转载自 https://blog.csdn.net/weixin_41404773/article/details/80733324

什么是Fork/Join框架
        Fork/Join框架是Java7提供了的一个用于并行执行任务的框架, 是一个把大任务分割成若干个小任务,最终汇总每个小任务结果后得到大任务结果的框架。

我们再通过Fork和Join这两个单词来理解下Fork/Join框架,Fork就是把一个大任务切分为若干子任务并行的执行,Join就是合并这些子任务的执行结果,最后得到这个大任务的结果。比如计算1+2+。。+10000,可以分割成10个子任务,每个子任务分别对1000个数进行求和,最终汇总这10个子任务的结果。Fork/Join的运行流程图如下:

工作窃取算法
         工作窃取(work-stealing)算法是指某个线程从其他队列里窃取任务来执行。工作窃取的运行流程图如下:

那么为什么需要使用工作窃取算法呢?假如我们需要做一个比较大的任务,我们可以把这个任务分割为若干互不依赖的子任务,为了减少线程间的竞争,于是把这些子任务分别放到不同的队列里,并为每个队列创建一个单独的线程来执行队列里的任务,线程和队列一一对应,比如A线程负责处理A队列里的任务。但是有的线程会先把自己队列里的任务干完,而其他线程对应的队列里还有任务等待处理。干完活的线程与其等着,不如去帮其他线程干活,于是它就去其他线程的队列里窃取一个任务来执行。而在这时它们会访问同一个队列,所以为了减少窃取任务线程和被窃取任务线程之间的竞争,通常会使用双端队列,被窃取任务线程永远从双端队列的头部拿任务执行,而窃取任务的线程永远从双端队列的尾部拿任务执行。

工作窃取算法的优点是充分利用线程进行并行计算,并减少了线程间的竞争,其缺点是在某些情况下还是存在竞争,比如双端队列里只有一个任务时。并且消耗了更多的系统资源,比如创建多个线程和多个双端队列。

ForkJoinPool
        Java提供了ForkJoinPool来支持将一个任务拆分成多个“小任务”并行计算,再把多个“小任务”的结果合成总的计算结果。

ForkJoinPool是ExecutorService的实现类,因此是一种特殊的线程池。ForkJoinPool提供了如下两个常用的构造器。

public ForkJoinPool(int parallelism):创建一个包含parallelism个并行线程的ForkJoinPool
 public ForkJoinPool() :以Runtime.getRuntime().availableProcessors()的返回值作为parallelism来创建ForkJoinPool
         创建ForkJoinPool实例后,可以钓鱼ForkJoinPool的submit(ForkJoinTask<T> task)或者invoke(ForkJoinTask<T> task)来执行指定任务。其中ForkJoinTask代表一个可以并行、合并的任务。ForkJoinTask是一个抽象类,它有两个抽象子类:RecursiveAction和RecursiveTask。

RecursiveTask代表有返回值的任务
RecursiveAction代表没有返回值的任务。

RecursiveAction
下面以一个没有返回值的大任务为例,介绍一下RecursiveAction的用法。

大任务是:打印0-100的数值。

小任务是:每次只能打印20个数值。

代码执行

package com.example.jedis.test;

import java.util.concurrent.RecursiveAction;

/**
 *
 * @Author : Wukn
 * @Date : 2018/2/5
 */
public class RaskDemo extends RecursiveAction {
    /**
     *  每个"小任务"最多只打印20个数
      */
    private static final int MAX = 20;

private int start;
    private int end;

public RaskDemo(int start, int end) {
        this.start = start;
        this.end = end;
    }

@Override
    protected void compute() {
        //当end-start的值小于MAX时,开始打印
        if((end-start) < MAX) {
            for(int i= start; i<end;i++) {
                System.out.println(Thread.currentThread().getName()+"i的值"+i);
            }
        }else {
            // 将大任务分解成两个小任务
            int middle = (start + end) / 2;
            RaskDemo left = new RaskDemo(start, middle);
            RaskDemo right = new RaskDemo(middle, end);
            left.fork();
            right.fork();
        }
    }
}

public static void main(String[] args) throws Exception{
    // 创建包含Runtime.getRuntime().availableProcessors()返回值作为个数的并行线程的ForkJoinPool
    ForkJoinPool forkJoinPool = new ForkJoinPool();

// 提交可分解的PrintTask任务
    forkJoinPool.submit(new RaskDemo(0, 1000));

//阻塞当前线程直到 ForkJoinPool 中所有的任务都执行结束
    forkJoinPool.awaitTermination(2, TimeUnit.SECONDS);

