Java Stream API - 理解 Java Stream 中的并行拆分
🎯 为什么要拆分？
在使用
parallelStream()时，Java 会尝试将数据源拆分成多个子任务并在多个 CPU 核心上并行处理。
因此，数据能否有效拆分，是决定并行流性能的关键因素之一！
🧩 拆分的三大标准
一个'适合拆分'的数据源，应具备：
- ✅ 拆得快：可以高效找到中间点
- ✅ 拆得平：能平均分配处理负载
- ✅ 可预测：能预估总量及子部分数据量
📦 常见集合的拆分能力分析
1️⃣ ArrayList —— 拆得快 & 拆得平 ✅✅✅
List<Integer> list = IntStream.range(0, 1_000_000).boxed().toList();
List<Integer> sub1 = list.subList(0, 500_000);
List<Integer> sub2 = list.subList(500_000, 1_000_000);
- 底层是数组结构
- 直接通过下标定位中间元素，毫无压力
- 非常适合并行流处理
🧠 类比：像切蛋糕，一刀下去刚好一半！
2️⃣ LinkedList —— 拆得慢 ⚠️
LinkedList<Integer> list = new LinkedList<>();
IntStream.range(0, 1_000_000).forEach(list::add);
- 想要找到中间节点，得走一半链表（O(n)）
- 每次迭代都有大量 指针追踪（Pointer Chasing）
- 拆分性能差，不建议用作并行流的数据源
🧠 类比：像找书架中间那本书，但书只能一本本翻，效率极低。
3️⃣ HashSet —— 拆分难度中等 ⚠️
- 底层是散列桶数组（类似数组）
- 但桶中数据分布不均，拆了也可能'左多右少'
- 有时甚至一半桶为空，导致负载严重不均
🔍 拆分时难以平均切分工作量
4️⃣ TreeSet —— 拆得平，但有指针跳转 ⚠️✅
- 基于红黑树结构
- 拆成两个平衡子树是可行的
- 但访问节点仍需频繁指针跳转，影响性能
🧠 类比：像拆一个大树枝成两个分支，但分支里的果子不在一起。
