何时选择parallelStream()？
当您需要高效处理大量数据时，parallelStream() 可在多个线程上并行执行操作。 但请确保您的并行操作是“可关联的”和“可交换的”，这意味着操作的顺序不影响最终结果。
优势与注意事项
- 显著提升大型数据集处理速度
不建议用于小型集合，因为这可能会引入竞争条件。
示例：
示例1：并行求和
从列表中求和数字：
Listnumbers = List.of(1, 2, 3, 4, 5, 6, 7, 8, 9, 10); int sum = numbers.parallelStream() .reduce(0, Integer::sum); System.out.println("并行流求和结果：" + sum);
示例2：并行过滤和处理
过滤并处理列表中的偶数：
Listnumbers = List.of(1, 2, 3, 4, 5, 6, 7, 8, 9, 10); List result = numbers.parallelStream() .filter(n -> n % 2 == 0) // 过滤偶数 .collect(Collectors.toList()); System.out.println("结果：" + result);
示例3：并行查找最大值
使用 reduce 并行查找列表中的最大值：
Listnumbers = List.of(1, 5, 2, 8, 3, 9, 4, 7, 6, 10); Optional max = numbers.parallelStream() .reduce(Integer::max); // 使用 max 查找最大值 max.ifPresent(System.out::println); // 打印最大值
示例4：并行计数满足条件的元素
统计列表中长度大于5的单词数量：
Listwords = List.of("apple", "banana", "cherry", "date", "elderberry"); long count = words.parallelStream() .filter(word -> word.length() > 5) .count(); System.out.println("长度大于5的单词数量：" + count);
