快捷搜索:  汽车  科技

java常用并发类:Java并发编程的艺术 并发容器和框架之Fork

java常用并发类:Java并发编程的艺术 并发容器和框架之Fork定义任务使用需要下面步骤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。利用分而治之的思想 工作窃取算法,实现的一种线程池;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。下面会从下面几个方面来介绍5.1 使用

work-stealing 原理

java常用并发类:Java并发编程的艺术  并发容器和框架之Fork(1)

  • ForkJoinPool 的每个工作线程都维护着一个工作队列(WorkQueue),这是一个双端队列(Deque),里面存放的对象是任务(ForkJoinTask)。
  • 每个工作线程在运行中产生新的任务(通常是因为调用了 fork())时,会放入工作队列的队尾,并且工作线程在处理自己的工作队列时,使用的是 LIFO 方式,也就是说每次从队尾取出任务来执行。
  • 每个工作线程在处理自己的工作队列同时,会尝试窃取一个任务(或是来自于刚刚提交到 pool 的任务,或是来自于其他工作线程的工作队列),窃取的任务位于其他线程的工作队列的队首,也就是说工作线程在窃取其他工作线程的任务时,使用的是 FIFO 方式。
  • 在遇到 join() 时,如果需要 join 的任务尚未完成,则会先处理其他任务,并等待其完成。
    在既没有自己的任务,也没有可以窃取的任务时,进入休眠

Fork/Join框架的核心来自于它的工作窃取及调度策略,可以总结为以下几点:

  1. 每个Worker线程利用它自己的任务队列维护可执行任务;
  2. 任务队列是一种双端队列,支持LIFO的push和pop操作,也支持FIFO的take操作;
  3. 任务fork的子任务,只会push到它所在线程(调用fork方法的线程)的队列;
  4. 工作线程既可以使用LIFO通过pop处理自己队列中的任务,也可以FIFO通过poll处理自己队列中的任务,具体取决于构造线程池时的asyncMode参数;
  5. 当工作线程自己队列中没有待处理任务时,它尝试去随机读取(窃取)其它任务队列的base端的任务;
  6. 当线程进入join操作,它也会去处理其它工作线程的队列中的任务(自己的已经处理完了),直到目标任务完成(通过isDone方法);
  7. 当一个工作线程没有任务了,并且尝试从其它队列窃取也失败了,它让出资源(通过使用yields sleeps或者其它优先级调整)并且随后会再次激活,直到所有工作线程都空闲了——此时,它们都阻塞在等待另一个顶层线程的调用。
五:Fork/Join框架源码解析

Java7 提供了ForkJoinPool来支持将一个任务拆分成多个“小任务”并行计算,再把多个“小任务”的结果合并成总的计算结果。

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。利用分而治之的思想 工作窃取算法,实现的一种线程池;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。

下面会从下面几个方面来介绍

  1. 使用
  2. 数据结构
  3. 流程与逻辑

5.1 使用

使用需要下面步骤

定义任务

普通任务:runnable接口,Callable接口等实现类

ForkJoinTask子类:CountedCompleter、RecursiveAction、RecursiveTask是其进一步实现封装的抽象类;用户选取上述类自行实现即可

提交任务

普通任务提交,必须使用ForkJoinPool

ForkJoinTask类型任务,可以fork来处理

获取结果

ForkJoinTask任务句柄,join方法处理

线程池invoke方法,提交并执行

普通任务这里就不给示例了,和ThreadPoolExecutor使用没有啥区别;下面举个 ForkJoinTask类型任务例子

5.1.1定义任务

class Task(private val num : Int) : RecursiveTask<Long>() { override fun compute(): Long { if (num < 2) return 1L val t1 = Task(num - 1) val t2 = Task(num - 2) t1.fork() t2.fork() return t1.join() t2.join() } }

RecursiveTask是有计算结果的任务,RecursiveAction无计算结果的任务;CountedCompleter后面会单独介绍

5.1.2 任务提交、结果获取

val task = Task(20) task.fork() print(task.join())

