Java 병렬 스트림(Parallel Stream) 사용 시 예상되는 문제와 해결 방법

🚀 Java 병렬 스트림(Parallel Stream) 사용 시 예상되는 문제와 해결 방법

Java에서는 Stream.parallel()을 사용하면 멀티스레드를 활용하여 데이터 처리를 병렬로 수행할 수 있습니다.
하지만 병렬 스트림을 사용할 때 몇 가지 문제가 발생할 수 있으며, 적절한 해결 방법을 적용해야 합니다.

---

✅ 1. 공유된 상태(Shared State)로 인한 동기화 문제

📌 문제점

병렬 스트림은 여러 스레드에서 동시에 실행되므로, 공유 변수(Shared State)를 변경할 경우 데이터 충돌 및 경쟁 조건(Race Condition)이 발생할 수 있음.

❌ 잘못된 예제

import java.util.stream.IntStream;

public class ParallelStreamSharedState {
    private static int sum = 0;

    public static void main(String[] args) {
        IntStream.rangeClosed(1, 1000)
                .parallel()
                .forEach(i -> sum += i); // 공유 변수 sum을 여러 스레드가 동시에 변경

        System.out.println("Sum: " + sum); // 예상 결과(500500)와 다를 수 있음 (경쟁 상태 발생)
    }
}

🚨 문제 발생:

• sum += i 연산은 원자적(Atomic)이지 않음 → 여러 스레드가 동시에 sum을 수정하면서 값이 틀어질 가능성이 있음.

✅ 해결 방법

1. reduce() 사용 (불변 데이터 활용)

int sum = IntStream.rangeClosed(1, 1000)
        .parallel()
        .reduce(0, Integer::sum); // 안전한 방식

System.out.println("Sum: " + sum); // 항상 500500

📌 reduce()는 공유 변수를 사용하지 않고 안전한 병렬 연산을 수행함.

 

2. AtomicInteger 사용 (동기화 활용)

import java.util.concurrent.atomic.AtomicInteger;

AtomicInteger sum = new AtomicInteger(0);
IntStream.rangeClosed(1, 1000)
        .parallel()
        .forEach(i -> sum.addAndGet(i)); // 원자적 연산

System.out.println("Sum: " + sum.get()); // 항상 500500

📌 AtomicInteger는 동기화 없이도 원자적 연산을 보장함.

---

✅ 2. 순서 보장이 되지 않는 문제

📌 문제점

병렬 스트림은 여러 스레드에서 동시에 실행되므로 출력 순서가 보장되지 않음.

❌ 잘못된 예제

IntStream.rangeClosed(1, 10)
        .parallel()
        .forEach(System.out::println); // 출력 순서가 뒤섞일 수 있음

🚨 예상 문제:

• 실행할 때마다 출력 순서가 달라짐.

✅ 해결 방법

• 정렬된 순서 유지가 필요하면 forEachOrdered() 사용:

IntStream.rangeClosed(1, 10)
        .parallel()
        .forEachOrdered(System.out::println); // 항상 1~10 순서대로 출력됨

📌 forEachOrdered()를 사용하면 병렬 스트림에서도 순서가 유지됨.

---

✅ 3. 병렬 스트림이 더 느려질 수 있는 문제

📌 문제점

• 작은 데이터셋이나 비싼 컨텍스트 스위칭(Context Switching) 이 발생하는 경우, 병렬 스트림이 오히려 성능이 나빠질 수 있음.

❌ 잘못된 예제 (작은 데이터셋에서 병렬 스트림 사용)

List<String> smallList = List.of("A", "B", "C");
smallList.parallelStream()
        .map(String::toLowerCase)
        .forEach(System.out::println); // 병렬 실행할 필요 없음

🚨 문제 발생:

• 작은 데이터셋에서는 병렬 처리로 인한 오버헤드(스레드 생성 및 스케줄링 비용)가 더 커질 수 있음.

✅ 해결 방법

1. 데이터 크기 확인 후 병렬 스트림 사용

List<String> list = List.of("A", "B", "C");
Stream<String> stream = list.size() > 1000 ? list.parallelStream() : list.stream();
stream.map(String::toLowerCase)
      .forEach(System.out::println);

 

2. CPU 개수 고려 후 병렬 여부 결정

if (list.size() > Runtime.getRuntime().availableProcessors() * 10) {
    list.parallelStream().forEach(System.out::println);
} else {
    list.stream().forEach(System.out::println);
}

📌 작은 데이터셋에서는 일반 스트림을 사용하고, 충분한 크기일 때만 병렬 스트림을 사용.

---

✅ 4. 병렬 스트림에서 I/O 작업 시 성능 저하 문제

📌 문제점

• 병렬 스트림은 CPU 연산에 최적화되어 있음.
• 파일 I/O, DB 쿼리, 네트워크 요청 등 입출력(IO) 작업이 포함된 경우, 병렬 처리가 오히려 성능을 저하시킬 수 있음.

❌ 잘못된 예제 (병렬 스트림에서 파일 I/O 실행)

List<String> lines = Files.readAllLines(Path.of("data.txt"));
lines.parallelStream()
    .forEach(line -> {
        try {
            Files.writeString(Path.of("output.txt"), line, StandardOpenOption.APPEND);
        } catch (IOException e) {
            e.printStackTrace();
        }
    });

🚨 문제 발생:

• 여러 스레드가 동시에 파일에 쓰기를 시도하면서 경쟁 상태(Race Condition) 발생.
• 성능 저하 + 데이터 손상 가능성.

✅ 해결 방법

1. 병렬 스트림 대신 일반 스트림 사용

lines.stream()
    .forEach(line -> {
        try {
            Files.writeString(Path.of("output.txt"), line, StandardOpenOption.APPEND);
        } catch (IOException e) {
            e.printStackTrace();
        }
    });

 

2. 파일 쓰기 작업을 병렬이 아닌 ExecutorService로 처리

ExecutorService executor = Executors.newFixedThreadPool(4);
lines.forEach(line -> executor.submit(() -> {
    try {
        Files.writeString(Path.of("output.txt"), line, StandardOpenOption.APPEND);
    } catch (IOException e) {
        e.printStackTrace();
    }
}));
executor.shutdown();

 

📌 병렬 스트림이 아닌, ExecutorService를 사용하여 안전한 병렬 I/O 처리를 수행.

---

🎯 정리: 병렬 스트림의 문제와 해결 방법

문제	원인	해결 방법
공유 상태 문제	여러 스레드가 같은 변수를 수정	reduce(), AtomicInteger 사용
순서 보장 안됨	병렬 스트림은 순서를 유지하지 않음	forEachOrdered() 사용
작은 데이터셋에서 오버헤드 발생	병렬 스트림 실행 비용이 큼	데이터 크기 확인 후 parallelStream() 사용
I/O 작업에서 성능 저하	병렬 처리는 CPU 연산에 적합함	일반 스트림 사용 또는 ExecutorService 활용

 

📌 병렬 스트림은 적절하게 사용하면 성능을 높일 수 있지만, 무조건 사용하면 오히려 성능이 저하될 수 있음.
➡ 데이터 크기, 연산 유형, 공유 상태 여부를 고려하여 신중하게 사용해야 함!