循环数据4种方式

通常情况下，不同操作的速度会因为数据的大小、数据的性质、系统的当前负载以及CPU核心的数量等诸多因素而不同。下面给出了一些基本的指导原则：

1. 常规 for 循环（for-each循环）是最直接的方法，因为它有直接的内存访问，并且开销较小。如果你的列表不是特别大，这个方法可能会给你提供最快的结果。

   List filenames = new ArrayList<>(); 
   for (FileData fileData : fileDatas) {
       filenames.add(fileData.getFilename());
   }

2. 串行流（stream）提供了更现代、更声明式的方法来处理数据，并且能够很容易转换为并行执行。对于小到中等规模的数据集，串行流的性能通常与常规 for 循环相当。

   List filenames = fileDatas.stream() 
   .map(FileData::getFilename).collect(Collectors.toList()); 

3. 并行流（parallelStream）可以在具有多个CPU核心的计算机上并行处理数据，从而在处理大型数据集时提高性能。然而，并行流会引入额外的复杂性，因为它们涉及到线程管理和可能的任务调度开销。而且，并行流不一定总是比串行流更快，尤其是对于小数据集。

   List filenames = fileDatas.parallelStream() 
   .map(FileData::getFilename) .collect(Collectors.toList());

4. 方法引用（如 FileData::getFilename）通常比手写的 lambda 表达式（如 fileData -> fileData.getFilename()）在内部实现上稍微高效一些。然而，这种差异通常是微不足道的，不太可能对整体性能产生显著影响。

总结起来，如果你正在处理非常大的数据集，并且任务是 CPU 密集型的（而非 I/O 密集型），并行流可能会提供一些性能优势。但是，在决定使用并行流之前，你应该对其进行基准测试以确保它确实比串行执行更快。对于中等或小规模的数据集，串行流或常规 for 循环可能是最简单且足够快的选择。

正确使用并行流的建议是：

• 对于小到中等大小的任务，优先考虑串行流或常规 for 循环。
• 对于大型数据集，对串行流和并行流进行基准测试，以查看哪种方法更适合你的特定情况。
• 确保你理解并行流是如何工作的，以及它可能对程序的其他部分产生的影响，比如线程安全问题。
• 注意，I/O 操作（如文件读写）通常不受益于并行处理，因为瓶颈通常是 I/O 而不是 CPU。

在任何情况下，选择最佳方法的关键是了解你的数据和计算的特点，并且进行适当的基准测试。