在說到並行的時候，相信很多人都會想到並發的概念。那麽並行和並發兩者壹字之差，有什麽區別呢？
並行：多個任務在同壹時間點發生，並由不同的cpu進行處理，不互相搶占資源
並行：
並發：多個任務在同壹時間點內同時發生了，但由同壹個cpu進行處理，互相搶占資源
並發：
當在大量數據處理上，數據並行化可以大量縮短任務的執行時間，將壹個數據分解成多個部分，然後並行處理，最 後將多個結果匯總，得到最終結果。
對於並行流，其在底層實現中，是沿用了Java7提供的fork/join分解合並框架進行實現。fork根據cpu核數進行數 據分塊，join對各個fork進行合並。實現過程如下所示：
對於並行流，壹定不要陷入壹個誤區：並行壹定比串行快。並行在不同的情況下它不壹定是比串行快的。影響並行 流性能主要存在5個因素：
1）數據大小：輸入數據的大小，直接影響了並行處理的性能。因為在並行內部實現中涉及到了fork/join操作，它 本身就存在性能上的開銷。因此只有當數據量很大，使用並行處理才有意義。
2）源數據結構：fork時會對源數據進行分割，數據源的特性直接影響了fork的性能。 ArrayList、數組或IntStream.range，可分解性最佳，因為他們都支持隨機讀取，因此可以被任意分割。 HashSet、TreeSet，可分解性壹般，其雖然可被分解，但因為其內部數據結構，很難被平均分解。 LinkedList、Streams.iterate、BufferedReader.lines，可分解性極差，因為他們長度未知，無法確定在哪裏進行 分割。
3）裝箱拆箱 盡量使用基本數據類型，避免裝箱拆箱。
4）CPU核數 fork的產生數量是與可用CPU核數相關，可用的核數越多，獲取的性能提升就會越大。
5）單元處理開銷 花在流中每個元素的時間越長，並行操作帶來的性能提升就會越明顯。
1）基本類型
性能消耗： Stream串行>for循環>Stream並行
2）對象
性能消耗： Stream串行>for循環>Stream並行
3）復雜對象
性能消耗： for循環>Stream串行>Stream並行
結論： 對於簡單操作，如果環境機是多核的話，建議使用Stream並行，同時在不考慮核數的情況 下，普通for循環性能要明顯高於Stream串行，相差兩倍左右。 對於復雜操作，推薦使用Stream API操作。