java8函数式编程数据并行化<三>

数据并行化是指将数据分红块，为每块数据分配单独的处理单元。《java8函数式编程》书中拿马拉车那个例子打比方，就像从车里取出一些货物，放到另外一辆车上，两辆马车都沿着一样的路径到达目的地，书中画的图也是很容易理解，后面也copy了很多原句。

当须要在大量数据上执行一样的操做时，数据并行化很管用。它将问题分解为可在多块数 据上求解的形式，而后对每块数据执行运算，最后将各数据块上获得的结果汇总，从而获 得最终答案。这个描述还有点像分治法，或者归并排序。

若是已经有一个 Stream 对象，调用它的 parallel 方法就能让其拥有并行操做的能力。若是想从一个集合类建立一个流，调用 parallelStream 就能当即得到一个拥有并行能力的流，使用起来很简单，只要改动一个方法，其余都是同样的，没必要理会串行仍是并行，只要告诉程序怎么作就好了，毕竟告诉计算机作什么和怎么作是两回事。

并发化数组操做

可是有人会问串行和并行哪个快?这就要看具体的环境要求了，主要影响因素以下：

数据大小：只有数据足够大、每一个数据处理管道花费的时间足够多 时，并行化处理才有意义。

源数据结构：每一个管道的操做都基于一些初始数据源，一般是集合。

装箱 处理基本类型比处理装箱类型要快。

核的数量：在实践中，核的数量不单指你的机器上有多少核，更是指运行时 你的机器能使用多少核。这也就是说同时运行的其余进程，或者线程关联性(强制线程 在某些核或 CPU 上运行)会影响性能。

单元处理开销：花在流中 每一个元素身上的时间越长，并行操做带来的性能提高越明显。

书中描述了在底层，并行流沿用了fork/join框架（其实我理解不了）。fork递归式地分解问题，而后每段并行执行，最终由join合并结果，返回最后的值（书中画了一个图）。

将核心类库提供的通用数据结构分红如下三组：

性能好：ArrayList、数组或 IntStream.range，这些数据结构支持随机读取，也就是说它们能轻 而易举地被任意分解。

性能通常：HashSet、TreeSet，这些数据结构不易公平地被分解，可是大多数时候分解是可能的。

性能差：有些数据结构难于分解，好比，可能要花 O(N) 的时间复杂度来分解问题。其中包括 LinkedList，对半分解太难了。还有 Streams.iterate 和 BufferedReader.lines，它们 长度未知，所以很难预测该在哪里分解。

一入Stream有点迷惘，具体这个性能怎么样，还要继续摸索。