337. Java Stream API - 理解 Java Stream 中的并行拆分
🎯 为什么要拆分？
在使用
parallelStream()时，Java 会尝试将数据源拆分成多个子任务并在多个 CPU 核心上并行处理。
因此，数据能否有效拆分，是决定并行流性能的关键因素之一！
🧩 拆分的三大标准
一个“适合拆分”的数据源，应具备：
- ✅ 拆得快：可以高效找到中间点
- ✅ 拆得平：能平均分配处理负载
- ✅ 可预测：能预估总量及子部分数据量
📦 常见集合的拆分能力分析
1️⃣ ArrayList —— 拆得快 & 拆得平 ✅✅✅
List<Integer> list = IntStream.range(0, 1_000_000).boxed().toList();
List<Integer> sub1 = list.subList(0, 500_000);
List<Integer> sub2 = list.subList(500_000, 1_000_000);
- 底层是数组结构
- 直接通过下标定位中间元素，毫无压力
- 非常适合并行流处理
🧠 类比：像切蛋糕，一刀下去刚好一半！
2️⃣ LinkedList —— 拆得慢 ⚠️
LinkedList<Integer> list = new LinkedList<>();
IntStream.range(0, 1_000_000).forEach(list::add);
- 想要找到中间节点，得走一半链表（O(n)）
- 每次迭代都有大量 指针追踪（Pointer Chasing）
- 拆分性能差，不建议用作并行流的数据源
🧠 类比：像找书架中间那本书，但书只能一本本翻，效率极低。
3️⃣ HashSet —— 拆分难度中等 ⚠️
- 底层是散列桶数组（类似数组）
- 但桶中数据分布不均，拆了也可能“左多右少”
- 有时甚至一半桶为空，导致负载严重不均
🔍 拆分时难以平均切分工作量
4️⃣ TreeSet —— 拆得平，但有指针跳转 ⚠️✅
- 基于红黑树结构
- 拆成两个平衡子树是可行的
- 但访问节点仍需频繁指针跳转，影响性能
🧠 类比：像拆一个大树枝成两个分支，但分支里的果子不在一起。
📄 非集合数据的拆分挑战
📄 Files.lines(path) —— 拆不了
Files.lines(Paths.get("data.txt"))
.parallel()
.forEach(System.out::println);
- 无法预知文件总行数
- 要拆只能先读完整个文件
- 通常只适合串行处理或自定义拆分器
📍 Pattern.splitAsStream() —— 拆不了
Pattern.compile(",").splitAsStream("a,b,c,d,e")
.parallel() // 实际并无拆分优势
.forEach(System.out::println);
- 拆分元素数未知
- 更适合一次性小数据的串行流
📐 范例对比：可拆与不可拆的生成流
✅ 可拆分的 IntStream.range
List<Integer> list1 = IntStream.range(0, 10)
.boxed()
.toList();
- 结构类似数组
- 总数可知，任意位置都能直接取值
- 拆分简单，性能优秀
❌ 不易拆分的 IntStream.iterate
List<Integer> list2 = IntStream.iterate(0, i -> i + 1)
.limit(10)
.boxed()
.toList();
- 每个元素都依赖前一个的计算结果
- 想要拿第 5 个数，得先算出前 4 个
- 拆分难，像 LinkedList 的懒惰版本
🧠 类比：像按公式生成每个步骤，不能直接跳到中间。
🔍 总结表：数据源拆分能力一览
| 数据源/结构 | 是否易拆 | 是否平均 | 是否适合并行流 |
|---|---|---|---|
ArrayList | ✅ 快速 | ✅ 平均 | ✅ 非常适合 |
LinkedList | ❌ 慢 | ✅ 理论可平均 | ⚠️ 不建议使用 |
HashSet | ✅ 快速 | ❌ 分布不均 | ⚠️ 有风险 |
TreeSet | ✅ 可拆 | ✅ 平衡 | ⚠️ 有指针追踪 |
Files.lines() | ❌ 无法预测 | ❌ 无法分块 | ❌ 仅适合串行 |
Pattern.splitAsStream() | ❌ 不可控 | ❌ 不可控 | ❌ 不推荐 |
IntStream.range() | ✅ 易拆 | ✅ 平均 | ✅ 高性能 |
IntStream.iterate() | ❌ 连锁依赖 | ❌ 不均 | ❌ 慢且不可控 |
🚫 常见误区提示
- 并行流 ≠ 自动更快。如果数据源不适合拆分，性能反而更差！
- 链表、生成流等结构不是并行处理的“好拍档”
- 数据源结构决定了并行性能上限
✅ 最佳实践建议
- 想用并行流？请优先选择
ArrayList或IntStream.range() - 如果必须用复杂结构（如文件流、树形结构），考虑手动拆分后串行处理
- 不要在不可拆的数据源上盲目使用
.parallel()
