有没有办法强制parallelStream（）并行？
如果输入大小太小，则库会自动序列化流中映射的执行 ，但此自动化不会并且不能考虑映射操作的重要程度。 有没有办法强制parallelStream()实际并行化CPU 重图？
似乎存在一个根本性的误解。 由于OP没有看到预期的加速，链接的问答讨论了流显然不能并行工作。 结论是，如果工作负载太小，并行处理没有任何好处 ， 而不是自动回退到顺序执行。
实际上恰恰相反。 如果您请求并行，即使它实际上降低了性能，您也会得到并行。 在这种情况下，实现不会切换到可能更有效的顺序执行。
因此，如果您确信每个元素的工作负载足以certificate使用并行执行是合理的，无论元素数量少，您都可以简单地请求并行执行。
可以很容易地certificate：
Stream.of(1, 2).parallel() .peek(x -> System.out.println("processing "+x+" in "+Thread.currentThread())) .forEach(System.out::println);
在Ideone上 ，它会打印出来
processing 2 in Thread[main,5,main] 2 processing 1 in Thread[ForkJoinPool.commonPool-worker-1,5,main] 1
但邮件和详细信息的顺序可能会有所不同。 甚至可能在某些环境中，两个任务都可能碰巧由同一个线程执行，如果它可以在另一个线程开始拾取它之前完成第二个任务。 但是，当然，如果任务足够昂贵，这种情况就不会发生。 重要的一点是，整体工作负载已被拆分并入队，可能被其他工作线程拾取。
如果您的环境中针对上述简单示例执行了单个线程的执行，则可以插入模拟工作负载，如下所示：
Stream.of(1, 2).parallel() .peek(x -> System.out.println("processing "+x+" in "+Thread.currentThread())) .map(x -> { LockSupport.parkNanos("simulated workload", TimeUnit.SECONDS.toNanos(3)); return x; }) .forEach(System.out::println);
然后，如果“ 每个元素的处理时间 ”足够高，您还可能会看到整体执行时间将短于“ 元素数量 ”ד 每个元素的处理时间 ”。
更新：误解可能是由于Brian Goetz的误导性陈述：“在您的情况下，您的输入集太小而无法分解”。
必须强调的是，这不是Stream API的一般属性，而是已使用的Map 。 HashMap有一个支持数组，条目在该数组中分布，具体取决于它们的哈希码。 可能的情况是，将数组拆分为n个范围不会导致所包含元素的平衡拆分，尤其是如果只有两个。 HashMap的Spliterator的实现者考虑在数组中搜索元素以获得完美平衡的分割太昂贵，而不是分割两个元素是不值得的。
由于HashMap的默认容量为16 ，并且示例只有两个元素，我们可以说地图是超大的。 简单地修复它也会修复这个例子：
long start = System.nanoTime(); Map> input = new HashMap<>(2); input.put("1", () -> { System.out.println(Thread.currentThread()); LockSupport.parkNanos("simulated workload", TimeUnit.SECONDS.toNanos(2)); return "a"; }); input.put("2", () -> { System.out.println(Thread.currentThread()); LockSupport.parkNanos("simulated workload", TimeUnit.SECONDS.toNanos(2)); return "b"; }); Map results = input.keySet() .parallelStream().collect(Collectors.toConcurrentMap( key -> key, key -> input.get(key).get())); System.out.println("Time: " + TimeUnit.NANOSECONDS.toMillis(System.nanoTime()- start));
在我的机器上，它打印
Thread[main,5,main] Thread[ForkJoinPool.commonPool-worker-1,5,main] Time: 2058
结论是，无论输入大小如何，Stream实现总是尝试使用并行执行（如果您请求它）。 但这取决于输入的结构 ，工作负载可以分配给工作线程的程度。 事情可能更糟，例如，如果您从文件中流式传输线条。
如果您认为平衡拆分的好处值得复制步骤的成本，您还可以使用new ArrayList<>(input.keySet()).parallelStream()而不是input.keySet().parallelStream() ，因为ArrayList中元素的分布总是允许完全平衡的分割。