Java 并发编程：CompletableFuture 与并行流

1. 并行流（Parallel Stream）

• 基础概念
  并行流基于 Java 8 的 Stream API，利用多核处理器自动拆分任务并行执行。其核心是 ForkJoinPool，默认线程数为处理器核心数。
  示例代码：计算整数平方和

  long sum = IntStream.range(1, 1000)
                     .parallel()  // 启用并行
                     .map(x -> x * x)
                     .sum();
  

• 适用场景

  • 数据密集型计算（如批量处理集合）
  • 无状态操作（操作间无依赖）
  • 简单任务拆分（如 $ \sum_{i=1}^{n} f(i) $ 类问题）

• 局限性

  • 阻塞操作会降低性能（如 I/O 等待）
  • 任务拆分不均可能导致负载失衡
  • 调试复杂（异常堆栈不直观）

2. CompletableFuture

• 基础概念
  用于异步编程的类，支持任务组合、回调和非阻塞操作。可自定义线程池，避免共享池阻塞。
  示例代码：异步获取数据并处理

  CompletableFuture.supplyAsync(() -> fetchData())  // 异步执行
                   .thenApply(data -> process(data)) // 链式处理
                   .exceptionally(ex -> handleError(ex)); // 异常处理
  

• 核心优势

  • 任务组合：支持 thenCombine(), allOf() 等组合操作
    例如：$$ \text{Task}_C = \text{Task}_A \oplus \text{Task}_B $$
  • 灵活线程控制：可指定专用线程池
  • 异常隔离：每个任务独立处理异常

• 适用场景

  • I/O 密集型任务（如网络请求）
  • 多任务依赖（如 B 需 A 的结果）
  • 超时控制（通过 orTimeout() 实现）

3. 对比与选型

4. 实践建议

1. 优先并行流：当满足 $ \text{数据量} \gg \text{单任务耗时} $ 且无阻塞时
2. 选择 CompletableFuture 当：
   • 需组合多个异步源（如数据库 + API）
   • 需精细控制超时/回退（如 completeOnTimeout()）
   • 避免共享池阻塞（例如：newFixedThreadPool()）
3. 混合使用：

   List<CompletableFuture<Void>> tasks = dataList.stream()
       .map(item -> CompletableFuture.runAsync(() -> process(item), customPool))
       .collect(Collectors.toList());
   CompletableFuture.allOf(tasks.toArray(new CompletableFuture[0])).join();
   

关键总结：

• 并行流 ≈ 自动并行化的「批量计算流水线」
• CompletableFuture ≈ 可编排的「异步任务工作流」
• 在 $ \text{CPU核心数} \times \text{任务粒度} \approx \text{吞吐量} $ 的约束下优化选择