来自HashSet的并行流不会并行运行

Question

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

我写了一个代码样本来说明问题：

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

我们可以看到中的第一个元素Set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结束之前开始。

您能否告诉我是什么原因导致此问题，以及如何使用Set集合避免发生此问题？

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。将fork-
join池的并行度设置为10，并将集合中的元素数增加到50后，我看到基于列表的流的并行度仅上升到6，而基于集合的流的并行度从未超过2。

但是请注意，这种将任务提交给fork-join池以在该池中运行并行流的技术是一种“技巧”，并且 不能保证 能正常工作。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，使用公共的fork-join池，但是在不同的环境中，最终可能会使用不同的线程池。（请考虑应用程序服务器内的容器。）

在java.util.stream.AbstractTask类中，该LEAF_TARGET字段确定完成的拆分数量，而拆分又确定了可以实现的并行数量。该字段的值基于ForkJoinPool.getCommonPoolParallelism()哪个当然使用了公共池的并行性，而不取决于运行任务的任何池。

可以说这是一个错误（请参阅OpenJDK问题JDK-8190974），但是，整个区域都未指定。但是，系统的这一领域肯定需要发展，例如在拆分策略，可用并行性，处理阻塞任务等方面。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。如果将此行添加到程序中，

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

并且您在公共池中运行流（或者，如果将它们提交到具有足够高的并行性集的自己的池中），您会发现有更多的任务并行运行。

您也可以使用-D选项在命令行上设置此属性。

同样，这不是保证的行为，将来可能会改变。但是在可预见的将来，该技术可能会对JDK 8实现有效。

更新2019-06-12：
JDK-8190974
错误已在JDK
10中修复，并且该修复已向后移植到即将发布的JDK 8u版本（8u222）中。