什么是fork/join框架
fork/join框架是ExecutorService接口的一个实现，可以帮助开发人员充分利用多核处理器的优势，编写出并行执行的程序，提高应用程序的性能；设计的目的是为了处理那些可以被递归拆分的任务。
fork/join框架与其它ExecutorService的实现类相似，会给线程池中的线程分发任务，不同之处在于它使用了工作窃取算法，所谓工作窃取，指的是对那些处理完自身任务的线程，会从其它线程窃取任务执行。
fork/join框架的核心是ForkJoinPool类，该类继承了AbstractExecutorService类。ForkJoinPool实现了工作窃取算法并且能够执行 ForkJoinTask任务。
基本使用方法
在使用fork/join框架之前，我们需要先对任务进行分割，任务分割代码应该跟下面的伪代码类似：
if (任务足够小){ 直接执行该任务;
}else{ 将任务一分为二; 执行这两个任务并等待结果;
}
首先，我们会在ForkJoinTask的子类中封装以上代码，不过一般我们会使用更加具体的ForkJoinTask类型，如 RecursiveTask（可以返回一个结果）或RecursiveAction。
当写好ForkJoinTask的子类后，创建该对象，该对象代表了所有需要完成的任务；然后将这个任务对象传给ForkJoinPool实例的invoke()去执行即可。
例子-图像模糊
为了更加直观的理解fork/join框架是如何工作的，可以看一下下面这个例子。假定我们有一个图像模糊的任务需要完成，原始图像数据可以用一个整型数组表示，每一个整型元素包含了一个像素点的颜色值（RBG，存放在整型元素的不同位中）。目标图像同样是由一个整型数组构成，每个整型元素包含RBG颜色信息；
执行模糊操作需要遍历原始图像整型数组的每个元素，并对其周围的像素点做均值操作（RGB均值），然后将结果存放到目标数组中。由于图像是一个大数组，这个处理操作会花费一定的时间。但是有了fork/join框架，我们可以充分利用多核处理器进行并行计算。如下是一个可能的代码实现（图像做水平方向的模糊操作）：
Tips：该例子仅仅是阐述fork/join框架的使用，并不推荐使用该方法做图像模糊，图像边缘处理也没做判断
public class ForkBlur extends RecursiveAction { private static final long serialVersionUID = -8032915917030559798L; private int[] mSource; private int mStart; private int mLength; private int[] mDestination; private int mBlurWidth = 15; // Processing window size, should be odd. public ForkBlur(int[] src, int start, int length, int[] dst) { mSource = src; mStart = start; mLength = length; mDestination = dst; } // Average pixels from source, write results into destination. protected void computeDirectly() { int sidePixels = (mBlurWidth - 1) / 2; for (int index = mStart; index < mStart + mLength; index++) { // Calculate average. float rt = 0, gt = 0, bt = 0; for (int mi = -sidePixels; mi <= sidePixels; mi++) { int mindex = Math.min(Math.max(mi + index, 0), mSource.length - 1); int pixel = mSource[mindex]; rt += (float) ((pixel & 0x00ff0000) >> 16) / mBlurWidth; gt += (float) ((pixel & 0x0000ff00) >> 8) / mBlurWidth; bt += (float) ((pixel & 0x000000ff) >> 0) / mBlurWidth; } // Re-assemble destination pixel. int dpixel = (0xff000000) | (((int) rt) << 16) | (((int) gt) << 8) | (((int) bt) << 0); mDestination[index] = dpixel; } } ...
现在，我们开始编写compute()的实现方法，该方法分成两部分：直接执行模糊操作和任务的划分；一个数组长度阈值sThreshold可以帮助我们决定任务是直接执行还是进行划分；
@Override protected void compute() { if (mLength < sThreshold) { computeDirectly(); return; } int split = mLength / 2; invokeAll(new ForkBlur(mSource, mStart, split, mDestination), new ForkBlur(mSource, mStart + split, mLength - split, mDestination)); }
接下来按如下步骤即可完成图像模糊任务啦：
1、创建图像模糊任务
ForkBlur fb = new ForkBlur(src, 0, src.length, dst);
2、创建ForkJoinPool
ForkJoinPool pool = new ForkJoinPool();
3、执行图像模糊任务
pool.invoke(fb);
完整代码如下：
View Code
测试了一下，执行效果如下：
Source image: C:\test6.jpg
Array size is 120000
Threshold is 10000
4 processors are available
Image blur took 10 milliseconds.
Output image: C:\test6_out.jpg
JDK中使用fork/join的例子
除了我们上面提到的使用fork/join框架并行执行图像模糊任务之外，在JAVA SE中，也已经利用fork/join框架实现了一些非常有用的特性。其中一个实现是在JAVA SE8 中java.util.Arrays 类的parallelSort()方法。这些方法和sort()方法类似，但是可以通过fork/join框架并行执行。对于大数组排序，在多核处理器系统中，使用并行排序方法比顺序排序更加高效。当然，关于这些排序方法是如何利用fork/join框架不在本篇文章讨论范围，更多信息可以查看JAVA API文档。
本文转自风一样的码农博客园博客，原文链接：http://www.cnblogs.com/chenpi/p/5581198.html，如需转载请自行联系原作者
