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：
<code class="java">List<Integer> numbers = 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);</code>
示例2：并行过滤和处理
过滤并处理列表中的偶数：
<code class="java">List<Integer> numbers = List.of(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
List<Integer> result = numbers.parallelStream()
.filter(n -> n % 2 == 0) // 过滤偶数
.collect(Collectors.toList());
System.out.println("结果：" + result);</code>
示例3：并行查找最大值
使用 reduce 并行查找列表中的最大值：
<code class="java">List<Integer> numbers = List.of(1, 5, 2, 8, 3, 9, 4, 7, 6, 10);
Optional<Integer> max = numbers.parallelStream()
.reduce(Integer::max); // 使用 max 查找最大值
max.ifPresent(System.out::println); // 打印最大值</code>
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：
<code class="java">List<String> words = 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);</code> 
