Reader#lines（） 由于其拆分器中不可配置的批大小策略而严重并行化

这是答案，在 的源代码中拼写出来，使用的那个：Spliterators.IteratorSpliteratorBufferedReader#lines()

    @Override
    public Spliterator<T> trySplit() {
        /*
         * Split into arrays of arithmetically increasing batch
         * sizes.  This will only improve parallel performance if
         * per-element Consumer actions are more costly than
         * transferring them into an array.  The use of an
         * arithmetic progression in split sizes provides overhead
         * vs parallelism bounds that do not particularly favor or
         * penalize cases of lightweight vs heavyweight element
         * operations, across combinations of #elements vs #cores,
         * whether or not either are known.  We generate
         * O(sqrt(#elements)) splits, allowing O(sqrt(#cores))
         * potential speedup.
         */
        Iterator<? extends T> i;
        long s;
        if ((i = it) == null) {
            i = it = collection.iterator();
            s = est = (long) collection.size();
        }
        else
            s = est;
        if (s > 1 && i.hasNext()) {
            int n = batch + BATCH_UNIT;
            if (n > s)
                n = (int) s;
            if (n > MAX_BATCH)
                n = MAX_BATCH;
            Object[] a = new Object[n];
            int j = 0;
            do { a[j] = i.next(); } while (++j < n && i.hasNext());
            batch = j;
            if (est != Long.MAX_VALUE)
                est -= j;
            return new ArraySpliterator<>(a, 0, j, characteristics);
        }
        return null;
    }

同样值得注意的是常量：

static final int BATCH_UNIT = 1 << 10;  // batch array size increment
static final int MAX_BATCH = 1 << 25;  // max batch array size;

因此，在我的示例中，我使用 6，000 个元素，我只得到三个批，因为批大小步长是 1024。这恰恰解释了我的观察，即最初使用三个核心，随着较小批次的完成，下降到两个，然后是一个。与此同时，我尝试了一个包含60，000个元素的修改示例，然后我获得了几乎100%的CPU利用率。

为了解决我的问题，我开发了下面的代码，它允许我将任何现有的流转换为将其划分为指定大小的批次。从我的问题中将其用于用例的最简单方法是这样的：Spliterator#trySplit

toFixedBatchStream(Files.newBufferedReader(inputPath).lines(), 20)

在较低级别上，下面的类是一个拆分器包装器，它更改了包装的拆分器的行为，并使其他方面保持不变。trySplit

import static java.util.Spliterators.spliterator;
import static java.util.stream.StreamSupport.stream;

import java.util.Comparator;
import java.util.Spliterator;
import java.util.function.Consumer;
import java.util.stream.Stream;

public class FixedBatchSpliteratorWrapper<T> implements Spliterator<T> {
  private final Spliterator<T> spliterator;
  private final int batchSize;
  private final int characteristics;
  private long est;

  public FixedBatchSpliteratorWrapper(Spliterator<T> toWrap, long est, int batchSize) {
    final int c = toWrap.characteristics();
    this.characteristics = (c & SIZED) != 0 ? c | SUBSIZED : c;
    this.spliterator = toWrap;
    this.est = est;
    this.batchSize = batchSize;
  }
  public FixedBatchSpliteratorWrapper(Spliterator<T> toWrap, int batchSize) {
    this(toWrap, toWrap.estimateSize(), batchSize);
  }

  public static <T> Stream<T> toFixedBatchStream(Stream<T> in, int batchSize) {
    return stream(new FixedBatchSpliteratorWrapper<>(in.spliterator(), batchSize), true);
  }

  @Override public Spliterator<T> trySplit() {
    final HoldingConsumer<T> holder = new HoldingConsumer<>();
    if (!spliterator.tryAdvance(holder)) return null;
    final Object[] a = new Object[batchSize];
    int j = 0;
    do a[j] = holder.value; while (++j < batchSize && tryAdvance(holder));
    if (est != Long.MAX_VALUE) est -= j;
    return spliterator(a, 0, j, characteristics());
  }
  @Override public boolean tryAdvance(Consumer<? super T> action) {
    return spliterator.tryAdvance(action);
  }
  @Override public void forEachRemaining(Consumer<? super T> action) {
    spliterator.forEachRemaining(action);
  }
  @Override public Comparator<? super T> getComparator() {
    if (hasCharacteristics(SORTED)) return null;
    throw new IllegalStateException();
  }
  @Override public long estimateSize() { return est; }
  @Override public int characteristics() { return characteristics; }

  static final class HoldingConsumer<T> implements Consumer<T> {
    Object value;
    @Override public void accept(T value) { this.value = value; }
  }
}

这个问题在Java-9抢先体验版本中得到了一定程度的修复。Files.lines被重写了，现在在拆分它时，它实际上跳转到内存映射文件的中间。以下是我的计算机（具有 4 个超线程内核 = 8 个硬件线程）上的结果：

Java 8u60：

Start processing
          Cores: 8
       CPU time: 73,50 s
      Real time: 36,54 s
CPU utilization: 25,15%

Java 9b82：

Start processing
          Cores: 8
       CPU time: 79,64 s
      Real time: 10,48 s
CPU utilization: 94,95%

如您所见，实时和CPU利用率都大大提高。

但是，此优化有一些限制。目前，它仅适用于几种编码（即UTF-8，ISO_8859_1和US_ASCII），就像任意编码一样，您不知道换行符是如何编码的。它仅限于不超过2Gb大小的文件（由于Java中的限制），当然不适用于某些非常规文件（如字符设备，无法进行内存映射的命名管道）。在这种情况下，旧实现将用作回退。MappedByteBuffer