java8的并行Stream对开发者非常友好，非常容易实现并行计算。并行Stream底层使用ForkJoinTask实现Stream的并行处理，充分利用cpu的多核能力，Stream的API将底层复杂实现完全屏蔽了，开发者仅需调用一个方法即可实现并行计算，就是这么简单。
开启并行Stream
开启并行Stream只需在调用终止操作符之前调用parallel()方法即可开启并行计算。
@Test
public void parallelStream(){
IntStream.range(0,100)
.parallel()
.forEach(e-> System.out.println(Thread.currentThread()+" "+e));
}
复制代码执行上述代码，可以看出代码将会交由ForkJoinPool中的线程执行。
小试牛刀
这里使用分别使用并行Stream和穿行Stream计算0到100000000000之间的和
@Test
public void testSum(){
//并行计算
long time= System.currentTimeMillis();
long sum1 = LongStream.rangeClosed(1,100000000000l).parallel().sum();
System.out.println(System.currentTimeMillis()-time);
//串行计算
time = System.currentTimeMillis();
long sum2 = LongStream.rangeClosed(1,100000000000l).sum();
System.out.println(System.currentTimeMillis()-time);
System.out.println("sum1 = "+sum1+" sum2 = "+sum2);
Assert.assertTrue(sum1==sum2);
}
复制代码执行结果如图，我的cpu是6核的，串行计算的时间差不多是并行计算的5倍；并行计算下充分利用了cpu的多核性能，如果数据量更大，两者之间的差距更大，并行Stream的优势更加明显。
sequential()和parallel()
默认情况下创建的stream都是串行的，parallel将串行流转成并行流，两者是互斥冲突的，sequential将并行流转成串行流，但并不意味者二者不可同时出现。
isParallel()可以检测stream是否为并行stream。
@Test
public void isParallel(){
IntStream stream = IntStream.range(0,100);
stream.parallel();
Assert.assertTrue(stream.isParallel());
}
复制代码如代码所示，执行‘串行->并行->串行->并行’的转换，最终还是并行流。
@Test
public void spspIsP(){
IntStream stream = IntStream.range(0,100);
stream.parallel().map(e->e<<1).sequential().parallel();
Assert.assertTrue(stream.isParallel());
}
复制代码如代码所示，执行‘串行->并行->串行’的转换，最终还是串行流。
@Test
public void spsIsS(){
IntStream stream = IntStream.range(0,100);
stream.parallel().map(e->e<<1).sequential();
Assert.assertFalse(stream.isParallel());
}
复制代码上例子说明，流的串行和并行取决于最后调用的那个方法（sequential() or parallel()）。
ForkJoinPool
并行stream底层依赖于ForkJoinPool.commonPool线程池，这是一个jvm进程全局共享的线程，当这个线程池中执行了耗时操作，后面的任务将会堆积，造成性能问题；默认情况下这个线程池的大小为逻辑核数-1，当然你也可以通过jvm参数‘java.util.concurrent.ForkJoinPool.common.parallelism’来修改线程的池大小，这里并不建议使用这种方式，最好的方式是使用自定义的线程池。
如代码所示，创建4线程的ForkJoinPool线程池。
@Test
public void CustomPool(){
ForkJoinPool forkJoinPool = new ForkJoinPool(4);
forkJoinPool.submit(()->{
IntStream.range(0,100).parallel().forEach(e-> System.out.println(Thread.currentThread()+" "+e));
}).join();
}
复制代码代码执行结果如图，并行的stream在自定义的线程池中执行。
那为什么forkJoinPool.submit()就可以实现自定义线程池呢？查看源码得知，ForkJoinWorkerThread内部会持有ForkJoinPool的引用，在代码执行时，最终会调用doInvoke方法，通过Thread.currentThread可以知道是ForkJoinWorkerThread类型的线程，进而获取到ForkJoinPool，最终利用这个pool来执行计算。
/**
* Implementation for invoke, quietlyInvoke.
*
* @return status upon completion
*/
private int doInvoke() {
int s; Thread t; ForkJoinWorkerThread wt;
return (s = doExec()) < 0 ? s :
((t = Thread.currentThread()) instanceof ForkJoinWorkerThread) ?
(wt = (ForkJoinWorkerThread)t).pool.
awaitJoin(wt.workQueue, this, 0L) :
externalAwaitDone();
}
复制代码总结
并行Stream给开发者带来了极大的便利，一行代码即可开启多线程并行计算，excellent！但是并行计算也要在一定条件下才能使用，比如任务之间不能有依赖、不能存在竞态条件等。