并发编程之Future&ForkJoin框架原理分析
1、Future
1.1、Future是什么？
在我们使用线程池提交线程的时候，往往使用的是execute方法，提交完成之后只能是知道自己提交了，但是却不知线程的执行结果如何，在这里如果我们使用submit方法，就可以得到线程返回的一个Future接口对象，当我们使用Future接口对象get方法去获取返回结果的时候，会发生异步阻塞，当然是可以设置超时时间的。
总结：Future接口对象可以接收线程执行完成之后的结果。
1.2、Future的submit方法示例
public static <RestTemplate> void main(String[] args) {
ExecutorService executor = Executors.newFixedThreadPool(5);
// 这里执行submit到最后就会把队列中的节点unpark()
Future<?> submit = executor.submit(() -> {
System.out.println("this woker start do work");
Thread.sleep(3000);
return 1;
});
try {
// 如果执行到这里上面的异步线程还没有执行完，则会阻塞，也叫异步阻塞
// 如果超过了下面的2s，则会抛出异常
// submit的结果也会进行排队，如果有多个线程去阻塞的话
// 这里的get，会去判断如果线程没有执行完成，则会park()
System.out.println(submit.get(2,TimeUnit.SECONDS));
} catch (InterruptedException e) {
e.printStackTrace();
} catch (ExecutionException e) {
e.printStackTrace();
} catch (TimeoutException e) {
e.printStackTrace();
}
System.out.println("has got the result");
}
2、ForkJoin
2.1、什么是ForkJoin？
概念：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。 主要针对的就是CPU密集型作业。
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。如下图所示：
2.2、ForkJoin工作模型
ForkJoin一般情况下会以计算机的核数来创建工作线程，每一个工作线程都有一个自己的队列（Deque双端队列），先把任务拆分给每个队列，如果未达到标准，会在每个队列中再次拆分任务，然后放到队列中，直至拆分到指定的小分子，再进行计算。大致如下图所示：
2.3、ForkJoin特性
1、ForkJoinPool 不是为了替代 ExecutorService，而是它的补充，在某些应用场景下性能比 ExecutorService 更好。
2、 ForkJoinPool 主要用于实现“分而治之”的算法，特别是分治之后递归调用的函数，例如 quick sort 等。
3、 ForkJoinPool 最适合的是计算密集型的任务，如果存在 I/O，线程间同步，sleep() 等会造成线程长时间阻塞的情况时，最好配 合使用 ManagedBlocker。
2.4、ForkJoin工作窃取
概况：ForkJoin工作窃取是指在多个工作线程同时工作的情况下，有的线程执行的比较快，提前执行完成了，它就可以去把帮助其它线程执行任务，这里说的是偷取到其它现线程的任务。如下图所示：
特点：
1、 ForkJoinPool 的每个工作线程都维护着一个工作队列（WorkQueue），这是一个双端队列（Deque），里面存放的对象是任务 （ForkJoinTask）。
2、每个工作线程在运行中产生新的任务（通常是因为调用了 fork()）时，会放入工作队列的队尾，并且工作线程在处理自己的工作队列时，使用的是 LIFO 方式，也就是说每次从队尾取出任务来执行。
3、每个工作线程在处理自己的工作队列同时，会尝试窃取一个任务（或是来自于刚刚提交到 pool 的任务，或是来自于其他工作线 程的工作队列），窃取的任务位于其他线程的工作队列的队首，也就是说工作线程在窃取其他工作线程的任务时，使用的是 FIFO 方式。
4、 在遇到 join() 时，如果需要 join 的任务尚未完成，则会先处理其他任务，并等待其完成。
5、在既没有自己的任务，也没有可以窃取的任务时，进入休眠。
2.5、ForkJoin应用场景
但都得有一个前提就是数据量特别大的场景下。
1、数据清洗。
2、排序。
3、查找。
2.6、ForkJoin工作图
只有基数队列有线程，偶数队列是对外围线程提交进来任务的缓存。
自己执行任务从队尾去取，也就是上面。
执行其它线程的任务是从对头去取，也就是下面。
2.7、ForkJoin工作提交整体流程图
3、ForkJoin的使用
ForkJoin的使用最常用的有三种方式，下来分别介绍一下：
3.1、RecursiveAction
没有返回值
继承 RecursiveAction 并重写 compute() 方法即可。
代码示例如下：
public class PrintNumMain {
