来自HashSet的并行流不会并行运行

Question

我有要并行处理的元素集合。 当我使用List ，并行性有效。 但是，当我使用Set ，它不会并行运行。

我写了一个显示问题的代码示例：

public static void main(String[] args) {
    ParallelTest test = new ParallelTest();

    List<Integer> list = Arrays.asList(1,2);
    Set<Integer> set = new HashSet<>(list);

    ForkJoinPool forkJoinPool = new ForkJoinPool(4);

    System.out.println("set print");
    try {
        forkJoinPool.submit(() ->
            set.parallelStream().forEach(test::print)
        ).get();
    } catch (Exception e) {
        return;
    }

    System.out.println("\n\nlist print");
    try {
        forkJoinPool.submit(() ->
            list.parallelStream().forEach(test::print)
        ).get();
    } catch (Exception e) {
        return;
    }   
}

private void print(int i){
    System.out.println("start: " + i);
    try {
        TimeUnit.SECONDS.sleep(1);
    } catch (InterruptedException e) {
    }
    System.out.println("end: " + i);
}

这是我在Windows 7上获得的输出

set print
start: 1
end: 1
start: 2
end: 2

list print
start: 2
start: 1
end: 1
end: 2

我们可以看到Set中的第一个元素必须在处理第二个元素之前完成。 对于List ，第二个元素在第一个元素完成之前开始。

你能告诉我导致这个问题的原因，以及如何使用Set集合来避免它？

Answer 1

我可以重现您看到的行为，其中并行性与您指定的fork-join池并行性的并行性不匹配。 在将fork-join pool parallelism设置为10并将集合中的元素数量增加到50之后，我看到基于列表的流的并行性仅上升到6，而基于集合的流的并行性从未超过2。

但请注意，将任务提交到fork-join池以在该池中运行并行流的这种技术是一种实现“技巧”，并不能保证能够正常工作。 实际上， 未指定用于执行并行流的线程或线程池。 默认情况下，使用公共fork-join池，但在不同的环境中，最终可能会使用不同的线程池。 （考虑应用程序服务器中的容器。）

在java.util.stream.AbstractTask类中， LEAF_TARGET字段确定完成的拆分量，这又决定了可以实现的并行度。 此字段的值基于ForkJoinPool.getCommonPoolParallelism() ，它当然使用公共池的并行性，而不是任何池正在运行任务。

可以说这是一个错误（参见OpenJDK问题JDK-8190974 ），但是，无论如何，整个区域都未指定。 但是，系统的这个区域肯定需要开发，例如在拆分策略，可用并行数量，处理阻塞任务以及其他问题方面。 JDK的未来版本可能会解决其中一些问题。

同时，可以通过使用系统属性来控制公共fork-join池的并行性。 如果您将此行添加到您的程序，

System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "10");

并且您在公共池中运行流（或者如果您将它们提交到具有足够高并行度设置的池中），您将观察到更多任务并行运行。

您还可以使用-D选项在命令行上设置此属性。

同样，这不是保证行为，并且可能在将来发生变化。 但是这种技术可能适用于可预见的未来的JDK 8实现。

更新2019-06-12：错误JDK-8190974已在JDK 10中修复，修复程序已被移植到即将发布的JDK 8u版本（8u222）。