在Java 7之前孙咪，并行處理數(shù)據(jù)集合非常麻煩。第一夺刑，你得明確地把包含數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)分成若干子部分缅疟。第二分别，你要給每個(gè)子部分分配一個(gè)獨(dú)立的線程。第三，你需要在恰當(dāng)?shù)臅r(shí)候?qū)λ鼈冞M(jìn)行同步來(lái)避免不希望出現(xiàn)的競(jìng)爭(zhēng)條件，等待所有線程完成憨降，最后把這些部分結(jié)果合并起來(lái)螟深。Java 7引入了一個(gè)叫作分支/合并的框架，讓這些操作更穩(wěn)定谊迄、更不易出錯(cuò)。在Java 8中可以使用Stream接口更容易的對(duì)數(shù)據(jù)集執(zhí)行并行操作。
1荚虚、并行流
通過(guò)對(duì)收集源調(diào)用parallelStream方法來(lái)把集合轉(zhuǎn)換為并行流。并行流就是一個(gè)把內(nèi)容分成多個(gè)數(shù)據(jù)塊籍茧，并用不同的線程分別處理每個(gè)數(shù)據(jù)塊的流版述。
示例：返回從1到給定參數(shù)的所有數(shù)字的和
public static long getSum(long n) {
????return Stream.iterate(1L, i -> i + 1) //生成自然數(shù)無(wú)限流
????????.limit(n) //限制到前n個(gè)數(shù)
????????.reduce(0L, Long::sum); //對(duì)所有數(shù)字求和來(lái)歸納流
}
上面代碼等價(jià)于：
public static long getSum(long n) {?
????long result = 0;?
? ? for (long i = 1L; i <= n; i++) { result += i; }?
? ? return result;
}
將順序流轉(zhuǎn)換為并行流
對(duì)順序流調(diào)用parallel方法，轉(zhuǎn)換為并行流：
public static long parallelGetSum(long n) {
????return Stream.iterate(1L, i -> i + 1)
????????.limit(n)
????????.parallel() //將流轉(zhuǎn)換為并行流
????????.reduce(0L, Long::sum);
}
注意：對(duì)順序流調(diào)用parallel方法并不意味著流本身有任何實(shí)際的變化寞冯。它在內(nèi)部實(shí)際上就是設(shè)了一個(gè)boolean標(biāo)志渴析，表示你想讓調(diào)用parallel之后進(jìn)行的所有操作都并行執(zhí)行。你只需要對(duì)并行流調(diào)用sequential方法就可以把它變成順序流吮龄。你可能以為把這兩個(gè)方法結(jié)合起來(lái)俭茧，就可以更細(xì)化地控制在遍歷流時(shí)哪些操作要并行執(zhí)行，哪些要順序執(zhí)行漓帚。例如恢恼，你可以這樣做：
stream.parallel()
????.filter(...)
????.sequential()
????.map(...)
????.parallel()
????.reduce();
實(shí)際上最后一次parallel或sequential的調(diào)用會(huì)影響整個(gè)流水線。
并行流內(nèi)部使用了默認(rèn)的ForkJoinPool胰默，它默認(rèn)的線程數(shù)量就是你的處理器數(shù)量场斑，這個(gè)值是由Runtime.getRuntime().availableProcessors()得到的。你可以通過(guò)系統(tǒng)屬性java.util.concurrent.ForkJoinPool.common.parallelism來(lái)改變線程池大小牵署，如下所示：System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism","12");
這是一個(gè)全局設(shè)置漏隐，它將影響代碼中所有的并行流，目前還無(wú)法專為某個(gè)并行流指定這個(gè)值奴迅。一般情況下建議你不要修改此值青责，除非有充足的理由。
測(cè)量流性能
測(cè)量對(duì)前n個(gè)自然數(shù)求和的函數(shù)的性能：
public long measureSumPerf(Function<Long, Long> adder, long n) {
????long fastest = Long.MAX_VALUE;
????for (int i = 0; i < 10; i++) {
