性能比较
如果数据在1万以内的话，for循环效率高于foreach和stream；如果数据量在10万的时候，stream效率最高，其次是foreach，最后是for。
另外需要注意的是如果数据达到100万的话，parallelStream异步并行处理效率最高，高于foreach和for。
在效率方面，stream().forEach、forEach 和 parallelStream 之间存在一些差异。
stream().forEach：
在处理大量数据时，使用 stream().forEach 可能会比普通的 forEach 更高效。这是因为 stream().forEach 可以使用流式操作，对数据进行更优化的处理，例如通过并行流或者其他优化手段来提高处理速度。
但是需要注意的是，stream().forEach 也可能会引入一些额外的性能开销，比如流的创建和操作过程中的一些额外计算。
forEach：
forEach 方法是集合类的默认方法，它通常会按照集合内部的数据结构进行遍历，不涉及额外的流式操作或并行处理。因此，在某些情况下，forEach 可能会比 stream().forEach 更加高效。
parallelStream：
parallelStream 方法可以在处理大量数据时提供更高的效率，因为它可以利用多核处理器并行处理数据。在某些情况下，特别是对于需要并行处理的大型数据集合，使用 parallelStream 可能会比顺序处理更加高效。
然而，并行处理也可能引入一些额外的开销，比如线程调度、同步等，因此并不是所有情况下都适合使用 parallelStream。
总的来说，对于数据量较小的情况，forEach 和 stream().forEach 的性能差异可能并不明显；而对于大型数据集合或需要并行处理的情况，考虑使用 parallelStream 可能会更加高效。在实际应用中，可以根据具体情况进行性能测试和选择合适的方法。