为何stream.parallel处理大数量数据流时比stream.sequential更慢？

在处理3000万条数据的场景中，测试发现stream.parallel()的处理速度远慢于stream.sequential()，未显式指定处理模式的流速度介于两者之间。以下结合测试代码、运行结果和环境分析背后的核心原因：

测试代码 #

package com.jsp;

import java.util.Random;
import java.util.stream.Stream;

public class Test01 {
    enum Method {
        Default, Sequential, Parallel, SummaryStats
    }

    public static void main(String[] args) {
        long count = 30_000_000L;
        for (var method: Method.values()) {
            System.out.println(method + ": " + test(count, method));
        }
    }

    private static double test(long count, Method method) {
        // 初始化随机值流
        var r = new Random();
        Stream<Integer> s = Stream
                .iterate(r.nextInt(), prev -> r.nextInt())
                .limit(count);

        // 统计处理耗时
        var t1 = System.nanoTime();
        switch(method) {
            case Sequential -> s.sequential().reduce(Integer::max);
            case Parallel -> s.parallel().reduce(Integer::max);
            case SummaryStats -> s.mapToInt(Integer::intValue).summaryStatistics();
            default -> s.reduce(Integer::max);
        }
        var t2 = System.nanoTime() - t1;

        return (double) t2 / 1000000000;
    }
}

运行输出 #

Default: 0.3314137
Sequential: 0.26828490
Parallel: 1.1365678
SummaryStats: 0.4159758

运行环境 #

• 硬件：Huawei Matebook D14，AMD Ryzen 5 4500U，8GB RAM
• 软件：Windows 10 x64 22H2 家庭版，Oracle OpenJDK 21

原因分析 #

1. Stream.iterate生成的流不适合并行处理 #

Stream.iterate生成的是非可高效拆分的流：它的Spliterator不具备IMMUTABLE或CONCURRENT特性，并行处理时无法快速将数据流拆分为独立的子块。线程池中的每个线程需要频繁同步获取下一个随机数，同步等待的开销完全抵消了并行计算的优势，甚至比串行处理更慢。

2. 并行流的线程调度开销远超计算收益 #

本次测试的核心操作只是简单的取最大值，计算量极小。而并行流依赖ForkJoinPool进行线程调度，线程的创建、上下文切换、任务拆分与合并都需要额外开销。对于这种轻量计算场景，这些开销远大于并行处理节省的时间，导致整体效率低于串行流。

3. 默认流的折中特性 #

未显式指定处理模式的默认流，会根据流的特性自动选择最优方式。但由于Stream.iterate的流不适合并行，默认模式下实际以串行处理为主，但会增加少量的模式判断逻辑，因此速度介于纯串行和并行之间。

4. SummaryStats的多指标计算开销 #

summaryStatistics()需要同时计算最大值、最小值、总和、平均值等多个统计指标，比单纯的reduce(Integer::max)执行了更多计算逻辑，因此耗时更长。但它基于单线程执行，没有并行流的调度开销，所以仍然比并行流快。

内容的提问来源于stack exchange，提问作者JSP