“并行流（parallel stream）在调用sorted()这样的有状态操作后，还能继续并行执行吗？” 这不仅是Stack Overflow上的热门问题，也是许多Java开发者在使用Stream API时最困惑的实务难题。本文将从源码实现和实际运行机制出发，为您拆解其中的奥秘。

并行流与有状态操作的“冲突”

Java 8引入的Stream API极大提升了集合处理的表达力，而parallelStream()让多核并行计算变得触手可及。然而，像sorted(), distinct(), limit()这类有状态操作（即需要记录或重置整个流的全局状态）却常常让开发者产生疑虑：它们是否会在并行流中“打断”并行性？甚至让后续操作退化为串行？

sorted()的内部实现：从无序到有序的蜕变

为了回答这个问题，我们需要先理解sorted()在并行流下的执行过程。以JDK 17源码为例，Stream.sorted()最终会生成一个SortedOps类的内部操作。当并行流执行时，该操作会调用Arrays.parallelSort(T[], Comparator)方法——这本身就是一个多线程排序算法，利用ForkJoinPool将数组分成多个子段分别排序，再合并。

关键点在于：排序完成后，结果被存储为一个有序数组，并以此为数据源生成一个新的Spliterator（分割迭代器）。这个新的Spliterator继承自ArraySpliterator，它明确支持trySplit()方法，意味着后续的map、filter等操作依然可以并行执行。

“并行连续性”的实证：后续操作并未丧失并行能力

我们用一段简单的测试代码来验证：假设有一个包含100万个随机整数的列表，先调用parallelStream().sorted()，再执行一个耗时的map操作（如模拟计算），观察CPU利用率与执行时间。

List<Integer> list = new Random().ints(1_000_000).boxed().collect(toList());
long start = System.currentTimeMillis();
list.parallelStream()
    .sorted()
    .map(i -> {
        // 模拟耗时计算
        for (int j = 0; j < 100; j++) Math.sin(i);
        return i;
    })
    .collect(toList());
System.out.println("耗时：" + (System.currentTimeMillis() - start));

多次运行后可以发现，CPU使用率在排序阶段和后续map阶段都保持在高位（接近核心数）。这说明sorted()并未中断并行执行，而是像一个“同步屏障”：等待所有线程将各自分区的元素排序并合并后，再以新的并行数据流继续处理。

背后的代价：为什么仍然建议谨慎使用？

虽然sorted()本身及后续操作都能并行，但这并不意味着它没有代价。主要问题包括：

  1. 全局排序的内存开销：并行流需将整个流元素收集到一个数组中，再排序。如果数据量巨大，可能引发OutOfMemoryError。
  2. 有序性约束：如果后续操作使用了forEachOrdered()或需要维持有序的收集器（如toList()会保持排序结果），则每个线程必须等待前一个元素处理完毕，这实质上会退化为串行。只有像map(), filter(), flatMap()这类不要求顺序的操作，才能享受真正的并行。
  3. 线程竞争与同步：排序合并阶段需要线程同步，可能引入微小的额外开销。

业内专家观点（模拟）：资深Java工程师李明在技术博客中指出：“并行流中的sorted()并非洪水猛兽，但开发者必须明确业务是否需要全局有序。如果只是局部排序或不需要排序，请勿滥用，否则会得不偿失。”

实战建议：如何合理使用并行流中的有状态操作？

  • 优先考虑无状态操作：map(), filter(), flatMap()天然适合并行，应作为主力。
  • 判断排序的必要性：如果下游操作不依赖顺序，完全可以用collect()收集到List，再单独使用Collections.sort()或parallelSort()——后者不受流管道结构限制，性能更可控。
  • 利用unordered()提示：对sorted()之前的流调用.unordered()，可以让排序跳过某些优化，减少开销（例如stream.unordered().parallel().sorted()）。
  • 大数据量谨慎使用：超过几十万条数据时，建议先使用collect()收集到数组，再使用Arrays.parallelSort()，比在流管道内排序更清晰。

总结

并行流在调用sorted()等有状态操作后，并行性并未中断——排序本身利用多线程完成，后续操作也继承了新的并行Spliterator。但有序性要求、内存消耗和额外同步开销，使这类操作在实践中更像一把“双刃剑”。理解其底层机制，有助于我们在享受并行红利的同时，避开性能陷阱。下一次当您写出list.parallelStream().sorted()时，不必担心并行性“断流”，但仍需问自己一句：这个排序，值不值得？