????????long start = System.nanoTime();
????????long sum = adder.apply(n);
????????long duration = (System.nanoTime() - start) / 1_000_000;
????????System.out.println("Result: " + sum);
????????if (duration < fastest) fastest = duration;
????}
????return fastest;
}
System.out.println("Sequential sum done in:" +? measureSumPerf(ParallelStreams::getSum, 10_000_000) + " msecs"); //測(cè)試順序加法器函數(shù)對(duì)前一千萬(wàn)個(gè)自然數(shù)求和耗時(shí)
System.out.println("Parallel sum done in: " + measureSumPerf(ParallelStreams::parallelGetSum, 10_000_000) + " msecs" );//測(cè)試并行加法器函數(shù)對(duì)前一千萬(wàn)個(gè)自然數(shù)求和耗時(shí)
注意：這個(gè)運(yùn)行結(jié)果會(huì)存在差異性取具，因?yàn)橛绊憟?zhí)行時(shí)間的因素有很多脖隶，比如你的電腦支持多少個(gè)內(nèi)核。用傳統(tǒng)for循環(huán)的迭代版本執(zhí)行起來(lái)應(yīng)該會(huì)快很多暇检，因?yàn)樗鼮榈讓硬澹匾氖遣恍枰獙?duì)原始類型做任何裝箱或拆箱操作。
實(shí)際執(zhí)行結(jié)果是并行版本比順序版本要慢很多块仆，原因是：iterate生成的是裝箱的對(duì)象构蹬，必須拆箱成數(shù)字才能求和王暗；iterate很難分割成能夠獨(dú)立執(zhí)行的小塊，因?yàn)槊看螒?yīng)用這個(gè)函數(shù)都要依賴前一次應(yīng)用的結(jié)果庄敛。把流標(biāo)記成并行俗壹，其實(shí)是給順序處理增加了開銷，它還要把每次求和操作分到一個(gè)不同的線程上藻烤。
如何利用多核處理器绷雏，用流來(lái)高效地執(zhí)行并行？
可以使用LongStream.rangeClosed的方法怖亭，相比iterate于其優(yōu)點(diǎn)是：直接產(chǎn)生原始類型的long數(shù)字涎显，沒有裝箱拆箱的開銷。會(huì)生成數(shù)字范圍依许，很容易拆分為獨(dú)立的小塊棺禾。
測(cè)試代碼：
public static long rangedSum(long n) {
????return LongStream.rangeClosed(1, n).reduce(0L, Long::sum);
}
public static long parallelRangedSum(long n) {
????return LongStream.rangeClosed(1, n).parallel().reduce(0L, Long::sum);
}
測(cè)試方法：
System.out.println("Parallel range sum done in:" +? ? measureSumPerf(ParallelStreams::parallelRangedSum, 10_000_000) + " msecs");
結(jié)果是得到了一個(gè)比順序執(zhí)行更快的并行歸納。表明使用正確的數(shù)據(jù)結(jié)構(gòu)然后使其并行工作能夠保證最佳的性能峭跳。
注意：并行化并不是沒有代價(jià)的膘婶。并行化過(guò)程本身需要對(duì)流做遞歸劃分，把每個(gè)子流的歸納操作分配到不同的線程蛀醉，然后把這些操作的結(jié)果合并成一個(gè)值悬襟。但在多個(gè)內(nèi)核之間移動(dòng)數(shù)據(jù)的代價(jià)也可能比你想的要大，所以很重要的一點(diǎn)是要保證在內(nèi)核中并行執(zhí)行工作的時(shí)間比在內(nèi)核之間傳輸數(shù)據(jù)的時(shí)間長(zhǎng)拯刁〖乖溃總而言之，很多情況下不可能或不方便并行化垛玻。在使用并行Stream加速代碼之前割捅，你必須確保用得對(duì)；
2帚桩、分支/合并框架
分支/合并框架的目的是以遞歸方式將可以并行的任務(wù)拆分成更小的任務(wù)亿驾，然后將每個(gè)子任務(wù)的結(jié)果合并起來(lái)生成整體結(jié)果。它是ExecutorService接口的一個(gè)實(shí)現(xiàn)账嚎，它把子任務(wù)分配給線程池（稱為ForkJoinPool）中的工作線程莫瞬。
1）使用RecursiveTask
