因此，我一直在研究并行运行的流，并根据API文档和我阅读的其他支持材料来监视流的行为。
我创建了两个并行流，并运行distinct()，其中一个对流进行排序，而另一个对它进行无序处理。然后，我使用forEachOrdered()打印结果(以确保在运行distinct之后确保看到的是流的结果遇到顺序)，并且可以清楚地看到无序版本不会保持原始顺序，但是对于大型数据集，显然会增强并行性性能。
有API注释建议，当流无序时，limit()和skip()操作也应更有效地并行运行，因为不必检索第一个n元素，您就可以获取任何n元素。我试图以与上述相同的方式对此进行模拟，但是当与有序和无序流并行运行时，结果始终是相同的。换句话说，当我打印出运行极限之后的结果时，即使对于无序(并行)流，它仍然始终是前n个元素的选择？
谁能解释一下？我尝试改变输入数据集的大小和n的值，但没有区别。我会以为它将捕获任何n个元素并针对并行性能进行优化？有没有人实际看到这种情况在实践中发生，并且可能提供一种始终如一地展示这种行为的解决方案？
最佳答案
您可能试图从SIZED / SUBSIZED源(例如arrayList.stream()，Arrays.stream(array)，IntStream.range()等)创建流，并立即发出limit或skip操作。这种情况在limit / skip实现中进行了特别优化(请参阅SliceOps)，并且对于有序和无序流都以相同的速度运行(并且实际上运行非常快)。如果删除此类特征(例如，添加过滤步骤)，您将看到在此之后使流无序确实很有帮助。像这样编写测试:
input.stream().parallel().filter(x -> true).skip(..)...
input.stream().parallel().unordered().filter(x -> true).skip(..)...
input.stream().parallel().filter(x -> true).limit(..)...
input.stream().parallel().unordered().filter(x -> true).limit(..)...
或者，您可以使用非SUBSIZED源进行测试(例如
TreeSet或HashSet)。