Java 7 引入了一种新的并发框架—— Fork/Join Framework。同时引入了一种新的线程池：ForkJoinPool（ForkJoinPool.coomonPool）
@sun.misc.Contended public class ForkJoinPool extends AbstractExecutorService { }
本文的主要目的是介绍 ForkJoinPool 的适用场景，实现原理，以及示例代码。
说在前面
可以说是说明，也可以说下面是结论：
1.ForkJoinPool 不是为了替代 ExecutorService，而是它的补充，在某些应用场景下性能比 ExecutorService 更好。
2.ForkJoinPool 主要用于实现“分而治之”的算法，特别是分治之后递归调用的函数，例如 quick sort 等。
3.ForkJoinPool 最适合的是计算密集型的任务，如果存在 I/O，线程间同步，sleep() 等会造成线程长时间阻塞的情况时，最好配合使用 ManagedBlocker。
使用
首先介绍的是大家最关心的 Fork/Join Framework 的使用方法，用一个特别简单的求整数数组所有元素之和来作为我们现在需要解决的问题吧。
问题：计算1至10000000的正整数之和。
方案一：最为普通的for循环解决
最简单的，显然是不使用任何并行编程的手段，只用最直白的 for-loop 来实现。下面就是具体的实现代码。
为了面向接口编程，下面我们把计算的方法定义成接口，不同的方案书写不同的实现即可
/** * @author fangshixiang@vipkid.com.cn * @description // * @date 2018/11/5 14:26 */ public interface Calculator { /** * 把传进来的所有numbers 做求和处理 * * @param numbers * @return 总和 */ long sumUp(long[] numbers); }
写一个通过for loop的实现。这段代码毫无出奇之处，也就不多解释了
/** * 通过普通的for循环 实现总和的相加 逻辑非常简单 * * @author fangshixiang@vipkid.com.cn * @description // * @date 2018/11/5 14:31 */ public class ForLoopCalculator implements Calculator { @Override public long sumUp(long[] numbers) { long total = 0; for (long i : numbers) { total += i; } return total; } }
写一个main方法进行测试：
public static void main(String[] args) { long[] numbers = LongStream.rangeClosed(1, 10000000).toArray(); Instant start = Instant.now(); Calculator calculator = new ForLoopCalculator(); long result = calculator.sumUp(numbers); Instant end = Instant.now(); System.out.println("耗时：" + Duration.between(start, end).toMillis() + "ms"); System.out.println("结果为：" + result); } 输出： 耗时：10ms 结果为：50000005000000
方案二：ExecutorService多线程方式实现
在 Java 1.5 引入 ExecutorService 之后，基本上已经不推荐直接创建 Thread 对象，而是统一使用 ExecutorService。毕竟从接口的易用程度上来说 ExecutorService 就远胜于原始的 Thread，更不用提 java.util.concurrent 提供的数种线程池，Future 类，Lock 类等各种便利工具。
由于上面是面向接口的设计，因此我们只需要加一个使用 ExecutorService 的实现类：
/** * 使用ExecutorService实现多线程的求和 * * @author fangshixiang@vipkid.com.cn * @description // * @date 2018/11/5 14:45 */ public class ExecutorServiceCalculator implements Calculator { private int parallism; private ExecutorService pool; public ExecutorServiceCalculator() { parallism = Runtime.getRuntime().availableProcessors(); // CPU的核心数 默认就用cpu核心数了 pool = Executors.newFixedThreadPool(parallism); } //处理计算任务的线程 private static class SumTask implements Callable<Long> { private long[] numbers; private int from; private int to; public SumTask(long[] numbers, int from, int to) { this.numbers = numbers; this.from = from; this.to = to; } @Override public Long call() { long total = 0; for (int i = from; i <= to; i++) { total += numbers[i]; } return total; } } @Override public long sumUp(long[] numbers) { List<Future<Long>> results = new ArrayList<>(); // 把任务分解为 n 份，交给 n 个线程处理 4核心 就等分成4份呗 // 然后把每一份都扔个一个SumTask线程 进行处理 int part = numbers.length / parallism; for (int i = 0; i < parallism; i++) { int from = i * part; //开始位置 int to = (i == parallism - 1) ? numbers.length - 1 : (i + 1) * part - 1; //结束位置 //扔给线程池计算 results.add(pool.submit(new SumTask(numbers, from, to))); } // 把每个线程的结果相加，得到最终结果 get()方法 是阻塞的 // 优化方案：可以采用CompletableFuture来优化 JDK1.8的新特性 long total = 0L; for (Future<Long> f : results) { try { total += f.get(); } catch (Exception ignore) { } } return total; } }
main方法改为：
public static void main(String[] args) { long[] numbers = LongStream.rangeClosed(1, 10000000).toArray(); Instant start = Instant.now(); Calculator calculator = new ExecutorServiceCalculator(); long result = calculator.sumUp(numbers); Instant end = Instant.now(); System.out.println("耗时：" + Duration.between(start, end).toMillis() + "ms"); System.out.println("结果为：" + result); // 打印结果500500 } 输出： 耗时：30ms 结果为：50000005000000