// 关闭线程池
    forkJoinPool.shutdown();
}

运行结果

从上面结果来看,ForkJoinPool启动了四个线程来执行这个打印任务,我的计算机的CPU是四核的。大家还可以看到程序虽然打印了0-999这一千个数字,但是并不是连续打印的,这是因为程序将这个打印任务进行了分解,分解后的任务会并行执行,所以不会按顺序打印。

RecursiveTask
下面以一个有返回值的大任务为例,介绍一下RecursiveTask的用法。

大任务是:计算随机的1000个数字的和。

小任务是:每次只能70个数值的和。

package com.example.jedis.test;

import java.util.concurrent.RecursiveTask;

/**
 *
 * @Author : Wukn
 * @Date : 2018/2/5
 */
public class RecursiveTaskDemo extends RecursiveTask<Integer> {

/**
     *  每个"小任务"最多只打印70个数
     */
    private static final int MAX = 70;
    private int arr[];
    private int start;
    private int end;

public RecursiveTaskDemo(int[] arr, int start, int end) {
        this.arr = arr;
        this.start = start;
        this.end = end;
    }

@Override
    protected Integer compute() {
        int sum = 0;
        // 当end-start的值小于MAX时候,开始打印
        if((end - start) < MAX) {
            for (int i = start; i < end; i++) {
                sum += arr[i];
            }
            return sum;
        }else {
            System.err.println("=====任务分解======");
            // 将大任务分解成两个小任务
            int middle = (start + end) / 2;
            RecursiveTaskDemo left = new RecursiveTaskDemo(arr, start, middle);
            RecursiveTaskDemo right = new RecursiveTaskDemo(arr, middle, end);
            // 并行执行两个小任务
            left.fork();
            right.fork();
            // 把两个小任务累加的结果合并起来
            return left.join() + right.join();
        }
    }

}
    @Test
    public void dfs() throws Exception{
        int arr[] = new int[1000];
        Random random = new Random();
        int total = 0;
        // 初始化100个数字元素
        for (int i = 0; i < arr.length; i++) {
            int temp = random.nextInt(100);
            // 对数组元素赋值,并将数组元素的值添加到total总和中
            total += (arr[i] = temp);
        }
        System.out.println("初始化时的总和=" + total);

// 创建包含Runtime.getRuntime().availableProcessors()返回值作为个数的并行线程的ForkJoinPool
        ForkJoinPool forkJoinPool = new ForkJoinPool();

// 提交可分解的PrintTask任务
//        Future<Integer> future = forkJoinPool.submit(new RecursiveTaskDemo(arr, 0, arr.length));
//        System.out.println("计算出来的总和="+future.get());

Integer integer = forkJoinPool.invoke( new RecursiveTaskDemo(arr, 0, arr.length)  );
        System.out.println("计算出来的总和=" + integer);

// 关闭线程池
        forkJoinPool.shutdown();
    }

从上面结果来看,ForkJoinPool将任务分解了15次,程序通过SumTask计算出来的结果,和初始化数组时统计出来的总和是相等的,这表明计算结果一切正常。

总结

第一步分割任务

首先我们需要有一个fork类来把大任务分割成子任务,有可能子任务还是很大,所以还需要不停的分割,直到分割出的子任务足够小。

第二步执行任务并合并结果。

分割的子任务分别放在双端队列里,然后几个启动线程分别从双端队列里获取任务执行。子任务执行完的结果都统一放在一个队列里,启动一个线程从队列里拿数据,然后合并这些数据。

能够轻松的利用多个 CPU 提供的计算资源来协作完成一个复杂的计算任务,提高运行效率!

java8新的写法

/**************************************  并行流 与 顺序流  ******************************************************/

/**
     *并行流 与 顺序流
     */
    @Test
    public void test03() {

Instant start = Instant.now();
        LongStream.rangeClosed( 0,110 )
                //并行流
                .parallel()
                .reduce( 0,Long::sum );

LongStream.rangeClosed( 0,110 )
                //顺序流
                .sequential()
                .reduce( 0,Long::sum );

Instant end = Instant.now();
        System.out.println("耗费时间"+ Duration.between( start,end ).toMillis());

}

RecursiveTask和RecursiveAction的使用 以及java 8 并行流和顺序流相关推荐

  1. java并发编程学习6--并行流

    [概念 并行流就是一个把内容分成多个数据块,并用不同的线程分别处理每一个数据块的流.在java7之前,并行处理数据很麻烦,第一,需要明确的把包含数据的数据结构分成若干子部分.第二,给每一个子部分分配一 ...

