ForkJoin 和 Stream并行流

还在用 for 循环计算两个数之间所有数的和吗？下面提供两种新方法！

1. ForkJoin

1.1 背景

要知道，在一个方法中，如果没有做特殊的处理，那么在方法开始到结束使用的都是同一个线程，无论你的业务有多复杂
那么就有人在想，能不能在一个方法里使用多个线程来完成一个复杂的业务？

ForkJoin 拆分合并
在一定程度上满足了上述的场景，使用 ForkJoin 后，可以根据自己的需要将一个任务拆分为多个任务；当多个任务都执行完后，再将结果汇总返回

1.2 实例

比如：我现在要计算 1～1000000000 之间所有数的和

继承 RecursiveTask 并行任务类，编写对应的计算方法

public class ForkJoinDemo extends RecursiveTask<Long> {
    private Long start;
    private Long end;
    private Long temp = 1000L; // 临界值

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

    @Override
    protected Long compute() {
        if ((end - start) < temp) {
        	// 数据量不大就不必拆分任务
            Long sum = 0L;
            for (Long i = start; i <= end; i++) {
                sum += i;
            }
            return sum;
        } else {
            long middle = (start + end) >>> 1; // 中间值
            ForkJoinDemo task1 = new ForkJoinDemo(start, middle);
            task1.fork(); // 拆分任务，把任务压入队列
            ForkJoinDemo task2 = new ForkJoinDemo(middle+1, end);
            task2.fork(); // 拆分任务，把任务压入队列

            // 合并结果
            return task1.join() + task2.join();
        }
    }
}

编写测试类调用上面的方法

public class DemoTest01 {
    public static void main(String[] args) throws Exception {
        ForkJoinPool forkJoinPool = new ForkJoinPool();
        ForkJoinTask<Long> task = new ForkJoinDemo(0L, 10_0000_0000L);
        ForkJoinTask<Long> submit = forkJoinPool.submit(task);
        Long sum = submit.get();
        System.out.println("sum = " + sum);
    }
}

1.3 注意点

细心的人应该会看到，本人在计算中间值时，使用了位运算
并不是因为显得很厉害，而是因为之前踩过坑

细想，如果是 int 类型的话，(start + end) / 2 ；乍一眼看上去好像没什么问题
但我们都知道 int 的最大值是 2147483647。如果 start = 2147483645，end = 2147483645，虽然 start 和 end 都没有超出最大值，但是如果加起来的话就会造成溢出，从而导致中间值计算错误

所以也是提醒大家，越是简单的问题越容易被忽略

2. Stream 并行流

如何使用 Stream 并行流实现计算 1～1000000000 之间所有数的和
一行代码解决！

public class DemoTest01 {
    public static void main(String[] args) throws Exception {
        // rangeClosed 前开后闭 (]
        long sum = LongStream.rangeClosed(0L, 10_0000_0000L).parallel().reduce(0, Long::sum);
        System.out.println("sum = " + sum);
    }
}