要把任務(wù)提交到這個(gè)池，必須創(chuàng)建RecursiveTask<R>的一個(gè)子類郭蕉，其中R是并行化任務(wù)（以及所有子任務(wù)）產(chǎn)生的結(jié)果類型疼邀，或者如果任務(wù)不返回結(jié)果，則是RecursiveAction類型（它可能會(huì)更新其他非局部機(jī)構(gòu)）召锈。要定義RecursiveTask旁振，只需實(shí)現(xiàn)它唯一的抽象方法compute：
protected abstract R compute();
這個(gè)方法同時(shí)定義了將任務(wù)拆分成子任務(wù)的邏輯，以及無(wú)法再拆分或不方便再拆分時(shí)，生成單個(gè)子任務(wù)結(jié)果的邏輯规求。
運(yùn)行ForkJoinSumCalculator
當(dāng)把ForkJoinSumCalculator任務(wù)傳給ForkJoinPool時(shí)筐付，這個(gè)任務(wù)就由池中的一個(gè)線程執(zhí)行卵惦，這個(gè)線程會(huì)調(diào)用任務(wù)的compute方法阻肿。該方法會(huì)檢查任務(wù)是否小到足以順序執(zhí)行，如果不夠小則會(huì)把要求和的數(shù)組分成兩半沮尿，分給兩個(gè)新的ForkJoinSumCalculator丛塌，而它們也由ForkJoinPool安排執(zhí)行。這一過(guò)程可以遞歸重復(fù)畜疾，把原任務(wù)分為更小的任務(wù)赴邻，直到滿足不方便或不可能再進(jìn)一步拆分的條件。這時(shí)會(huì)順序計(jì)算每個(gè)任務(wù)的結(jié)果啡捶，然后由分支過(guò)程創(chuàng)建的（隱含的）任務(wù)二叉樹遍歷回到它的根姥敛。接下來(lái)會(huì)合并每個(gè)子任務(wù)的部分結(jié)果，從而得到總?cè)蝿?wù)的結(jié)果瞎暑。
2）使用分支/合并框架的最佳做法
-對(duì)一個(gè)任務(wù)調(diào)用join方法會(huì)阻塞調(diào)用方彤敛，直到該任務(wù)做出結(jié)果。因此了赌，有必要在兩個(gè)子任務(wù)的計(jì)算都開始之后再調(diào)用它墨榄。否則，你得到的版本會(huì)比原始的順序算法更慢更復(fù)雜勿她，因?yàn)槊總€(gè)子任務(wù)都必須等待另一個(gè)子任務(wù)完成才能啟動(dòng)袄秩。
-不應(yīng)該在RecursiveTask內(nèi)部使用ForkJoinPool的invoke方法。相反逢并，你應(yīng)該始終直接調(diào)用compute或fork方法之剧，只有順序代碼才應(yīng)該用invoke來(lái)啟動(dòng)并行計(jì)算。
-對(duì)子任務(wù)調(diào)用fork方法可以把它排進(jìn)ForkJoinPool砍聊。同時(shí)對(duì)左邊和右邊的子任務(wù)調(diào)用它似乎很自然背稼，但這樣做的效率要比直接對(duì)其中一個(gè)調(diào)用compute低。這樣做你可以為其中一個(gè)子任務(wù)重用同一線程辩恼，從而避免在線程池中多分配一個(gè)任務(wù)造成的開銷雇庙。
-調(diào)試使用分支/合并框架的并行計(jì)算可能有點(diǎn)棘手。特別是你平常都在IDE里面看棧跟蹤（stack trace）來(lái)找問(wèn)題灶伊，但放在分支-合并計(jì)算上就不行了疆前，因?yàn)檎{(diào)用compute的線程并不是概念上的調(diào)用方，后者是調(diào)用fork的那個(gè)聘萨。
-和并行流一樣竹椒，不應(yīng)想當(dāng)然地認(rèn)為在多核處理器上使用分支/合并框架就比順序計(jì)算快。一個(gè)任務(wù)可以分解成多個(gè)獨(dú)立的子任務(wù)米辐，才能讓性能在并行化時(shí)有所提升胸完。所有這些子任務(wù)的運(yùn)行時(shí)間都應(yīng)該比分出新任務(wù)所花的時(shí)間長(zhǎng)书释；一個(gè)慣用方法是把輸入/輸出放在一個(gè)子任務(wù)里，計(jì)算放在另一個(gè)里赊窥，這樣計(jì)算就可以和輸入/輸出同時(shí)進(jìn)行爆惧。此外，在比較同一算法的順序和并行版本的性能時(shí)還有別的因素要考慮锨能。就像任何其他Java代碼一樣扯再，分支/合并框架需要“預(yù)熱”或者說(shuō)要執(zhí)行幾遍才會(huì)被JIT編譯器優(yōu)化。這就是為什么在測(cè)量性能之前跑幾遍程序很重要址遇。另外熄阻，編譯器內(nèi)置的優(yōu)化可能會(huì)為順序版本帶來(lái)一些優(yōu)勢(shì)。
-你必須選擇一個(gè)標(biāo)準(zhǔn)倔约，來(lái)決定任務(wù)是要進(jìn)一步拆分還是已小到可以順序求值秃殉。
3）工作竊取
