并行流就是把一个内容分成多个数据块,并用不同的线程分别处理每个数据块的流。
Java8中将并行流进行了优化,我们很容易的对数据进行并行操作。Stream API可以声明性地通过parallel()与scqucntial()在并行流与顺序流之间进行切换。
Fork-Join框架:是Java7提供的一个用于执行任务的框架,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(拆分到不能再拆分),再将一个个的小任务运算的结果进行Join汇总。
Fork-Join框架是ExecutorService接口的一种具体实现,目的是为了帮助更好的利用多处理器带来的好处。它是为那些能被递归地拆分成子任务的工作类型量身设计的。其目的在于能够使用所有有可用的运算能力来提升你的应用的性能。
Fork/Join 框架与传统线程池的区别
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 的等待时间, 高了性能。
package ParallelFlow;
import java.util.concurrent.RecursiveTask;
public class ParallelFlow extends RecursiveTask<Long>{
private long start;
private long end;
private static final long THRESHOLD = 10000;//临界值
public ParallelFlow(long start, long end) {
this.start = start;
this.end = end;
}
@Override
protected Long compute() {
long length = end - start;
/*如果不到临界值就执行加操作*/
if (length <= THRESHOLD){
long sum = 0;
for (long i = start;i<=end;i++){
sum += i;
}
return sum;
}else {
long middle = (start + end) / 2;
ParallelFlow left = new ParallelFlow(start, middle);
left.fork();//拆分子任务,同时压入线程队列
ParallelFlow right = new ParallelFlow(middle + 1, end);
right.fork();
return left.join() + right.join();
}
}
}
package ParallelFlow;
import org.junit.Test;
import java.time.Duration;
import java.time.Instant;
import java.util.concurrent.ForkJoinPool;
import java.util.stream.LongStream;
public class TestForkJoin {
/*
ForkJoin框架
*/
@Test
public void fun1(){
Instant start = Instant.now();
ForkJoinPool pool = new ForkJoinPool();
ParallelFlow task = new ParallelFlow(0, 1000000000L);
Long sum = pool.invoke(task);
System.out.println(sum);
Instant end = Instant.now();
System.out.println("耗时时间为:" + Duration.between(start,end).toMillis());//耗时时间为:3873
}
/*
普通for
*/
@Test
public void fun2(){
Instant start = Instant.now();
long sum = 0L;
for (long i = 0;i<1000000000L;i++){
sum += i;
}
System.out.println(sum);
Instant end = Instant.now();
System.out.println("耗时时间为:" + Duration.between(start,end).toMillis());//耗时时间为:4167
}
/*
Java8并行流
*/
@Test
public void fun3(){
Instant start = Instant.now();
LongStream.rangeClosed(0,1000000000L)
.parallel()
.reduce(0,Long::sum);
Instant end = Instant.now();
System.out.println("耗时时间为:" + Duration.between(start,end).toMillis());//耗时时间为:3063
}
}