又或者线程池提交

print(ForkJoinPool(10).submit(Task(20)).join()) print(ForkJoinPool(10).invoke(Task(20))) print(ForkJoinPool.commonPool().invoke(Task(20)))

ForkJoinPool.commonPool()为通用的、已提供的ForkJoinPool实例;这里要注意join方法为阻塞方法;另外也要注意,fork方法虽然是提交任务,但是任务有可能被窃取执行,所以,join有可能立即获取结果;所以需要在合理的地方进行结果获取;也可获取提交任务句柄,在需要的地方进行获取值

使用是不是很简单,但是我说上面任务返回结果

return t1.join() t2.join()

替换为

return t2.join() t1.join()

执行效率会略高一些,你会信吗?这个和join方法内的逻辑有关,如果任务最后一个加入,则可以优先执行,而不必等待

5.1.3 CountedCompleter任务

复杂且使用比较灵活;它可以通过内部逻辑把自己转化为RecursiveTask、RecursiveAction任务,也可以更灵活的使用,并且最大的不同就是其只有一个任务需要join操作且任务间并不阻塞线程池内部的调用,任务间的联系需要通过相应回调来触发,其通过完成回调方法合并其依赖的结果;内部增加了如下两个成员变量

final CountedCompleter<?> completer; volatile int pending;

completer:依赖当前任务的节点;其像链表,但又不是,说是树可能更合适;最开始的那个任务,是树根节点,其依赖的为其孩子节点

pending: 当前节点依赖的节点个数,也可以说其孩子节点的个数;类中提供了一些列的方法操作,不介绍了;其内部方法调用时,都是先于0比较,然后,才会减少1,所以内部方法进行结束任务时,这个个数 1才是依赖的数目

一般情况下,我们不需直接对pending直接操作,可以使用其已经提供的一些方法进行操作,进而达到效果;方法有下面几个:

  • tryComplete:当前点为出发点,向依赖其节点进行循环处理,遇到以下情况会结束
  • pending为0且依赖其的节点为空:pending为0时,回调onCompletion完成处理方法;若依赖其节点为空,则调用quietlyComplete方法设置执行状态为完成
  • 处理当前节点pending值-1成功
  • propagateCompletion方法 和tryComplete方法相比,无onCompletion方法回调调用,也即对于每个中间任务无需关注
  • quietlyCompleteroot : 依照指针域去寻找根依赖节点,并为其设置正常结束状态;比较暴力的结束任务状态,这种适合于找到某一个结果就停止

onCompletion回调方法

这个方法是仅仅通知当前任务所有依赖已经完成,用于任务合并操作,但却在此方法中仅仅知道最后一个完成的依赖任务;

为何CountedCompleter要设置正常结束状态,这时由于ForkJoinTask在执行方法的逻辑

final int doExec() { int s; boolean completed; if ((s = status) >= 0) { try { completed = exec(); } catch (Throwable rex) { return setexceptionalCompletion(rex); } if (completed) s = setCompletion(NORMAL); } return s; }

也即是,现有ForkJoinTask的子类exec方法,均是返回true,只有CountedCompleter返回false,所以其需要设置正常结束状态,任务才会被结算成执行完毕,在任务fork等调用时,才会结束阻塞;如果你只是往里面添加一个任务这个则不处理也没有关系

类似RecursiveAction的效果

class Task(private val num : Int private val end : Int completer: Task? = null) : CountedCompleter<Void>(completer) { override fun compute() { if (end == num) { if (end % 2 == 0) println("odd $end") propagateCompletion() return } addToPendingCount(1) val middle = (num end) / 2 Task(num middle this).fork() Task(middle 1 end this).fork() } }

