面试题：Java中并行流相比顺序流在执行效率上有哪些优势场景

Question

请举例说明在Java Stream中，并行流相比于顺序流，在什么样的数据处理场景下能够显著提升执行效率，并简要阐述其原理。

Answer 1

数据处理场景举例

1. 大数据量的计算密集型任务：例如对一个包含数百万个整数的集合进行复杂的数学运算，如计算每个数的平方根并累加到一个结果值中。假设集合为List<Integer> numbers = new ArrayList<>();，初始化填充大量数据。
   • 顺序流实现：

double sumSequential = numbers.stream()
       .mapToDouble(Math::sqrt)
       .sum();

- **并行流实现**：

double sumParallel = numbers.parallelStream()
       .mapToDouble(Math::sqrt)
       .sum();

在这种大数据量且计算操作耗时的场景下，并行流能够显著提升效率。

2. 数据元素间相互独立的过滤操作：比如有一个包含大量商品信息的列表，要筛选出价格大于某个阈值的商品。假设商品类为class Product { double price; // 其他属性省略 }，列表为List<Product> products = new ArrayList<>();。
   • 顺序流实现：

List<Product> expensiveProductsSequential = products.stream()
       .filter(product -> product.price > threshold)
       .collect(Collectors.toList());

- **并行流实现**：

List<Product> expensiveProductsParallel = products.parallelStream()
       .filter(product -> product.price > threshold)
       .collect(Collectors.toList());

由于每个商品的价格判断相互独立，并行流可以并行处理不同元素，提高效率。

原理阐述

1. 并行处理：并行流利用多核CPU的优势，将数据分成多个部分，每个部分在不同的线程中独立处理。例如上述大数据量计算密集型任务，数据集合被分割成多个子集合，每个子集合分配到不同线程，同时进行平方根计算和累加，从而减少整体执行时间。
2. 减少等待时间：在数据元素相互独立的过滤操作中，并行流避免了顺序流中元素处理的串行等待。每个线程可以同时对自己负责的数据部分进行过滤，所有线程并行工作，大大缩短了完成整个过滤操作的时间。