java并行计算框架Fork/Join_多线程处理

转载：http://www.cnblogs.com/tankaixiong/p/6093779.html

故名思义，拆分fork+合并join。jdk1.7整合Fork/Join，性能上有大大提升。

思想:充分利用多核CPU把计算拆分成多个子任务，并行计算，提高CPU利用率大大减少运算时间。有点像，MapReduce思路感觉大致一样。

jdk7中已经提供了最简洁的接口，让你不需要太多时间关心并行时线程的通信，死锁问题，线程同步，下面是它提供的接口：

简单示例：

package tank.forjoin.demo;

import java.util.concurrent.RecursiveTask;

/**
        * @author tank
        * @date:2014-8-27 下午01:30:06
        * @description:
        * @version :任务
        * futrue:
        * forkjoinTask:recursiveTask recursiveAction
        */
public class Demo1 extends RecursiveTask<Integer> {
    private int start;
    private int end;

    public Demo1(int start, int end) {
        this.start = start;
        this.end = end;
    }

    //计算
    @Override
    protected Integer compute() {
        int sum = 0;
        if (start - end < 100) {
            for (int i = start; i < end; i++) {
                sum += i;
            }
        } else {//间隔有100则拆分多个任务计算
            int middle = (start + end) / 2;
            Demo1 left = new Demo1(start, middle);
            Demo1 right = new Demo1(middle + 1, end);
            left.fork();
            right.fork();

            sum = left.join() + right.join();
        }
        return sum;
    }
}

package tank.forjoin.demo;

import java.util.concurrent.ExecutionException;
import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.Future;

import org.junit.Test;

/**
        * @author tank
        * @date:2014-8-27 下午01:50:20
        * @description:
        * @version :
        */
public class TestDemo1 {
    @Test
    public void testDemo1() throws InterruptedException, ExecutionException {
        ForkJoinPool forkJoinPool = new ForkJoinPool();//对线程池的扩展
        Future<Integer> result = forkJoinPool.submit(new Demo1(1, 10000));

        System.out.println(result.get());
　　　　　
　　　　　forkJoinPool.shutdown();
    }

}

RecursiveAction 无返回值任务。

RecursiveTask有返回值类型。

ForkJoinPool提供了一系列的submit方法，计算任务。ForkJoinPool默认的线程数通过Runtime.availableProcessors()获得，因为在计算密集型的任务中，获得多于处理性核心数的线程并不能获得更多性能提升。