类似RecursiveTask的效果

class Task(val num : Int val end : Int completer: Task? = null) : CountedCompleter<Int>(completer) { @Volatile public var mResult = 0 private var t1 : Task? = null private var t2 : Task? = null override fun compute() { if (end == num) { mResult = end tryComplete() return } addToPendingCount(1) val middle = (num end) / 2 t1 = Task(num middle this).fork() as Task t2 = Task(middle 1 end this).fork() as Task } override fun onCompletion(caller: CountedCompleter<*>?) { if (this != caller && caller is Task) { mResult = (t1?.mResult ?: 0) (t2?.mResult ?: 0) } } override fun getRawResult(): Int { return mResult } override fun setRawResult(t: Int?) { mResult = t ?: 0 } }

如果不通过根任务的join等方法获取结果,而是其它数据交流的办法(Rxjava 中发射、LiveData等),则可以不重写get/setRawResult方法

某个特殊结果寻找

class Task(val num : Int val end : Int completer: Task? = null) : CountedCompleter<Int>(completer) { @Volatile public var mResult = 0 override fun compute() { if (end % 7 == 0 && end % 5 == 0) { (root as Task).mResult = end quietlyCompleteRoot() return } else if (num == end) { return } addToPendingCount(1) val middle = (num end) / 2 Task(num middle this).fork() Task(middle 1 end this).fork() } override fun getRawResult(): Int { return mResult } override fun setRawResult(t: Int?) { mResult = t ?: 0 } }

可能还有其它场景,但是这些场景的处理都是依据pending值和其引用来确定是否设置结束状态;

  • 原子操作设置值:addToPendingCount、compareAndSetPendingCount等方法
  • 利用设置状态方法来处理:propagateCompletion、tryComplete、quietlyCompleteRoot等

5.2 具体原理实现

ForkJoinPool线程池,其执行任务的线程对象是ForkJoinWorkerThread子类,任务均被包装为ForkJoinTask的子类

5.2.1 ForkJoinWorkerThread类

Thread子类,其中主要内容有:线程队列创建、销毁、执行

5.2.1.1 ForkJoinWorkerThread线程队列创建

在构造器中通过ForkJoinPool.registerWorker方法为当前线程关联队列,队列位置为线程池队列数组的奇数位置

5.2.1.2 ForkJoinWorkerThread线程的销毁

通过ForkJoinPool.deregisterWorker方法进行销毁

5.2.1.3 ForkJoinWorkerThread线程的运行

run方法内为其主要逻辑,不贴代码了;需要在其线程队列建立后,持有数据还未申请空间之前进行线程执行,否则不做任何处理

回调方法onStart,表示线程开始执行;通过ForkJoinPool.runWorker方法来执行任务;onTermination回调方法接收异常处理;

5.2.2 ForkJoinTask类

抽象类,实现了Future、Serializable接口;其主要内容:任务异常收集、fork-join执行流程(join也可以是invoke、get等操作,但这里就依据join来讲解)

task有以下几种状态

volatile int status; static final int DONE_MASK = 0xf0000000; static final int NORMAL = 0xf0000000; static final int CANCELLED = 0xc0000000; static final int ExceptionAL = 0x80000000; static final int SIGNAL = 0x00010000; static final int SMASK = 0x0000ffff;

  • NORMAL:结束状态,正常结束,负数
  • CANCELLED:结束状态,用户取消,负数
  • EXCEPTIONAL:结束状态,执行异常,负数
  • SIGNAL:等待通知执行状态,正数
  • 0 : 起始状态

5.2.2.1 异常收集

异常数据收集,是根据弱引用机制来处理;弱引用任务节点结构如下:

static final class ExceptionNode extends WeakReference<ForkJoinTask<?>> { final Throwable ex; ExceptionNode next; final long thrower; final int hashCode; ExceptionNode(ForkJoinTask<?> task Throwable ex ExceptionNode next ReferenceQueue<Object> exceptionTableRefQueue) { super(task exceptionTableRefQueue); this.ex = ex; // 原始异常 this.next = next; // 相同hash的节点指针域 this.thrower = Thread.currentThread().getId(); // 线程标识 this.hashCode = System.identityHashCode(task); // 与对象地址相对应的hash } }

弱引用节点相关数据结构

private static final ExceptionNode[] exceptionTable; // 异常数据 private static final ReentrantLock exceptionTableLock; // 异常节点锁 private static final ReferenceQueue<Object> exceptionTableRefQueue; // 弱引用回收队列