public static void main(String[] args) throws InterruptedException {
// 创建一个 ForkJoinPool 线程池
ForkJoinPool forkJoinPool = new ForkJoinPool();
// 提交一个可分解的Task任务，这里是0-1000的段
forkJoinPool.submit(new PrintNumAction(0, 1000));
//这里的意思是异步阻塞直到上面所有的任务都执行结束
// 然后再睡眠两秒
forkJoinPool.awaitTermination(2, TimeUnit.SECONDS);
// 关闭线程池
forkJoinPool.shutdown();
}
}
public class PrintNumAction extends RecursiveAction {
/**
* 每个最小的Task，最大范围为20
*/
private static final int MAX = 20;
private int start;
private int end;
public PrintNumAction(int start, int end) {
this.start = start;
this.end = end;
}
@Override
protected void compute() {
// 当分下来的最小任务小于 MAX 时，则执行真正逻辑
if((end-start) < MAX) {
for(int i= start; i<end;i++) {
System.out.println("工作线程：" + Thread.currentThread().getName() + "，打印次数：" + i);
}
}else {
// 将大的Task一分为二
int middle = (start + end) / 2;
// 将左边的一部分递归继续分解
PrintNumAction left = new PrintNumAction(start, middle);
// 将右边的一部分递归继续分解
PrintNumAction right = new PrintNumAction(middle + 1, end);
// 将左边的部分fork进队列
left.fork();
// 将右边的部分fork进队列
right.fork();
}
}
}
执行之后的结果如下图所示：
然而发现每一次打印的结果都不一致，说明不是一个线程在执行
3.2、RecursiveTask
有返回值
继承 RecursiveTask 并重写 compute() 方法即可。
代码示例如下：
public class SumNumMain {
public static void main(String[] args) throws InterruptedException, ExecutionException {
// 创建一个 ForkJoinPool 线程池
ForkJoinPool forkJoinPool = new ForkJoinPool();
// 提交一个可分解的Task任务，这里是0-1000的段
ForkJoinTask<Integer> forkJoinTask = forkJoinPool.submit(new SumNumAction(0, 40));
//这里的意思是异步阻塞直到上面所有的任务都执行结束
// 然后再睡眠两秒
forkJoinPool.awaitTermination(2, TimeUnit.SECONDS);
System.out.println("RecursiveTask 结果是：" + forkJoinTask.get());
// 关闭线程池
forkJoinPool.shutdown();
}
}
public class SumNumAction extends RecursiveTask<Integer> {
/**
* 每个最小的Task，最大范围为20
*/
private static final int MAX = 20;
private int start;
private int end;
public SumNumAction(int start, int end) {
this.start = start;
this.end = end;
}
@Override
protected Integer compute() {
// 当分下来的最小任务小于 MAX 时，则执行真正逻辑
if((end-start) < MAX) {
Integer sum = 0;
for(int index = start; index <= end; index++) {
sum += index;
}
return sum;
}else {
// 将大的Task一分为二
int middle = (start + end) / 2;
// 将左边的一部分递归继续分解
SumNumAction left = new SumNumAction(start, middle);
// 将右边的一部分递归继续分解
SumNumAction right = new SumNumAction(middle + 1, end);
// 将左边的部分fork进队列
left.fork();
// 将右边的部分fork进队列
right.fork();
