使用ForkJoin

Java 7开始引入了一种新的Fork/Join线程池，它可以执行一种特殊的任务：把一个大任务拆成多个小任务并行执行。

我们举个例子：如果要计算一个超大数组的和，最简单的做法是用一个循环在一个线程内完成：

  1. ┌─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┐
  2. └─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┘

还有一种方法，可以把数组拆成两部分，分别计算，最后加起来就是最终结果，这样可以用两个线程并行执行：

  1. ┌─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┐
  2. └─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┘
  3. ┌─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┬─┐
  4. └─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┘

如果拆成两部分还是很大，我们还可以继续拆，用4个线程并行执行：

  1. ┌─┬─┬─┬─┬─┬─┐
  2. └─┴─┴─┴─┴─┴─┘
  3. ┌─┬─┬─┬─┬─┬─┐
  4. └─┴─┴─┴─┴─┴─┘
  5. ┌─┬─┬─┬─┬─┬─┐
  6. └─┴─┴─┴─┴─┴─┘
  7. ┌─┬─┬─┬─┬─┬─┐
  8. └─┴─┴─┴─┴─┴─┘

这就是Fork/Join任务的原理：判断一个任务是否足够小，如果是，直接计算，否则，就分拆成几个小任务分别计算。这个过程可以反复“裂变”成一系列小任务。

我们来看如何使用Fork/Join对大数据进行并行求和：

使用ForkJoin - 图1

观察上述代码的执行过程，一个大的计算任务0~2000首先分裂为两个小任务0~1000和1000~2000，这两个小任务仍然太大，继续分裂为更小的0~500，500~1000，1000~1500，1500~2000，最后，计算结果被依次合并，得到最终结果。

因此，核心代码SumTask继承自RecursiveTask，在compute()方法中，关键是如何“分裂”出子任务并且提交子任务：

  1. class SumTask extends RecursiveTask<Long> {
  2.     protected Long compute() {
  3.         // “分裂”子任务:
  4.         SumTask subtask1 = new SumTask(...);
  5.         SumTask subtask2 = new SumTask(...);
  6.         // invokeAll会并行运行两个子任务:
  7.         invokeAll(subtask1, subtask2);
  8.         // 获得子任务的结果:
  9.         Long result1 = fork1.join();
  10.         Long result2 = fork2.join();
  11.         // 汇总结果:
  12.         return result1 + result2;
  13.     }
  14. }

Fork/Join线程池在Java标准库中就有应用。Java标准库提供的java.util.Arrays.parallelSort(array)可以进行并行排序，它的原理就是内部通过Fork/Join对大数组分拆进行并行排序，在多核CPU上就可以大大提高排序的速度。

练习

下载练习：使用Fork/Join （推荐使用IDE练习插件快速下载）

小结

Fork/Join是一种基于“分治”的算法：通过分解任务，并行执行，最后合并结果得到最终结果。

ForkJoinPool线程池可以把一个大任务分拆成小任务并行执行，任务类必须继承自RecursiveTask或RecursiveAction。

使用Fork/Join模式可以进行并行计算以提高效率。

读后有收获可以支付宝请作者喝咖啡，读后有疑问请加微信群讨论

使用ForkJoin - 图2使用ForkJoin - 图3