ForkJoin簡介

Fork/Join框架是Java 7提供的一種用于并行執(zhí)行任務(wù)的框架，它將大任務(wù)分解為若干個小任務(wù),并行執(zhí)行這些小任務(wù)，最終通過合并每個小任務(wù)的結(jié)果得到大任務(wù)的結(jié)果。

Fork/Join采用的是分而治之的基本思想，分而治之就是將一個復(fù)雜的任務(wù)，按照規(guī)定的閾值劃分成多個簡單的小任務(wù)，然后將這些小任務(wù)的結(jié)果再進(jìn)行匯總返回，得到最終的任務(wù)。

并行和并發(fā)的區(qū)別

并行和并發(fā)是計算機(jī)科學(xué)中的兩個概念，它們之間有一些相似之處，但也有明顯的區(qū)別。

并行是指多個處理器或者是多核的處理器同時處理多個不同的任務(wù)。并行可以在多處理器系統(tǒng)中實(shí)現(xiàn)，利用每個處理機(jī)來處理一個可并發(fā)執(zhí)行的程序，從而實(shí)現(xiàn)多個程序的同時執(zhí)行。在并行執(zhí)行時，每個處理器可以同時執(zhí)行多個程序，從而提高計算效率。

并發(fā)是指邏輯上的同時發(fā)生（即 true 的同時性），而并行是物理上的同時發(fā)生。在多道程序環(huán)境下，并發(fā)性是指在一段時間內(nèi)宏觀上有多個程序在同時運(yùn)行，但在單處理機(jī)系統(tǒng)中，每一時刻卻僅能有一道程序執(zhí)行，故微觀上這些程序只能是分時地交替執(zhí)行。

簡而言之，并行是指多個處理器或多核處理器同時處理多個任務(wù)，而并發(fā)是指在同一時間內(nèi)多個任務(wù)同時發(fā)生。

工作竊取算法

工作竊取算法是指某個線程從其他隊列里竊取任務(wù)來執(zhí)行。當(dāng)工作隊列中有空閑任務(wù)時，就將任務(wù)從原線程的隊列中竊取過來，執(zhí)行完成后再將結(jié)果返回給原線程。這樣就保證了原線程不會一直等待空閑任務(wù)，從而提高了程序的效率。

Fork/Join框架使用ForkJoinPool這個特殊的線程池來處理任務(wù)之間有依賴的情況，其實(shí)現(xiàn)了“work-stealing”算法（工作量竊取算法）并執(zhí)行ForkJoinTask對象。ForkJoinPool保持多個線程，其線程數(shù)量默認(rèn)為機(jī)器cpu核心數(shù)。每個線程都有一個特殊類型的deques隊列（雙端隊列），放置該線程的所有任務(wù)，而不是所有線程共享一個公共隊列。

每個線程都會保證將自己隊列中的任務(wù)執(zhí)行完，當(dāng)自己的任務(wù)執(zhí)行完成之后，在去看其他線程的任務(wù)隊列中是否有未處理完的任務(wù)，如果有則會幫助其他線程執(zhí)行。

這時雙端隊列的優(yōu)勢就體現(xiàn)出來了,被竊取的任務(wù)只會從隊列的頭部獲取任務(wù)，而正常處理的線程每次都是從隊列的尾部獲取任務(wù)。

求1到1億的和

package com.fandf.test.forkjoin;  
  
import lombok.extern.slf4j.Slf4j;  
import org.springframework.util.StopWatch;  
  
import java.util.concurrent.ForkJoinPool;  
import java.util.concurrent.Future;  
import java.util.concurrent.RecursiveTask;  
  
/**  
* @author fandongfeng  
*/  
@Slf4j  
public class ForkJoinDemo extends RecursiveTask<Long> {  
  
    /**  
    * 小任務(wù)的大小閾值  
    */  
    public static final int TASK_SIZE = 100000;  
    /**  
    * 開始數(shù)字  
    */  
    private final Long start;  
    /**  
    * 結(jié)束數(shù)字  
    */  
    private final Long end;  

    public ForkJoinDemo(Long start, Long end) {  
        this.start = start;  
        this.end = end;  
    }  

    @Override  
    protected Long compute() {  
        long sum = 0L;  
        //如果任務(wù)足夠小就計算任務(wù)  
        boolean canCompute = (end - start) <= TASK_SIZE;  
        if (canCompute) {  
            for (Long i = start; i <= end; i++) {  
                sum += i;  
            }  
        } else {  
            // 如果任務(wù)大于閾值，就分裂成兩個子任務(wù)計算  
            long middle = (start + end) / 2;  
            ForkJoinDemo leftTask = new ForkJoinDemo(start, middle);  
            ForkJoinDemo rightTask = new ForkJoinDemo(middle + 1, end);  

            // 執(zhí)行子任務(wù)  
            leftTask.fork();  
            rightTask.fork();  

            // 等待任務(wù)執(zhí)行結(jié)束合并其結(jié)果  
            Long leftResult = leftTask.join();  
            Long rightResult = rightTask.join();  

