java8并行流

并行流就是一个把内容分成多个数据块，并用不同的线程分别处理每个数据块的流，这样一来，你就可以自动把给定操作的工作负荷分配给多核处理器的所有内核，让它们都忙起来。

将顺序流转换为并行流

对并行流调用sequential方法就可以把它变成顺序流，比如

  stream.parallel()
        .sequential()
        .map(...)

这样这个stream最终又回到串行流。
看到这里，你可能以为把这两个方法结合起来，就可以更细化地控制在遍历流时哪些操作要并行执行，哪些要顺序执行，比如你可能会这样操作：

stream.parallel()
      .filter(...)
      .sequential()
      .map(...)
      .parallel().
      .reduce(...)

但其实这段代码并不能如你所愿，这个流的所有操作最终都是并行执行的。如果你在流中多次调用parallel和sequential，只有最后一次调用会决定整个流是串行还是并行。原因是流调用parallel或者sequential方法并不意味着流本身有任何实际的变化，它在内部实际上就是设了一个boolean标志，表示你想让调用parallel之后所有操作都并行执行或者sequential之后所有操作都串行执行，流的运行宏观上是将所有操作综合在一起运行的，迭代过程中并不会反复调用parallel与sequential，而是在一开始要迭代的时候就已经决定了流的属性。

配置并行流使用的线程池

并行流内部使用了默认的ForkJoinPool，它默认的线程数量就是你的处理器数量，这个值是由

Runtime.getRuntime().availableProcessors()

得到的。但是你可以通过系统属性java.util.concurrent.ForkJoinPool.common.parallelism来改变线程池大小

System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism","12");

高效使用并行流

1、数据涉及频繁自动拆箱/装箱操作慎用
2、数据量过小时慎用
3、数据结构不容易分解的情况慎用，比如链表这样的结构（但是可以自己实现Spliterator，指定分解策略，属于高级用法）。
4、涉及findFirst或者limit的操作慎用，因为这两种操作是依赖于顺序的，对于并行流开销比较大，这时候findAny()的性能更好。
5、流的终止操作代价过大的话也要慎用