Java并行流parallelStream的处理速度竟然stream慢！

奇怪的是，为什么使用“parallelStream（）”的代码有时比使用“stream（）”的代码慢。

实际上，使用parallelStream（）有几个问题。

最重要的是，parallelStream（）总是需要执行比按顺序执行更多的实际工作[即stream（）]。

在多个线程之间分割工作并合并或组合结果会带来很大的开销。像将短字符串转换为小写字符串这样的用例非常小，与并行拆分开销相比，它们可以忽略不计。

使用多个线程处理数据可能会有一些初始设置成本，例如初始化线程池。这些开销可能会抑制使用这些线程所获得的收益，特别是在运行时已经非常低的情况下。另外，如果有其他线程在运行，后台进程等，或者争用很高，那么并行处理的性能会进一步降低。

Java中的流实现在默认情况下是顺序的，除非在并行中显式地提到它。当一个流以并行方式执行时，Java运行时将该流划分为多个子流。聚合操作通过并行迭代这些子流来处理这些子流，然后合并这些结果。因此，并行流可用于顺序流具有性能影响的区域

如果你听Oracle的人谈论Java8背后的设计选择，你会经常听到并行性是主要的动机。并行化是lambdas、streamapi等背后的驱动力。让我们看一个流API的例子：

private long countPrimes(int max) {
    return range(1, max).parallel().filter(this::isPrime).count();
}

private boolean isPrime(long n) {
    return n > 1 && rangeClosed(2, (long) sqrt(n)).noneMatch(divisor -> n % divisor == 0);
}

这里，我们有countPrimes方法，它计算介于1和max之间的素数的个数。一个数字流是由range方法创建的。然后将流切换到并行模式；不是素数的数字被过滤掉，剩下的数字被计数。

您可以看到，streamapi允许我们以简洁明了的方式描述问题。此外，并行化只是调用parallel（）方法的问题。当我们这样做时，流被分割成多个块，每个块都被独立地处理，结果在最后汇总。由于我们的isPrime方法的实现是非常无效和CPU密集的，我们可以利用并行化和利用所有可用的CPU核。

我们来看另一个例子：

private List<StockInfo> getStockInfo(Stream<String> symbols) {
     return symbols.parallel()
            .map(this::getStockInfo) //slow network operation
            .collect(toList());
}

我们有一个股票的输入符号列表，我们必须调用一个缓慢的网络操作，以获得一些关于股票的细节。在这里，我们不处理CPU密集型操作，但是我们也可以利用并行化。并行执行多个网络请求是个好主意。同样，对于并行流来说，这是一个很好的任务，你同意吗？

如果有，请再看前面的例子。有一个很大的错误。你看到了吗？问题是所有并行流都使用公共的fork-join线程池，如果您提交一个长时间运行的任务，那么您将有效地阻塞池中的所有线程。因此，您将阻止使用并行流的所有其他任务。想象一个servlet环境，当一个请求调用getStockInfo（）而另一个请求调用countPrimes（）。其中一个将阻止另一个，即使它们需要不同的资源。更糟糕的是，不能为并行流指定线程池；整个类装入器必须使用同一个。

让我们用下面的例子来说明：

private void run() throws InterruptedException {  
	ExecutorService es = Executors.newCachedThreadPool();  
	// Simulating multiple threads in the system  
	// if one of them is executing a long-running task.  
	// Some of the other threads/tasks are waiting  
	// for it to finish  
	es.execute(() -> countPrimes(MAX, 1000)); 
	//incorrect task  
	es.execute(() -> countPrimes(MAX, 0));  
	es.execute(() -> countPrimes(MAX, 0));  
	es.execute(() -> countPrimes(MAX, 0));  
	es.execute(() -> countPrimes(MAX, 0));  
	es.execute(() -> countPrimes(MAX, 0));  
	es.shutdown();  
	es.awaitTermination(60, TimeUnit.SECONDS);
}

private void countPrimes(int max, int delay) {  
	System.out.println(range(1, max).parallel().filter(this::isPrime).peek(i -> sleep(delay)).count());
}

这里，我们模拟系统中的六个线程。他们都在执行CPU密集型任务，第一个“坏”了，发现一个素数后就睡了一秒钟。这只是一个人为的例子；您可以想象一个线程被卡住或执行阻塞操作。

问题是：当我们执行这个代码时会发生什么？我们有六项任务；其中一个要花一整天的时间才能完成，其余的要快得多。毫不奇怪，每次执行代码时，都会得到不同的结果。有时，所有健康的任务都完成了；其他时候，他们中的一些人被困在慢的后面。你想在生产系统中有这样的行为吗？一个坏掉的任务把剩下的应用程序都干掉了？我想不是。

关于如何确保这种事情永远不会发生，只有两种选择。第一种方法是确保提交到公共fork-join池的所有任务不会被卡住，并且不会在合理的时间内完成。但这说起来容易做起来难，特别是在复杂的应用程序中。另一种选择是不使用并行流，而是等到Oracle允许我们指定用于并行流的线程池。