            // 合并子任務(wù)  
            sum = leftResult + rightResult;  
        }  
        return sum;  
    }  

    public static void main(String[] args) {  
        ForkJoinPool forkjoinPool = new ForkJoinPool();  
        //生成一個計算任務(wù)，計算1+2+3+4+...+100000000  
        ForkJoinDemo task = new ForkJoinDemo(1L, 100000000L);  
        StopWatch stopWatch = new StopWatch();  
        stopWatch.start();  
        //執(zhí)行一個任務(wù)  
        Future<Long> result = forkjoinPool.submit(task);  

        try {  
            System.out.println("result:" + result.get());  
        } catch (Exception e) {  
            log.error("exception", e);  
        }  
        stopWatch.stop();  
        System.out.println("總耗時：" + stopWatch.getTotalTimeMillis() + "毫秒");  
        System.out.println("getParallelism:" + forkjoinPool.getParallelism());  
        System.out.println("getPoolSize:" + forkjoinPool.getPoolSize());  
    }  
}

輸出結(jié)果

result:5000000050000000
總耗時：330毫秒
getParallelism:6
getPoolSize:7

ForkJoin框架實(shí)現(xiàn)

ForkJoinPool

ForkJoinPool是用于運(yùn)行ForkJoinTasks的線程池，實(shí)現(xiàn)了Executor接口

public ForkJoinPool() {  
    this(Math.min(MAX_CAP, Runtime.getRuntime().availableProcessors()),  
        defaultForkJoinWorkerThreadFactory, null, false);  
}

public ForkJoinPool(int parallelism,  
                    ForkJoinWorkerThreadFactory factory,  
                    UncaughtExceptionHandler handler,  
                    boolean asyncMode) {  
    this(checkParallelism(parallelism),  
        checkFactory(factory),  
        handler,  
        asyncMode ? FIFO_QUEUE : LIFO_QUEUE,  
        "ForkJoinPool-" + nextPoolId() + "-worker-");  
    checkPermission();  
}

ForkJoinPool構(gòu)造方法有四個參數(shù)：

• parallelism：期望并發(fā)數(shù)。默認(rèn)會使用Runtime.getRuntime().availableProcessors()的值
• factory：創(chuàng)建ForkJoin工作線程的工廠，默認(rèn)為defaultForkJoinWorkerThreadFactory
• handler：執(zhí)行任務(wù)時遇到不可恢復(fù)的錯誤時的處理程序，默認(rèn)為null
• asyncMode：工作線程獲取任務(wù)使用FIFO(先進(jìn)先出)模式還是LIFO(后進(jìn)先出)模式，默認(rèn)為LIFO

ForkJoinTask

ForkJoinTask是對于在ForkJoinPool中運(yùn)行任務(wù)的抽象類定義。

JDK為我們提供了三種特定類型的ForkJoinTask父類供我們自定義時繼承使用。

• RecursiveAction：子任務(wù)不返回結(jié)果
• RecursiveTask：子任務(wù)返回結(jié)果
• CountedCompleter：在任務(wù)完成執(zhí)行后會觸發(fā)執(zhí)行

ForkJoinWorkerThread

ForkJoinPool中用于執(zhí)行ForkJoinTask的線程。
ForkJoinPool實(shí)現(xiàn)了Executor接口。但是和我們常用的ThreadPoolExecutor又有一些區(qū)別。

如果使用ThreadPoolExecutor來實(shí)現(xiàn)上面分治任務(wù)，那么每個子任務(wù)都需要創(chuàng)建一個線程，如果子任務(wù)的數(shù)量很大，假設(shè)有上萬個，那么使用ThreadPoolExecutor創(chuàng)建出上萬個線程，這顯然是不可行也不合理的；

而ForkJoinPool在處理任務(wù)時，并不會按照任務(wù)開啟線程，而是按照指定的期望并行數(shù)量創(chuàng)建線程。在每個線程工作時，如果需要繼續(xù)拆分子任務(wù)，則會將當(dāng)前任務(wù)放入ForkJoinWorkerThread的任務(wù)隊列中，遞歸處理直到最外層的任務(wù)。

ForkJoinTask啟動方式

• 異步執(zhí)行
  forkjoinPool.execute(task);無返回結(jié)果
• 同步執(zhí)行
  forkjoinPool.invoke(task);等待返回結(jié)果
• 異步執(zhí)行，通過Future獲取結(jié)果
  forkjoinPool.submit(task);

總結(jié)

在使用Fork/Join框架時，需要注意以下幾點(diǎn)：

• 必須首先創(chuàng)建一個ForkJoinTask對象。
• 在分發(fā)任務(wù)時，需要注意線程安全問題，防止多個線程同時訪問共享資源?？梢允褂胹ynchronized關(guān)鍵字或者Lock對象來保證線程安全。
• 在合并結(jié)果時，也需要注意線程安全問題，可以使用CountDownLatch對象來確保每個Fork執(zhí)行完成后才能提交結(jié)果。
• 在使用Fork/Join框架時，需要考慮算法的效率和性能問題?？梢允褂肅ache技術(shù)來減少不必要的計算，使用join策略來合并結(jié)果等。

總之，F(xiàn)ork/Join框架是一種非常有用的并行計算框架，可以大大提高程序的執(zhí)行效率和并發(fā)能力。

以上就是詳解Java中的ForkJoin的詳細(xì)內(nèi)容，更多關(guān)于Java ForkJoin的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論