一般來(lái)說(shuō)分出大量的小任務(wù)都是一個(gè)好選擇。在理想情況下浸剩，劃分并行任務(wù)時(shí)钾军，應(yīng)該讓每個(gè)任務(wù)都用完全相同的時(shí)間完成，讓所有的CPU內(nèi)核都同樣繁忙乒省。但實(shí)際中巧颈，每個(gè)子任務(wù)所花的時(shí)間可能天差地別，要么是因?yàn)閯澐植呗孕实托淇福词怯胁豢深A(yù)知的原因砸泛，比如磁盤訪問(wèn)慢，或是需要和外部服務(wù)協(xié)調(diào)執(zhí)行蛆封。
分支/合并框架用一種稱為工作竊却浇浮（work stealing）的技術(shù)來(lái)解決這個(gè)問(wèn)題。在實(shí)際應(yīng)用中惨篱，這些任務(wù)差不多被平均分配到ForkJoinPool中的所有線程上盏筐。每個(gè)線程都為分配給它的任務(wù)保存一個(gè)雙向鏈?zhǔn)疥?duì)列，每完成一個(gè)任務(wù)砸讳，就會(huì)從隊(duì)列頭上取出下一個(gè)任務(wù)開始執(zhí)行琢融。某個(gè)線程可能早早完成了分配給它的所有任務(wù)，它的隊(duì)列已經(jīng)空了簿寂，而其他的線程還很忙漾抬。這時(shí)，這個(gè)線程并沒有閑下來(lái)常遂，而是隨機(jī)選了一個(gè)別的線程纳令，從隊(duì)列的尾巴上“偷走”一個(gè)任務(wù)。這個(gè)過(guò)程一直繼續(xù)下去，直到所有的任務(wù)都執(zhí)行完畢平绩，所有的隊(duì)列都清空圈匆。這就是為什么要?jiǎng)澇稍S多小任務(wù)而不是少數(shù)幾個(gè)大任務(wù)，這有助于更好地在工作線程之間平衡負(fù)載捏雌。 這種工作竊取算法用于在池中的工作線程之間重新分配和平衡任務(wù)跃赚。
3、可分迭代器Spliterator
Spliterator是Java 8中加入的另一個(gè)新接口腹忽，含義是可分迭代器来累。和Iterator一樣砚作，Spliterator也用于遍歷數(shù)據(jù)源中的元素窘奏，但它是為了并行執(zhí)行而設(shè)計(jì)的。Java 8已經(jīng)為集合框架中包含的所有數(shù)據(jù)結(jié)構(gòu)提供了一個(gè) 默認(rèn)的Spliterator實(shí)現(xiàn)葫录。集合實(shí)現(xiàn)了Spliterator接口着裹，接口提供了一個(gè)spliterator方法。
Spliterator接口定義：
public interface Spliterator<T> {
????boolean tryAdvance(Consumer<? super T> action);
????Spliterator<T> trySplit();
????long estimateSize();
????int characteristics();
}
T是Spliterator遍歷的元素的類型米同。
tryAdvance方法的行為類似于普通的Iterator骇扇，它按順序一個(gè)個(gè)使用Spliterator中的元素，如果還有其他元素要遍歷就返回true面粮。
trySplit是專為Spliterator接口設(shè)計(jì)的少孝，它可以把一些元素劃分給第二個(gè)Spliterator（由該方法返回），讓它們兩個(gè)并行處理熬苍。
estimateSize方法可以估計(jì)還剩下多少元素要遍歷稍走，即使不那么確切，能快速算出來(lái)是一個(gè)值 也有助于讓拆分均勻一點(diǎn)柴底。
1）拆分過(guò)程
將Stream拆分成多個(gè)部分的算法是一個(gè)遞歸過(guò)程婿脸。
第一步：對(duì)第一個(gè)Spliterator調(diào)用trySplit，生成第二個(gè)Spliterator柄驻。
第二步：對(duì)這兩個(gè)Spliterator調(diào)用trysplit狐树，這樣就有了四個(gè)Spliterator。
第三步：不斷對(duì)Spliterator調(diào)用trySplit直到返回null鸿脓，表明它處理的數(shù)據(jù)結(jié)構(gòu)不能再分割抑钟。
最后：這個(gè)遞歸拆分過(guò)程到第四步就終止了，這時(shí)所有的Spliterator在調(diào)用trySplit時(shí)都返回了null野哭。
Spliterator的特性
Spliterator接口聲明的最后一個(gè)抽象方法是characteristics在塔，它將返回一個(gè)int，代表Spliterator本身特性集的編碼虐拓。
2）實(shí)現(xiàn)自己的Spliterator
開發(fā)一個(gè)簡(jiǎn)單的方法來(lái)計(jì)數(shù)一個(gè)String中的單詞數(shù)心俗。
public int countWordsIteratively(String s) {
