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：

1. ✅ 拆得快：可以高效找到中间点
2. ✅ 拆得平：能平均分配处理负载
3. ✅ 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()