今天我们来聊聊 Java 中最常见的几种循环方式：for、foreach 和 stream，并重点讨论它们在不同数据量情况下的性能对比。
一、性能比较：你该用哪种循环？
1. 小数据量（1万以内）：for 循环效率最高
for 循环往往是最优选择。为什么？因为 for 循环操作简单，底层没有过多的开销，直接访问索引，效率相对较高。即使你用 foreach 或者 stream，底层也最终会调用 for 循环。List<Integer> list = new ArrayList<>();
for (int i = 0; i < 10000; i++) {
list.add(i);
}
// 使用 for 循环遍历
long startTime = System.nanoTime();
for (int i = 0; i < list.size(); i++) {
Integer value = list.get(i);
// 进行处理
}
long endTime = System.nanoTime();
System.out.println("For loop time: " + (endTime - startTime) + " ns");
for 循环能毫无压力地完成任务，不必考虑其他方式带来的性能损失。2. 中等数据量（10万条）：stream 效率最好
stream 循环开始显现出它的优势。因为 stream 底层优化得非常好，能够利用 JDK 内部的流式操作和懒加载特性，让你在处理数据时尽量避免不必要的计算，达到更高效的执行。并且，它支持链式操作，这样你可以写出更简洁、易读的代码。List<Integer> list = new ArrayList<>();
for (int i = 0; i < 100000; i++) {
list.add(i);
}
long startTime = System.nanoTime();
list.stream().forEach(value -> {
// 进行处理
});
long endTime = System.nanoTime();
System.out.println("Stream forEach time: " + (endTime - startTime) + " ns");
forEach 或 stream 的性能不如 for 吗？实际上，不完全是。在中等数据量时，stream 操作能够充分利用 CPU 内的高效资源，因此整体效率往往超过传统的 for 循环。3. 大数据量（100万条）：parallelStream 性能最好
parallelStream 的优势开始显现。这是因为 parallelStream 会自动将任务拆分到多个线程中，充分利用多核 CPU 的并行处理能力，显著提高了效率。实际上，parallelStream 对于大数据量处理非常高效，尤其是 CPU 密集型任务时。List<Integer> list = new ArrayList<>();
for (int i = 0; i < 1000000; i++) {
list.add(i);
}
long startTime = System.nanoTime();
list.parallelStream().forEach(value -> {
// 进行处理
});
long endTime = System.nanoTime();
System.out.println("ParallelStream forEach time: " + (endTime - startTime) + " ns");
parallelStream 也不是万能的。它虽然在大数据量下表现优秀，但也有一个缺点，那就是它的线程管理开销相对较大。如果数据量较小或者操作较简单，使用 parallelStream 反而可能拖慢执行速度，得不偿失。二、不同循环方式的差异
1. stream().forEach
stream() 是 Java 8 引入的一项功能，它允许你将集合数据转化为流（Stream），并通过流式操作处理数据。它的最大优势在于支持链式操作，并且可以轻松地进行并行处理。但是，stream 相较于传统的 for 循环，它会有额外的性能开销。并且，由于 stream 是基于接口实现的，可能会影响代码执行效率。list.stream().forEach(obj -> {
// 操作
});
2. forEach（集合类的默认方法）
forEach 是集合类提供的默认方法，能够直接遍历集合元素，它没有像 stream 那样的额外开销，相对更高效。但是，它不支持链式操作，也不支持并行处理。如果只是遍历简单的集合，forEach 是一个非常不错的选择。list.forEach(obj -> {
// 操作
});
3. parallelStream
parallelStream 是 stream 的增强版，它支持将数据并行处理，适合处理大数据量时的性能优化。它会自动将任务分配到多个线程进行并行执行，这对于多核处理器来说是一个极大的加速。不过，使用 parallelStream 也有一定的开销，因为线程之间的调度和同步会消耗一定的时间和资源。因此，只有在数据量足够大时，才建议使用 parallelStream。list.parallelStream().forEach(obj -> {
// 操作
});
三、总结：用对方式，事半功倍
for、foreach 和 stream 各自的优缺点有了更加清晰的认识。总结一下：小数据量时，使用传统的 for循环效率最高。它简单直接，不会有额外的性能开销。中等数据量时， stream循环表现最好。它能够利用流式操作的优势，使代码更简洁且执行效率高。大数据量时， parallelStream性能最优。多线程的并行处理大大提高了数据处理速度，但要注意线程开销的影响。
for 循环就足够了；但如果数据量庞大，且你有多核 CPU，那 parallelStream 无疑是最好的选择。对编程、职场感兴趣的同学，可以链接我，微信：coder301 拉你进入“程序员交流群”。
