Java8并行流

并发是多个任务共享时间段(由CPU切换执行，就像是在同时执行)
并行是多个任务发生在同一时刻(真真正正的同时执行)(必须在多核CPU下)
并行就像用更多的马车（CPU）来拉货（执行任务），货物总量（任务量）一定，那么花费的时间自然减少了。
所以并行可以缩短任务执行时间，提高多核CPU的利用率

• 多个任务可以并行处理，那么数据也是可以并行处理的
  数据并行是指把数据拆分成多个小单元，每个小单元再分配对应的处理单元。

数据并行化：

• Java5中我们可以采用concurrent库来实现数据并行
• Java7我们可以采用forke/join 来实现
• Java8 提供了对应的Api操作 所以实现了简单化流程

代码实测效率对比

public class ParalleStream {
    @Test//35592ms
    public void testFor() throws Exception {
        long start = System.currentTimeMillis();
        long sum = 0;
        for (long i = 0; i < 100000000000L; i++) {
            sum += i;
        }
        System.out.println(sum);
        long end = System.currentTimeMillis();
        System.out.println(end-start);
    }
    @Test//52974ms
    public void testStream() throws Exception {
        long start = System.currentTimeMillis();
        long sum = LongStream.rangeClosed(0, 100000000000L).sum();
        System.out.println(sum);
        long end = System.currentTimeMillis();
        System.out.println(end-start);
    }
    @Test//12808ms
    public void testParallelStream() throws Exception {
        long start = System.currentTimeMillis();
        Arrays.asList( 1,2,3 ).stream().parallel().forEach( e->{
            System.out.println(e);
        } );
        long sum = LongStream.rangeClosed(0, 100000000000L).parallel().sum();
        System.out.println(sum);
        long end = System.currentTimeMillis();
        System.out.println(end-start);
    }
}

• 应用场合
  1.处理的数据量足够大
  2.不止一个核 核数指的是 运行机器可以使用的cpu数量
  3.装箱 处理基本类型比装箱的速度要快
  4.数据结构 对于ArrayList 、InStream.range这些数据结构 处理速度要更快一点。对于处理HashSet、Treeset可能性能不是特别高、原因在于数据的接口后者在处理的时候不容易被分解