文章目录
终极目标:学习ForkJoin框架实现多线程从1加到一千万
一、ForkJoin框架是啥?
ForkJoin是由JDK1.7后提供多线并发处理框架。ForkJoin的框架的基本思想是分而治之。什么是分而治之?分而治之就是将一个复杂的计算,按照设定的阈值进行分解成多个计算,然后将各个计算结果进行汇总。和分治排序算法的思想类似。相应的ForkJoin将复杂的计算当做一个任务。而分解的多个计算则是当做一个子任务。
ForkJoin框架的大致工作流程如下
1、可以发现每一个任务都有两个操作,1、fork操作:分出子任务;2、join操作:返回结果。
2、大任务的结果等于其三个子任务的结果。每一个任务的结果都为其子任务结果之和
3、ForkJoinPool控制forkjoin框架的运行,即操控ForkJoinTask实现类的实例。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2UsUGw7Y-1588434445654)(C:\Users\Administrator\Desktop\ForkJoin框架.jpg)]
二、ForkJoin框架提供的类
1、ForkJoinTask抽象类小小介绍
使用ForkJoin框架,需要创建一个ForkJoin的任务,而ForkJoinTask是一个抽象类,我们不需要去继承ForkJoinTask进行使用。因为ForkJoin框架为我们提供了RecursiveAction和RecursiveTask。我们只需要继承ForkJoin为我们提供的抽象类的其中一个并且实现compute方法。
下列ForkJoinTask子类的类定义后面的括号内容是其类名的中文翻译
public abstract class RecursiveAction extends ForkJoinTask<Void>(递归操作)
(无返回值)
public abstract class RecursiveTask<V> extends ForkJoinTask<V> (递归任务)
(有返回值)
2、ForkJoinPool小小介绍
ForkJoinTask的任务要通过ForkJoinPool来执行,执行的方法为其中的compute方法,分割的子任务也会添加到当前工作线程的双端队列中,进入队列的头部。当一个工作线程中没有任务时,会从其他工作线程的队列尾部获取一个任务(工作窃取)。
三、实现多线程从1加到一千万
import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.ForkJoinTask;
import java.util.concurrent.RecursiveTask;
/**
* @Info: 1+10000000 ForkJoinPool
* @Author: 唐小尊
* @Date: 2020/3/2 14:34
*/
public class SumTask extends RecursiveTask<Long> {//RecursiveTask有返回值为Long型
//for循环相加最大操作单位,如果end-start>125000则分子任务
private static final int THRESHOLD = 125000;
//存放1~10000000的值,其实没必要,但是由于大多数的forkjoin操作都是数组操作,所以就加上数组
private long[] arr;
//数组遍历的开始下标
private int start;
//数组遍历的结束位置+1
private int end;
/**
* 用于分配子任务的构造函数
* @param arr
* @param start
* @param end
*/
public SumTask(long[] arr, int start, int end) {
this.arr = arr;
this.start = start;
this.end = end;
}
/**
* 子任务求结果
* @return 单个子任务的结果
*/
private long subtotal() {
long sum = 0;
for (int i = start+1; i <= end; i++) {
sum += i;
}
return sum;
}
/**
* 类似于递归执行的递归函数,但是方法的执行由ForkJoinPool类来操控
* 框架操控:分子任务、求结果
* @return 最终结果
*/
@Override
protected Long compute() {
if ((end - start) <= THRESHOLD) {
return subtotal();
}else {
int middle = (start + end) / 2;
SumTask left = new SumTask(arr, start, middle);
SumTask right = new SumTask(arr, middle, end);
left.fork();fork()//安排在池中异步执行此任务
right.fork();fork()//安排在池中异步执行此任务
//return left.invoke() + right.invoke();//invoke()开始执行此任务,等待其完成并返回结果,非异步
return left.join() + right.join();//join()返回计算结果
}
}
public static void main(String[] args){
long time = System.currentTimeMillis();
long[] arr = new long[10000000];
for (int i =0 ; i < 10000000; i++) {
arr[i] =i+1;
}
//实例化ForkJoinPool执行ForkJoinTask中的compute()方法
ForkJoinPool<Long> pool = new ForkJoinPool();
ForkJoinTask<Long> result = pool.submit(new SumTask(arr, 0, arr.length));//submit()提交ForkJoinTask以供执行。
System.out.println("最终计算结果: " + result.invoke()+"耗时:"+(System.currentTimeMillis() - time)+" 毫秒");
pool.shutdown();//已提交的任务将被执行,但不会有新的任务
}
}
最终计算结果: 50000005000000耗时:62 毫秒