????int counter = 0;
????boolean lastSpace = true;
????for (char c : s.toCharArray()) {
????????if (Character.isWhitespace(c)) {
????????????lastSpace = true;
????????} else {
????????????if (lastSpace) counter++; //上一個(gè)字符是空格，而當(dāng)前遍歷的字符不是空格時(shí)，將單詞計(jì)數(shù)器加一
????????????lastSpace = false;
????????}
????}
????return counter;
}
以函數(shù)式風(fēng)格重寫單詞計(jì)數(shù)器：
首先需要把String轉(zhuǎn)換成一個(gè)流城榛。但是原始類型的流僅限于int揪利、long和double， 所以只能用Stream<Character>：
Stream<Character> stream = IntStream.range(0, SENTENCE.length()) ????.mapToObj(SENTENCE::charAt);
你可以對(duì)這個(gè)流做歸約來(lái)計(jì)算字?jǐn)?shù)狠持。在歸約流時(shí)疟位，需要保留由兩個(gè)變量組成的狀態(tài)：一個(gè)int
用來(lái)計(jì)算到目前為止數(shù)過(guò)的字?jǐn)?shù)，還有一個(gè)boolean用來(lái)記得上一個(gè)遇到的Character是不是空 格喘垂。你需要?jiǎng)?chuàng)建一個(gè)新類WordCounter來(lái)把這個(gè)狀態(tài)封裝起來(lái)甜刻。
用來(lái)在遍歷Character流時(shí)計(jì)數(shù)的類：
class WordCounter {
????private final int counter;
????private final boolean lastSpace;
????public WordCounter(int counter, boolean lastSpace) {
????????this.counter = counter;
????????this.lastSpace = lastSpace;
????}
? ? ? public WordCounter accumulate(Character c) {//和迭代算法一樣，accumulate方法一個(gè)個(gè)遍歷Character
????????if (Character.isWhitespace(c)) {
????????????return lastSpace ? this : new WordCounter(counter, true);
????????} else {
????????????return lastSpace ? new WordCounter(counter + 1, false) : this; //上一個(gè)字符是空格正勒，而當(dāng)前遍歷的字符不是空格時(shí)得院，將單詞計(jì)數(shù)器加一
????????}
????}
? ??//合并兩個(gè)WordCounter，把其計(jì)數(shù)器加起來(lái)
? ? public WordCounter combine(WordCounter wordCounter) {?
????????return new WordCounter(counter + wordCounter.counter, wordCounter.lastSpace);//僅需要計(jì)數(shù)器的總和章贞，無(wú)需關(guān)心lastSpace
????}
????public int getCounter() {return counter;}
}
accumulate方法定義了如何更改WordCounter的狀態(tài)祥绞，確切地說(shuō)是用哪個(gè)狀態(tài)來(lái)建立新的WordCounter，因?yàn)檫@個(gè)類是不可變的鸭限。每次遍歷到Stream中的一個(gè)新的Character時(shí)蜕径，就會(huì)調(diào)用accumulate方法。就如countWords- Iteratively方法一樣败京，當(dāng)上一個(gè)字符是空格兜喻，新字符不是空格時(shí)，計(jì)數(shù)器就加一赡麦。
調(diào)用第二個(gè)方法combine時(shí)朴皆，會(huì)對(duì)作用于Character流的兩個(gè)不同子部分的兩個(gè)WordCounter的部分結(jié)果進(jìn)行匯總，也就是把兩個(gè)WordCounter內(nèi)部的計(jì)數(shù)器加起來(lái)隧甚。?
