行更快嗎？這不一定，取決於兩方面條件：
- 處理器核心數量，並行處理核心數越多自然處理效率會更高。
- 處理的數據量越大，優勢越強。這也很好理解，比如十個人干一個人就能完成的活兒會比它自己干更便宜？
ParallelStreams注意事項
使用並行流時，不要使用collectors.groupingBy,collectors.toMap，替代為
collectors.groupingByConcurrent , collectors.toConcurrentMap，或直接使用串行流。
原因，並行流執行時，通過操作Key來合並多個map的操作比較昂貴。詳細大家可以查看官網介紹。
https://docs.oracle.com/javase/tutorial/collections/streams/parallelism.html#concurrent_reduction
Map<String, List<Person>> byGender =
roster
.stream()
.collect(Collectors.groupingBy(Person::getGender));
ConcurrentMap<String, List<Person>> byGender =
roster
.parallelStream()
.collect(Collectors.groupingByConcurrent(Person::getGender));
ParallelStreams 默認使用 ForkJoinPool.commonPool()線程池。
注意：默認情況下，你寫的 ParallelStreams 都是通過該線程池調度執行，整個應用程序都共享這個線程池。
看一個例子，我們查詢一批新聞數據，可以利用並行化來處理遠程新聞下載。
public List<News> queryNews(Stream<String> ids) {
return ids.parallel()
.map(this::getNews) // 網絡操作，新聞下載
.collect(toList());
}
因為是網絡操作，存在很多不確定性，假如某個任務運行時間較長，導致線程池資源占據，阻塞其它線程，這樣就阻止了其他的並行流任務正常進行。
如果解決這個問題的其中一種方式，進行線程池隔離。那么如何自定義並行流的線程池呢？
ForkJoinPool 構造參數我們默認設置為CPU核心數。
ForkJoinPool customThreadPool = new ForkJoinPool(4);
long actualTotal = customThreadPool
.submit(() -> roster.parallelStream().reduce(0, Integer::sum)).get();
針對 Stream API 一些局限性，Github上有個開源庫做了補充。
總結
Java 1.8 提供的Stream API簡化了代碼，很好用。不過在使用過程中應該注意以上問題。
歡迎大家留言交流，一起學習分享！！！