似乎存在根本性的误解。链接的问答讨论了流显然不能并行工作，因为 OP 没有看到预期的加速。结论是，如果工作负载太小，并行处理没有任何好处，没有自动回退到顺序执行。
实际上恰恰相反。如果您请求并行，您将获得并行，即使它实际上会降低性能。在这种情况下，实现不会切换到可能更有效的顺序执行。
因此，如果您确信每个元素的工作负载足够高，足以证明使用并行执行的合理性（无论元素数量如何），您都可以简单地请求并行执行。
很容易证明：
Stream.of(1, 2).parallel()
.peek(x -> System.out.println("processing "+x+" in "+Thread.currentThread()))
.forEach(System.out::println);
On Ideone，它会打印出来
processing 2 in Thread[main,5,main]
2
processing 1 in Thread[ForkJoinPool.commonPool-worker-1,5,main]
1
但消息和详细信息的顺序可能会有所不同。甚至有可能在某些环境中，两个任务都可能碰巧由同一个线程执行，如果它可以在另一个线程开始接收它之前巩固第二个任务。但是，当然，如果任务足够昂贵，就不会发生这种情况。重要的一点是，整个工作负载已被拆分并排入队列，可能会被其他工作线程处理。
如果上面的简单示例在您的环境中发生单线程执行，您可以像这样插入模拟工作负载：
Stream.of(1, 2).parallel()
.peek(x -> System.out.println("processing "+x+" in "+Thread.currentThread()))
.map(x -> {
LockSupport.parkNanos("simulated workload", TimeUnit.SECONDS.toNanos(3));
return x;
})
.forEach(System.out::println);
然后，如果“每个元素的处理时间”已经足够长了。
更新：误解可能是由 Brian Goetz 的误导性陈述引起的：“在您的情况下，您的输入集太小而无法分解”。
必须强调的是，这不是Stream API的通用属性，而是已经使用的Map。 HashMap 有一个后备数组，条目根据其哈希码分布在该数组中。将数组拆分为 n 个范围可能不会导致包含元素的平衡拆分，尤其是在只有两个的情况下。 HashMap 的 Spliterator 的实现者认为在数组中搜索元素以获得完美平衡的拆分过于昂贵，并不是说拆分两个元素不值得。
由于HashMap 的默认容量是16，并且示例只有两个元素，我们可以说地图过大。简单地修复它也可以修复示例：
long start = System.nanoTime();
Map<String, Supplier<String>> input = new HashMap<>(2);
input.put("1", () -> {
System.out.println(Thread.currentThread());
LockSupport.parkNanos("simulated workload", TimeUnit.SECONDS.toNanos(2));
return "a";
});
input.put("2", () -> {
System.out.println(Thread.currentThread());
LockSupport.parkNanos("simulated workload", TimeUnit.SECONDS.toNanos(2));
return "b";
});
Map<String, String> results = input.keySet()
.parallelStream().collect(Collectors.toConcurrentMap(
key -> key,
key -> input.get(key).get()));
System.out.println("Time: " + TimeUnit.NANOSECONDS.toMillis(System.nanoTime()- start));
在我的机器上打印
Thread[main,5,main]
Thread[ForkJoinPool.commonPool-worker-1,5,main]
Time: 2058
结论是 Stream 实现总是尝试使用并行执行，如果你请求它，不管输入大小。但这取决于输入的结构如何将工作负载分配给工作线程。事情可能会更糟，例如如果您从文件中流式传输行。
如果您认为平衡拆分的好处值得复制步骤的成本，您也可以使用new ArrayList<>(input.keySet()).parallelStream() 而不是input.keySet().parallelStream()，因为ArrayList 内的元素分布始终允许完美平衡拆分.