歸約Character流：
private int countWords(Stream<Character> stream) {
????WordCounter wordCounter = stream.reduce(
????????new WordCounter(0, true), WordCounter::accumulate, WordCounter::combine);
????return wordCounter.getCounter();
}
調(diào)用方法：
Stream<Character> stream = IntStream.range(0, SENTENCE.length())
????.mapToObj(SENTENCE::charAt);
System.out.println("Found " + countWords(stream) + " words");
讓W(xué)ordCounter并行工作：
在并行執(zhí)行時(shí)必須要確保String不是在隨機(jī)位置拆開的车荔，而只能在詞尾拆開。需要為Character實(shí)現(xiàn)一個(gè)Spliterator戚扳，它只能在兩個(gè)詞之間拆開String忧便，然后由此創(chuàng)建并行流。
class WordCounterSpliterator implements Spliterator<Character> {
????private final String string;
????private int currentChar = 0;
????public WordCounterSpliterator(String string) {this.string = string;}
????//把String中當(dāng)前位置的Character傳給了Consumer帽借，并讓位置加一,如果新的指針位置小于String的總長(zhǎng)珠增，且還有要遍歷的Character，則 tryAdvance返回true砍艾。
????@Override? ?
????public boolean tryAdvance(Consumer<? super Character> action) {
????????action.accept(string.charAt(currentChar++));//處理當(dāng)前字符
????????return currentChar < string.length(); //如果還有字符要處理蒂教，則返回true
????}
????//定義拆分要遍歷的數(shù)據(jù)結(jié)構(gòu)的邏輯
????@Override
????public Spliterator<Character> trySplit() {
????????int currentSize = string.length() - currentChar;
????????if (currentSize < 10) {return null;}
????????for (int splitPos = currentSize / 2 + currentChar;splitPos < string.length(); splitPos++) { //將試探拆分位置設(shè)定為要解析的String的中間
????????????if (Character.isWhitespace(string.charAt(splitPos))) { //讓拆分位置前進(jìn)直到下 一個(gè)空格
????????????????Spliterator<Character> spliterator =
????????????????????new WordCounterSpliterator(string.substring(currentChar, splitPos));//創(chuàng)建一個(gè)新WordCounterSpliterator來(lái)解析String從開始到拆分位置的部分
????????????????currentChar = splitPos;//將這個(gè)WordCounterSpliterator 的起始位置設(shè)為拆分位置
????????????????return spliterator;
????????????}
????????}
????????return null;
????}
????//Spliterator解析的String的總長(zhǎng)度和當(dāng)前遍歷的位置的差
????@Override
????public long estimateSize() {return string.length() - currentChar;}
????@Override
????public int characteristics() {
????????return ORDERED + SIZED + SUBSIZED + NONNULL + IMMUTABLE;
????}
}
tryAdvance方法把String中當(dāng)前位置的Character傳給了Consumer，并讓位置加一脆荷。作為參數(shù)傳遞的Consumer是一個(gè)Java內(nèi)部類凝垛，在遍歷流時(shí)將要處理的Character傳給了一系列要對(duì)其執(zhí)行的函數(shù)懊悯。
trySplit方法是Spliterator中最重要的一個(gè)方法，它定義了拆分要遍歷的數(shù)據(jù)結(jié)構(gòu)的邏輯梦皮。就像分支/合并的例子那樣炭分，你肯定要用更高的下限來(lái)避免生成太多的任務(wù)。如果剩余的Character數(shù)量低于下限剑肯，你就返回null表示無(wú)需進(jìn)一步拆分捧毛。相 反，如果你需要執(zhí)行拆分让网，就把試探的拆分位置設(shè)在要解析的String塊的中間呀忧。一旦找到了適當(dāng)?shù)牟鸱治恢茫涂梢詣?chuàng)建一個(gè)新的Spliterator來(lái)遍歷從當(dāng)前位置到拆分位置的子串溃睹；把當(dāng)前位置this設(shè)為拆分位置而账，因?yàn)橹暗牟糠謱⒂尚?Spliterator來(lái)處理，最后返回丸凭。
還需要遍歷的元素的estimatedSize就是這個(gè)Spliterator解析的String的總長(zhǎng)度和當(dāng)前遍歷的位置的差福扬。
最后，characteristic方法告訴框架這個(gè)Spliterator是ORDERED（順序就是String中各個(gè)Character的次序）惜犀、SIZED（estimatedSize方法的返回值是精確的） 、 SUBSIZED（trySplit方法創(chuàng)建的其他Spliterator也有確切大泻莨）虽界、NONNULL（String中不能有為null的Character）和IMMUTABLE的（在解析String時(shí)不能再添加Character，因?yàn)镾tring本身是一個(gè)不可變類）涛菠。
運(yùn)用WordCounterSpliterator：
Spliterator<Character> spliterator = new WordCounterSpliterator(SENTENCE); Stream<Character> stream = StreamSupport.stream(spliterator, true); System.out.println("Found " + countWords(stream) + " words");
????--以上示例摘自《Java8實(shí)戰(zhàn)》
