1、並行與併發的區別
在說到並行的時候，相信很多人都會想到併發的概念。那麼並行和併發兩者一字之差，有什麼區別呢？
並行：多個任務在同一時間點發生，並由不同的cpu進行處理，不互相搶佔資源
並行：
併發：多個任務在同一時間點內同時發生了，但由同一個cpu進行處理，互相搶佔資源
併發：
當在大量資料處理上，資料並行化可以大量縮短任務的執行時間，將一個資料分解成多個部分，然後並行處理，最 後將多個結果彙總，得到最終結果。
2、並行流原理介紹
對於並行流，其在底層實現中，是沿用了Java7提供的fork/join分解合併框架進行實現。fork根據cpu核數進行數 據分塊，join對各個fork進行合併。實現過程如下所示：
3、影響並行流效能主要存在5個因素
對於並行流，一定不要陷入一個誤區：並行一定比序列快。並行在不同的情況下它不一定是比序列快的。影響並行 流效能主要存在5個因素：
1）資料大小：輸入資料的大小，直接影響了並行處理的效能。因為在並行內部實現中涉及到了fork/join操作，它 本身就存在效能上的開銷。因此只有當資料量很大，使用並行處理才有意義。
2）源資料結構：fork時會對源資料進行分割，資料來源的特性直接影響了fork的效能。 ArrayList、陣列或IntStream.range，可分解性最佳，因為他們都支援隨機讀取，因此可以被任意分割。 HashSet、TreeSet，可分解性一般，其雖然可被分解，但因為其內部資料結構，很難被平均分解。 LinkedList、Streams.iterate、BufferedReader.lines，可分解性極差，因為他們長度未知，無法確定在哪裡進行 分割。
3）裝箱拆箱 儘量使用基本資料型別，避免裝箱拆箱。
4）CPU核數 fork的產生數量是與可用CPU核數相關，可用的核數越多，獲取的效能提升就會越大。
5）單元處理開銷 花在流中每個元素的時間越長，並行操作帶來的效能提升就會越明顯。
4、測試總結
1）基本型別
效能消耗： Stream序列>for迴圈>Stream並行
2）物件
效能消耗：Stream序列>for迴圈>Stream並行
3）複雜物件
效能消耗：for迴圈>Stream序列>Stream並行
結論：對於簡單操作，如果環境機是多核的話，建議使用Stream並行，同時在不考慮核數的情況 下，普通for迴圈效能要明顯高於Stream序列，相差兩倍左右。 對於複雜操作，推薦使用Stream API操作。