背景

通过stream可以将一个普通的list，转化为流，然后就可以使用类似于管道的方式对list进行操作，假如我们把stream换成parallelStream 根据字面上的意思，流会从串行 变成并行；既然是并行，就知道这里面肯定会有线程安全问题，通过创建线程安全的List、Set,Map即可解决。

今天要说的一个问题，是parallelStream并行流性能的问题。我们在使用了parallelStream并行处理的时候，发现并没有按照预期缩短批量任务执行的时间。于是开始深入排查问题根源。

场景复现

下面的代码，我们模拟还原了场景，开启了10个线程，这10个线程都在使用并行流进行数据计算。在执行的逻辑中，我们让每个任务都sleep 1秒钟，这样就能够模拟一些I/O请求的耗时等待。

使用stream，程序会在20秒后返回，但我们期望程序能够在1秒多返回，因为它是并行流，但是通过测试发现，我们等了好久，任务才执行完毕。

原因分析

在不同的机器上执行，这段代码花费的时间都不一样。既然是并行，那肯定得有个并行度。太低了，体现不到并行的能能力; 太大了，又浪费了上下文切换的时间。可以想象一下如果在I/O密集型业务中用上parallelStream 会造成什么后果，所以要了解这个并行度，我们需要查看具体的构造方法。

在ForkJoinPool类中找到这样的代码

可以看到，并行度到底是多少，是由下面的参数来控制的。如果无法获取这个参数，则默认使用 CPU个数-1 的并行度。这个函数是为了计算密集型业务去设计的。如果你喂给它一大堆任务，它就会由并行执行退变成类似于串行的效 果。

解决方式

ForkJoinPool 并行数设置 方式一

parallelism这个变量是final的，一旦设定，不允许修改。也就是说，上面的参数只会生效一次。

System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "20");

注意：多个人设置不同的并行数 jvm加载类信息具体加载谁的值，那就不一定了。

ForkJoinPool 并行数设置 方式二

我们可以通过提供外置的forkjoinpool，也就是改变提交方式，来实现不同类型的任务分离

总结

一、不要在I/O密集型业务里 使用ParallelStream并行处理 性能会受影响

二、计算密集型业务里 可以考虑使用 并行数量设置 默认为当前机器CPU核数-1个