// 等待子任务执行完，并得到其结果
int leftSum = left.join();
int rightSum = right.join();
// 合并子任务
return leftSum + rightSum;
}
}
}
执行结果如下：
3.3、CountedCompleter
包含一个钩子方法
继承 CountedCompleter 并重写 compute() 和 onCompletion() 方法即可。
代码示例如下：
public class PrintMain {
public static void main(String[] args) throws InterruptedException {
// 创建一个 ForkJoinPool 线程池
ForkJoinPool forkJoinPool = new ForkJoinPool();
// 提交一个可分解的Task任务，这里是0-1000的段
forkJoinPool.submit(new PrintAction(0,40));
//这里的意思是异步阻塞直到上面所有的任务都执行结束
// 然后再睡眠两秒
forkJoinPool.awaitTermination(2, TimeUnit.SECONDS);
// 关闭线程池
forkJoinPool.shutdown();
}
}
public class PrintAction extends CountedCompleter<Void> {
/**
* 每个最小的Task，最大范围为20
*/
private static final int MAX = 20;
private int start;
private int end;
public PrintAction(int start, int end) {
this.start = start;
this.end = end;
}
@Override
public void compute() {
// 当分下来的最小任务小于 MAX 时，则执行真正逻辑
if((end-start) < MAX) {
for(int i= start; i < end;i++) {
System.out.println("工作线程：" + Thread.currentThread().getName() + "，打印次数：" + i);
}
}else {
// 将大的Task一分为二
int middle = (start + end) / 2;
// 将左边的一部分递归继续分解
PrintNumAction left = new PrintNumAction(start, middle);
// 将右边的一部分递归继续分解
PrintNumAction right = new PrintNumAction(middle + 1, end);
// 将左边的部分fork进队列
left.fork();
// 将右边的部分fork进队列
right.fork();
}
// 回调钩子函数 onCompletion
tryComplete();
}
@Override
public void onCompletion(CountedCompleter<?> caller) {
System.out.println("1111111111111111111");
}
}
执行结果如下图：
10、辅助知识
10.1、任务性质类型分类
任务类型分类一般分为 CPU密集型（CPU-bound）和 IO密集型（I/O bound），根据两种不同的场景下，为我们对并发线程池的参数设置也是不同的。往往任务一般就分为这两种。
10.1.1、CPU密集型（CPU-bound）
CPU密集型也叫计算密集型，指的是系统的硬盘、内存性能相对CPU要好很多，此时，系统运作大部分的状况是CPU Loading 100%，CPU要读/写I/O(硬盘/内存)，I/O在很短的时间就可以完成，而CPU还有许多运算要处理，CPU Loading很高。
在多重程序系统中，大部份时间用来做计算、逻辑判断等CPU动作的程序称之CPU bound。例如一个计算圆周率至小数点一千位以下的程序，在执行的过程当中绝大部份时间用在三角函数和开根号的计算，便是属于CPU bound的程序。
CPU bound的程序一般而言CPU占用率相当高。这可能是因为任务本身不太需要访问I/O设备，也可能是因为程序是多线程实现因此屏蔽掉了等待I/O的时间。
线程数一般设置为： 线程数 = CPU核数+1 (现代CPU支持超线程)
10.1.2、IO密集型（I/O bound）
IO密集型指的是系统的CPU性能相对硬盘、内存要好很多，此时，系统运作，大部分的状况是CPU在等I/O (硬盘/内存) 的读/写操作，此时CPU Loading并不高。
I/O bound的程序一般在达到性能极限时，CPU占用率仍然较低。这可能是因为任务本身需要大量I/O操作，而pipeline做得不是很好，没有充分利用处理器能力。
线程数一般设置为： 线程数 = （（线程等待时间+线程CPU时间）/线程CPU时间 ）* CPU数目
10.2、分治思维
分治思维就是把大任务拆分成小任务，可以充分的利用我们的CPU多核多线程，一个CPU执行完自己的任务后可以给其他人帮忙，也叫任务窃取。
861
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
