Java 8是极好的。不过我们在尝完鲜了之后，也开始对它持怀疑的态度。所有好的东西都是有代价的，在这篇文章中，我会分享Java 8的主要的几个难点。在你放弃Java 7升级到8之前，你最好确保自己知道这些。
并行流会影响性能
Java 8的所承诺的并行处理是最受期待的新特性之一。集合以及流上的.parallelStream()方法就是实现这点的。它将问题分解成子问题，然后分别运行在不同的线程上，它们可能会被分配到不同的CPU核上，当完成之后再组合起来。这些全都是在底层通过fork/join框架来实现的。好的，听起来很酷吧，在多核环境下的大数据集上，这么做肯定能提升操作速度的，对吧？
不，如果你用的不对的话，这么做可能会让你的代码变得更慢。在我们运行的基准测试上大概是慢了15%左右，而且还有可能会更糟。假设我们已经是运行在多核环境中了，我们又使用了.parallelStream()，将更多的线程加入了线程池中。这很可能会超出我们的核数的处理能力，并且由于上下文切换，会导致性能出现下降。
下面是我们的一个性能变差的基准测试，它是要将一个集合分到不同的组里（素数或者非素数）：
Map<Boolean, List<Integer>> groupByPrimary = numbers
.parallelStream().collect(Collectors.groupingBy(s -> Utility.isPrime(s)));
还有别的原因可能会让它变得更慢。考虑下这种情况，假设我们有多个任务要完成，其中一个可能花费的时间比其它的更长。将它用.parallelStream() 进行分解可能会导致更快的那些任务完成的时间往后推迟。看下Lukas Krecan的这篇文章，里面有更多的一些例子以及代码。
诊断：并行处理带来好处的同时也带来了许多额外的问题。当你已经是处于一个多核环境中了，你要时刻牢记这点，并要弄清楚事情表面下所隐藏的本质。
Lambda表达式的负作用
Lambda。喔，Lambda。尽管没有你，我们也什么都可以做，但是你让我们变得更优雅，减少了许多样板代码，因此大家都很容易会喜欢上你。假设一下早上我起床了想要遍历世界杯的一组球队，然后计算出它们的长度：
List lengths = new ArrayList();
for (String countries : Arrays.asList(args)) {
lengths.add(check(country));
}
如果有了Lambda我们就可以使用函数式了：
Stream lengths = countries.stream().map(countries -> check(country));
这太牛了。尽管很多时候它都是件好事，不过把Lambda这样的新元素增加到Java中使得它有点偏离了最初的设计规范。字节码是完全面向对象的，但同时这个游戏里又带上了lambda，实际的代码和运行时之间的差别变得越来越大了。可以读下Tal Weiss的这篇文章，了解更多关于lambda表达式的一些阴暗面。
最后，这意味着你所写的和你所调试的完全是两个不同的东西。栈信息会变得越来越大，这使得你调试代码变得更加费劲了。
将空串增加到列表里，原先只是这么简单的一个栈信息：
at LmbdaMain.check(LmbdaMain.java:19)
at LmbdaMain.main(LmbdaMain.java:34)
现在变成了：
at LmbdaMain.check(LmbdaMain.java:19) at LmbdaMain.lambda$0(LmbdaMain.java:37) at LmbdaMain$$Lambda$1/821270929.apply(Unknown Source) at java.util.stream.ReferencePipeline$3$1.accept(ReferencePipeline.java:193) at java.util.Spliterators$ArraySpliterator.forEachRemaining(Spliterators.java:948) at java.util.stream.AbstractPipeline.copyInto(AbstractPipeline.java:512) at java.util.stream.AbstractPipeline.wrapAndCopyInto(AbstractPipeline.java:502) at java.util.stream.ReduceOps$ReduceOp.evaluateSequential(ReduceOps.java:708) at java.util.stream.AbstractPipeline.evaluate(AbstractPipeline.java:234) at java.util.stream.LongPipeline.reduce(LongPipeline.java:438) at java.util.stream.LongPipeline.sum(LongPipeline.java:396) at java.util.stream.ReferencePipeline.count(ReferencePipeline.java:526) at LmbdaMain.main(LmbdaMain.java:39) |
lambda表达式引起的另一个问题就是重载：由于lambda的参数必须得强制转化成某个类型才能进行方法调用，而它们可以转化成好几个类型，这可能会导致调用发生歧义。Lukas Eder通过代码示例说明了这点。
诊断：记住这点，栈跟踪信息可能会成为一种痛苦，不过这并不会阻挡我们使用lambda的脚步。
