目前我们使用的Stream流是串行的，就是在一个线程上执行。
1、获取并行Stream流的两种方式
parallelStream是一个并行执行的流。它通过默认的ForkJoinPool，可能提高多线程任务的速度。
1.1 直接获取并行的流
1.2 将串行流转成并行流
2、 并行和串行Stream流的效率对比
使用for循环，串行Stream流，并行Stream流来对5亿个数字求和。然后我们就看各自的消耗的时间。、
首先我们看看for循环的表现如何。
然后是串行的表现：
最后就是我们的并行了
我们可以看到parallelStream的效率是最高的。
Stream并行处理的过程会分而治之，也就是将一个大任务切分成多个小任务，这表示每个任务都是一个操作。
3、parallelStream线程安全问题
我们先来看一段代码的执行效果。、
我们明明是往集合中添加1000个元素，而实际上只有894个元素。
解决方法： 加锁、使用线程安全的集合或者调用Stream的 toArray() / collect() 操作就是满足线程安全的了。
加锁 ： 
使用线程安全的集合：
调用Stream的 toArray() / collect() 
4、parallelStream背后的技术
4.1 Fork/Join框架介绍
- parallelStream使用的是Fork/Join框架。
- Fork/Join框架自JDK 7引入。
- Fork/Join框架可以将一个大任务拆分为很多小任务来异步执行。
Fork/Join框架主要包含三个模块：
- 线程池：ForkJoinPool
- 任务对象：ForkJoinTask
- 执行任务的线程：ForkJoinWorkerThread
4.2 Fork/Join原理-分治法
ForkJoinPool主要用来使用分治法(Divide-and-Conquer Algorithm)来解决问题。
典型的应用比如快速排序算法， ForkJoinPool需要使用相对少的线程来处理大量的任务。
比如要对1000万个数据进行排序，那么会将这个任务分割成两个500万的排序任务和一个针对这两组500万数据的合并任务。
以此类推，对于500万的数据也会做出同样的分割处理，到最后会设置一个阈值来规定当数据规模到多少时，停止这样的分割处理。
比如，当元素的数量小于10时，会停止分割，转而使用插入排序对它们进行排序。
那么到最后，所有的任务加起来会有大概2000000+个。
问题的关键在于，对于一个任务而言，只有当它所有的子任务完成之后，它才能够被执行。
4.3 Fork/Join原理-工作窃取算法
Fork/Join最核心的地方就是利用了现代硬件设备多核，在一个操作时候会有空闲的cpu，那么如何利用好这个空闲的cpu就成了提高性能的关键，而这里我们要提到的工作窃取（work-stealing）算法就是整个Fork/Join框架的核心理念 。
Fork/Join工作窃取（work-stealing）算法是指某个线程从其他队列里窃取任务来执行。
那么为什么需要使用工作窃取算法呢？
优点：
假如我们需要做一个比较大的任务，我们可以把这个任务分割为若干互不依赖的子任务，为了减少线程间的竞争，于是把这些子任务分别放到不同的队列里，并为每个队列创建一个单独的线程来执行队列里的任务，线程和队列一一对应，比如A线程负责处理A队列里的任务。
但是有的线程会先把自己队列里的任务干完，而其他线程对应的队列里还有任务等待处理。
干完活的线程与其等着，不如去帮其他线程干活，于是它就去其他线程的队列里窃取一个任务来执行。
而在这时它们会访问同一个队列，所以为了减少窃取任务线程和被窃取任务线程之间的竞争，通常会使用双端队列，被窃取任务线程永远从双端队列的头部拿任务执行，而窃取任务的线程永远从双端队列的尾部拿任务执行。
缺点：
工作窃取算法的优点是充分利用线程进行并行计算，并减少了线程间的竞争，其缺点是在某些情况下还是存在竞争， 比如双端队列里只有一个任务时。并且消耗了更多的系统资源，比如创建多个线程和多个双端队列。
上文中已经提到了在Java 8引入了自动并行化的概念。它能够让一部分Java代码自动地以并行的方式执行，也就是我们使用了ForkJoinPool的ParallelStream。
对于ForkJoinPool通用线程池的线程数量，通常使用默认值就可以了，即运行时计算机的处理器数量。可以通过设置系统属性：java.util.concurrent.ForkJoinPool.common.parallelism=N （N为线程数量），来调整ForkJoinPool的线程数量，可以尝试调整成不同的参数来观察每次的输出结果。
4.4 Fork/Join案例
需求：
使用Fork/Join计算1-10000的和，当一个任务的计算数量大于3000时拆分任务，数量小于3000时计算。
首先我们新建一个 类 并让其继承 RecursiveTask
package com.jie.test;
import java.util.concurrent.RecursiveTask;
/**
* @description:进行求和 RecursiveTask ： 一个任务
* @author: jie
* @time: 2022/6/7 0:15
*/
public class SumRecursiveTask extends RecursiveTask<Long> {
/**
* 拆分的临界值
*/
private static final long THRESHOLD = 3000L;
/**
* 起始值
*/
private final long start;
/**
* 结束值
*/
private final long end;
public SumRecursiveTask(long start, long end) {
this.start = start;
this.end = end;
}
/**
* @description: 计算
* @author: jie
* @time: 2022/6/7 0:17
*/
@Override
protected Long compute() {
long length = end - start;
// 如果拆分后的值小于三千
if (length <= THRESHOLD) {
// 任务不用再拆分了.可以计算了
long sum = 0;
for (long i = start; i <= end; i++) {
sum += i;
}
System.out.println("计算: " + start + " -> " + end + ",结果为: " + sum);
return sum;
} else {
// 数量大于预定的数量,任务还需要再拆分
long middle = (start + end) / 2;
System.out.println("拆分: 左边 " + start + " -> " + middle + ", 右边 " + (middle + 1) + " -> " + end);
// 左边的变量
SumRecursiveTask left = new SumRecursiveTask(start, middle);
// 表示新开了一个任务
left.fork();
SumRecursiveTask right = new SumRecursiveTask(middle + 1, end);
right.fork();
return left.join() + right.join();
}
}
}然后我们进行测试：
