ForkJoin详解

ForkJoin简介

Fork/Join框架是Java 7提供的一种用于并行执行任务的框架，它将大任务分解为若干个小任务,并行执行这些小任务，最终通过合并每个小任务的结果得到大任务的结果。

Fork/Join采用的是分而治之的基本思想，分而治之就是将一个复杂的任务，按照规定的阈值划分成多个简单的小任务，然后将这些小任务的结果再进行汇总返回，得到最终的任务。

欢迎关注个人公众号【好好学技术】交流学习

并行和并发的区别

并行和并发是计算机科学中的两个概念，它们之间有一些相似之处，但也有明显的区别。

并行是指多个处理器或者是多核的处理器同时处理多个不同的任务。并行可以在多处理器系统中实现，利用每个处理机来处理一个可并发执行的程序，从而实现多个程序的同时执行。在并行执行时，每个处理器可以同时执行多个程序，从而提高计算效率。

并发是指逻辑上的同时发生（即 true 的同时性），而并行是物理上的同时发生。在多道程序环境下，并发性是指在一段时间内宏观上有多个程序在同时运行，但在单处理机系统中，每一时刻却仅能有一道程序执行，故微观上这些程序只能是分时地交替执行。

简而言之，并行是指多个处理器或多核处理器同时处理多个任务，而并发是指在同一时间内多个任务同时发生。

工作窃取算法

工作窃取算法是指某个线程从其他队列里窃取任务来执行。当工作队列中有空闲任务时，就将任务从原线程的队列中窃取过来，执行完成后再将结果返回给原线程。这样就保证了原线程不会一直等待空闲任务，从而提高了程序的效率。

Fork/Join框架使用ForkJoinPool这个特殊的线程池来处理任务之间有依赖的情况，其实现了“work-stealing”算法（工作量窃取算法）并执行ForkJoinTask对象。ForkJoinPool保持多个线程，其线程数量默认为机器cpu核心数。每个线程都有一个特殊类型的deques队列（双端队列），放置该线程的所有任务，而不是所有线程共享一个公共队列。

每个线程都会保证将自己队列中的任务执行完，当自己的任务执行完成之后，在去看其他线程的任务队列中是否有未处理完的任务，如果有则会帮助其他线程执行。

这时双端队列的优势就体现出来了,被窃取的任务只会从队列的头部获取任务，而正常处理的线程每次都是从队列的尾部获取任务。

求1到1亿的和

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> {  
  
    /**  
    * 小任务的大小阈值  
    */  
    public static final int TASK_SIZE = 100000;  
    /**  
    * 开始数字  
    */  
    private final Long start;  
    /**  
    * 结束数字  
    */  
    private final Long end;  

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

    @Override  
    protected Long compute() {  
        long sum = 0L;  
        //如果任务足够小就计算任务  
        boolean canCompute = (end - start) <= TASK_SIZE;  
        if (canCompute) {  
            for (Long i = start; i <= end; i++) {  
                sum += i;  
            }  
        } else {  
            // 如果任务大于阈值，就分裂成两个子任务计算  
            long middle = (start + end) / 2;  
            ForkJoinDemo leftTask = new ForkJoinDemo(start, middle);  
            ForkJoinDemo rightTask = new ForkJoinDemo(middle + 1, end);  

            // 执行子任务  
            leftTask.fork();  
            rightTask.fork();  

            // 等待任务执行结束合并其结果  
            Long leftResult = leftTask.join();  
            Long rightResult = rightTask.join();  

            // 合并子任务  
            sum = leftResult + rightResult;  
        }  
        return sum;  
    }  

    public static void main(String[] args) {  
        ForkJoinPool forkjoinPool = new ForkJoinPool();  
        //生成一个计算任务，计算1+2+3+4+...+100000000  
        ForkJoinDemo task = new ForkJoinDemo(1L, 100000000L);  
        StopWatch stopWatch = new StopWatch();  
        stopWatch.start();  
        //执行一个任务  
        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("总耗时：" + stopWatch.getTotalTimeMillis() + "毫秒");  
        System.out.println("getParallelism:" + forkjoinPool.getParallelism());  
        System.out.println("getPoolSize:" + forkjoinPool.getPoolSize());  
    }  
}

输出结果

result:5000000050000000
总耗时：330毫秒
getParallelism:6
getPoolSize:7

ForkJoin框架实现

ForkJoinPool

ForkJoinPool是用于运行ForkJoinTasks的线程池，实现了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构造方法有四个参数：

• parallelism：期望并发数。默认会使用Runtime.getRuntime().availableProcessors()的值
• factory：创建ForkJoin工作线程的工厂，默认为defaultForkJoinWorkerThreadFactory
• handler：执行任务时遇到不可恢复的错误时的处理程序，默认为null
• asyncMode：工作线程获取任务使用FIFO(先进先出)模式还是LIFO(后进先出)模式，默认为LIFO

ForkJoinTask

ForkJoinTask是对于在ForkJoinPool中运行任务的抽象类定义。

JDK为我们提供了三种特定类型的ForkJoinTask父类供我们自定义时继承使用。

• RecursiveAction：子任务不返回结果
• RecursiveTask：子任务返回结果
• CountedCompleter：在任务完成执行后会触发执行

ForkJoinWorkerThread

ForkJoinPool中用于执行ForkJoinTask的线程。
ForkJoinPool实现了Executor接口。但是和我们常用的ThreadPoolExecutor又有一些区别。

如果使用ThreadPoolExecutor来实现上面分治任务，那么每个子任务都需要创建一个线程，如果子任务的数量很大，假设有上万个，那么使用ThreadPoolExecutor创建出上万个线程，这显然是不可行也不合理的；

而ForkJoinPool在处理任务时，并不会按照任务开启线程，而是按照指定的期望并行数量创建线程。在每个线程工作时，如果需要继续拆分子任务，则会将当前任务放入ForkJoinWorkerThread的任务队列中，递归处理直到最外层的任务。

ForkJoinTask启动方式

• 异步执行
  forkjoinPool.execute(task);无返回结果
• 同步执行
  forkjoinPool.invoke(task);等待返回结果
• 异步执行，通过Future获取结果
  forkjoinPool.submit(task);

总结

在使用Fork/Join框架时，需要注意以下几点：

1. 必须首先创建一个ForkJoinTask对象。
2. 在分发任务时，需要注意线程安全问题，防止多个线程同时访问共享资源。可以使用synchronized关键字或者Lock对象来保证线程安全。
3. 在合并结果时，也需要注意线程安全问题，可以使用CountDownLatch对象来确保每个Fork执行完成后才能提交结果。
4. 在使用Fork/Join框架时，需要考虑算法的效率和性能问题。可以使用Cache技术来减少不必要的计算，使用join策略来合并结果等。

总之，Fork/Join框架是一种非常有用的并行计算框架，可以大大提高程序的执行效率和并发能力。