  2. java 读取流的字符编码格式_如何使用Java代码获取文件、文件流或字符串的编码方式...

    标签: 今天通过网络资源研究了一下如何使用Java代码获取文件.文件流或字符串的编码方式,现将代码与大家分享: package com.ghj.packageoftool; import info.m ...

  3. Java基础知识回顾之六 ----- IO流

    前言 在上一篇文章中,回顾了Java的多线程.而在本篇文章中主要介绍Java IO的相关知识. IO的介绍 什么是IO? IO的名称又来是Input与Output的缩写,也就是输入流和输出流.输入流用 ...

  4. 拥抱 Java 8 并行流吧,让执行速度飞起!

    点击上方蓝色"方志朋",选择"设为星标" 回复"666"获取独家整理的学习资料! 作者:后青春期的Keats cnblogs.com/kea ...

  5. java中的常用的文件流_Java 基础(四)| IO 流之使用文件流的正确姿势

    image.png 一.什么是 IO 流? 想象一个场景:我们在电脑上编辑文件,可以保存到硬盘上,也可以拷贝到 U 盘中.那这个看似简单的过程,背后其实是数据的传输. 数据的传输,也就是数据的流动.既 ...

  6. LeetCode1117. Building H2O --Java解法--多线程保证执行顺序--AtomicInteger

    此文首发于我的个人博客:LeetCode 1117. Building H2O --Java解法–多线程保证执行顺序–AtomicInteger - zhang0peter的个人博客 LeetCode ...

  7. Java中有几种类型的流?以及常见的实现类都有哪些?

    首先应该从两个角度来看: 从输入输出方面来讲:       Java中有输入流和输出流 从流的编码方式上来讲:    Java中有字节流和字符流 下面主要讲解从编码方式来看java几种常见的类型的流. ...

  8. java io文件流序列化_Java——Properties集合,Object序列化流与反序列化流,打印流,commons-IO文件工具类...

    一.properties集合 集合对象Properties类,继承Hashtable,实现Map接口,可以和IO对象结合使用,实现数据的持久存储. 特点: Hashtable的子类,map集合中的方法 ...

  9. Java核心类库-IO-字节数组流/内存流

    内存流(数组流): 把数据先临时存在数组中,待会再从数组中获取出来. 1. 字节内存流:ByteArrayInputStream/ByteArrayOutputStream 2. 字符内存流:Char ...

最新文章

  1. python 归一化_python 归一化
  2. AI Time | 激辩自动驾驶:近在咫尺还是遥遥无期
  3. ubuntu 之 查看 cuda,cudnn版本
  4. iscsi网络存储介绍及客户端配置操作
  5. oracle lms进程 内存,Oracle RAC 内存融合(Cache Fusion)
  6. 数据同步到redis中时候需要 需要给关联的表增加id 如果是一对多 则增加list存储id 如果是一个 则增加一个字段 ;目的是便于取值...
  7. python3 输入输出_Python3基础之输入和输出实例分析
  8. 论文浅尝 | 用图网络做小样本学习
  9. MongoDB入门 - 安装教程
  10. php中怎么应用css文件,利用PHP怎么下载CSS文件中的图片
  11. RestTemplate远程接口调用
  12. 【优化算法】麻雀搜索优化算法(SSA)【含Matlab源码 1288期】
  13. Google Chrome谷歌浏览器繁体字修改为简体字
  14. 将Solidworks Toolbox中的标准件更改为普通零件
  15. 读书笔记之《史记》读后感心得体会
  16. 搭建好的飞飞服务器(虚拟机)+客户端(物理机)分享给大家
  17. Log4j for C++ 实用指南
  18. 我如何在1年内在YouTube上从0到70k的订阅者流失-以及我赚了多少钱
  19. 求婚姻、化解婚外情等求作明佛母
  20. 软件研发项目管理方案:全面提供计划与执行信息

热门文章

  1. 线段树求逆序数(单点更新)
  2. Qt中文乱码解决思路
  3. 【Boost】boost库中function和bind一起使用的技巧(一)
  4. cocos2d-x游戏开发(十四)用shader使图片背景透明
  5. 快速发包突破ARP防火墙思路
  6. OSI 网络协议模型为什么是 7 层?
  7. 常见的反爬手段和解决思路
  8. python中内置的数据结构有几种?
  9. 硬货 | 浅谈 CAP 和 Paxos 共识算法
  10. RabbitMQ之镜像队列