JDK1.8新特性 ForkJoin并行流的使用（三）

在jdk1.8新的stream包中针对集合的操作也提供了并行操作流和串行操作流。并行流就是把内容切割成多个数据块，并且使用多个线程分别处理每个数据块的内容。Stream api中声明可以通过parallel()与sequential()方法在并行流和串行流之间进行切换。
jdk1.8并行流使用的是fork/join框架进行并行操作。
Fork/Join 框架：就是在必要的情况下，将一个大任务，进行拆分(fork)成若干个小任务（拆到不可再拆时），再将一个个的小任务运算的结果进行 join 汇总。
采用 “工作窃取”模式（work-stealing）：
当执行新的任务时它可以将其拆分分成更小的任务执行，并将小任务加到线 程队列中，然后再从一个随机线程的队列中偷一个并把它放在自己的队列中 相对于一般的线程池实现,fork/join框架的优势体现在对其中包含的任务的 处理方式上.在一般的线程池中如果一个线程正在执行的任务由于某些原因 无法继续运行,那么该线程会处于等待状态.而在fork/join框架实现中,如果 某个子问题由于等待另外一个子问题的完成而无法继续运行.那么处理该子 问题的线程会主动寻找其他尚未运行的子问题来执行.这种方式减少了线程

public class ForkJoin extends RecursiveTask<Long> {

    private static final long serialVersionUID = 23423422L;

    private long start;
    private long end;

    // 定义阙值
    private static final long THRESHOLD = 10000L;

    public ForkJoin() {
    }

    public ForkJoin(long start, long end) {
        this.start = start;
        this.end = end;
    }

    @Override
    protected Long compute() {
        if (end - start <= THRESHOLD) {
            long sum = 0;
            for (long i = start; i < end; i++) {
                sum += i;
            }
            return sum;
        } else {
            long middle = (end - start) / 2;
            ForkJoin left = new ForkJoin(start, middle);
            //拆分子任务，压入线程队列
            left.fork();
            ForkJoin right = new ForkJoin(middle + 1, end);
            right.fork();

            //合并并返回
            return left.join() + right.join();
        }
    }

    public static void main(String args[]){
        /**
         * 使用ForkJoin方式
         */
        //开始时间
/*        Instant startTime=Instant.now();
        ForkJoinPool forkJoinPool=new ForkJoinPool();

        ForkJoinTask<Long> forkJoinTask=new ForkJoin(1L, 10000000000L);
        //没有返回值的 pool.execute();
        //有返回值
        long sum=forkJoinPool.invoke(forkJoinTask);
        System.out.println("返回值为："+sum);
        Instant endTime=Instant.now();
        System.out.println(Duration.between(startTime,endTime).getSeconds());*/


        /**
         * 使用parallel
         */
        //开始时间
        Instant startTime=Instant.now();
        LongStream.rangeClosed(0L,100000000000L).parallel().reduce(0,Long::sum);
        //结束时间
        Instant endTime=Instant.now();
        System.out.println(Duration.between(startTime,endTime).getSeconds());

    }
}