并发流：
从api的角度来看，其实跟咱们之前一直在用的stream()方式差不多，但是底层是有明显的不同，所以这里初步先对并发流有一个基本的认识， 说到串行与并行，最直观的感受就是效率的不同，所以下面以一个相同条件下用串行流与并行流实现看具体耗时为例，来直观的感受一下它们两者在时间效率上的不同，如下：
生成500万个UUID,然后对其进行排序，最后看一下排序在串行与并行流中的耗时时间，具体做法如下：
这时执行时间是比较长的，接着则开始对写入的UUID进行排序，主要是对比排序的耗时时间，所以在开始排序前记录一下当前时间，然后在排序完之后再记录下当前时间，再算一下这两个时间总共的耗时长，先来看下串行流的方式：
接下来则利用串行流对其UUID集合元素进行排序，如下：
这里直接采用默认的排序，并打上时间字段看耗时如下：
对于上面标问号的部份算是一个新的写法，其中TimeUnit也是在1.5出来的辅助类：
那结合起来看：
d / (C2 / C0) = d / ((1000L * 1000L) / 1000L) = d / 1000L，那不就是将纳秒转换成了微秒了么？
下面来执行一下看用串行流排序会耗多少时间，由于比较耗时就不截动态图了，直接看执行结果：
这时再换成并行流，改一个方法既可：
运行看一下它的时间耗了多久：
如我们的预期并行流的方式明显比串行流的方式要快，根据原因是串行流是单线程去执行的，而并行流则是多线程去执行的，采用fork-join的方式去执行，这里有个感性的认识，关于串行流和并行流的底层的实现之后再去探讨它。
流的短路：
下面继续再看代码，对于一个字符串的集合，找出长度为5的单词,并且只找到第一个，并将其长度打出来，如下：
如何实现呢？下面开始：
既然最终是找的单词的长度，那可以将单词映射成长度，当然采用map操作喽，如下：
但是需要注意一下细节，既然知道映射之后的类型为int，那这里就最好用具化的map接口，mapToInt()，如下：
为什么要注意这个小细节，因为可以避勉装箱和拆箱，接着就是从集合中找出长度=5的元素，则需要对它进行过滤如下：
接着只找第一个，如下：
既然是Optional，那最佳写法应该是：
接着改一下元素的值，将其改成都没有长度为5的单词，看输出：
对于这个例子本身其实没啥意义，但是~~是为了说明下面的一个问题，下面对其进行进一步改造，如下：
那最终会输出啥呢？先来分析一下结果：
下面运行看一下是否如我们所想：
呃~~什么鬼~~那为啥只打印出了一个元素呢？下面解释一下：因为流的若干个中间操作是针对每一个元素的，意思也就是说当处理元素时会针对每一个元素应用这若干个操作，而且会将这些操作串行化，如mapToInt()执行完之后就会执行filter()，每个无素都会按这种串行的操作去执行，而非一个操作应用在各元素之后再应用其它操作，而且操作里面还存在一些短路的情况，结合咱们这个例子：
如果说将第一个元素改成长度不是5，再看打印：
stream.flatMap()应用：
接下来再来举例：对于如下集合：
找出所有的单词，并写将重复的单词给去重掉，那对于上面这个集合其结果应该为：hello、world、welcome。
那下面来实现下：
首先将单词以空格进行拆分，如下：
然后对单词去重：
接着编译运行：
分析一下原因：
那对数组进行去重那肯定就有问题啦，咱们可以将代码拆分一下验证下：
解决之道：再map()之后加上flatMap()，这个flatMap()我们在之前也已经接触过了，就是将元素打平成一个Stream，也就是Stream<String>，对单词进行去重得针对这种类型的Stream才行，所以代码修改为：
具体使用如下：
具体使用如下：
对于四个String[]的集合当然对应四个Stream啦，而flatMap操作实际就是将这四个Stream打平变成一个Stream，最后再去复打印如下：