采用的数组存储,并利用hash进行映射,单链表进行冲突解决;并在需要处理异常时,实时去除已经销毁的task节点异常;常用操作如下:

  • 记录异常:recordExceptionalCompletion方法,在任务未完成的情况才会记录
  • 清除当前节点异常:clearExceptionalCompletion方法
  • 获取异常:getThrowableException,非当前线程异常,需要进行包装转换
  • 清理无效task相关联异常:expungeStaleExceptions静态方法,清除掉回收队列中task所有相关异常节点

5.2.2.2 fork-join逻辑

fork方法用于向队列中保存任务;偶数任务队列中未依赖于线程,奇数队列为线程私有

public final ForkJoinTask<V> fork() { Thread t; if ((t = Thread.currentThread()) instanceof ForkJoinWorkerThread) ((ForkJoinWorkerThread)t).workQueue.push(this); else ForkJoinPool.common.externalPush(this); return this; }

当前在ForkJoinWorkerThread线程中执行,则调用workQueue.push方法存入队列 放入线程池中队列数组中偶数位置的队列中

join方法用于阻塞获取结果

public final V join() { int s; if ((s = doJoin() & DONE_MASK) != NORMAL) reportException(s); return getRawResult(); } private int doJoin() { int s; Thread t; ForkJoinWorkerThread wt; ForkJoinPool.WorkQueue w; return (s = status) < 0 ? s : ((t = Thread.currentThread()) instanceof ForkJoinWorkerThread) ? (w = (wt = (ForkJoinWorkerThread)t).workQueue). tryUnpush(this) && (s = doExec()) < 0 ? s : wt.pool.awaitJoin(w this 0L) : externalAwaitDone(); }

同样需要根据线程类型判断

状态小于0,也即任务已结束,则直接返回,如果是异常则会抛出异常 未执行时,不是ForkJoinWorkerThread线程内执行,以当前任务实例为锁对象,进行等待(更具体的逻辑在externalAwaitDone方法内分析) 未执行时,ForkJoinWorkerThread线程内执行;如果任务为当前线程队列的顶部(也就是最后一个提交的)且执行后处于结束状态,则返回 线程池内awaitJoin进行等待(其时可能存在窃取其它任务队列进行执行)

externalAwaitDone方法

首先尝试执行,如果满足下面条件,则会执行doExec方法(调用exec()方法进行具体执行)

CountedCompleter任务类型,则common线程池方法externalHelpComplete返回true 其它任务类型,common线程池tryExternalUnpush方法返回true

如果未执行,则通过staus原子操作 synchronized锁,进行等待

5.2.3 ForkJoinPool类

这里主要有一些常量的意义、队列结构、执行流程、窃取线程思路;

5.2.3.1 ForkJoinPool类状态成员变量

volatile long ctl; volatile int runState; final int config;

ct1 64位,分为4段,每相邻16位为一段

高16位,正在处理任务的线程个数;初始化为并行数的负值(构造器中线程的并行线程数,一般来说为能创建的最大线程数) 次高16位,线程总数,初始化为并行数的负值 次低16位,线程状态,小于0时需要添加新的线程,或者说48位的位置为1时,需要添加线程 低16位,空闲线程对应的任务队列在队列数组的索引位置

runState,有下面几种状态 默认态为0

private static final int STARTED = 1; private static final int STOP = 1 << 1; private static final int TERMINATED = 1 << 2; private static final int SHUTDOWN = 1 << 31;

config:低16位代表 并行度(parallelism),高16位:队列模式,默认是后进先出

5.2.3.2 ForkJoinPool类线程队列

volatile WorkQueue[] workQueues

数组结构,分为线程队列和非线程队列,随机寻找位置进行创建与查找;达到WorkQueue均匀处理,以减少WorkQueue同步开销

volatile int scanState; // 负数:inactive 非负数:active 其中奇数代表scanning int stackPred; // sp = (int)ctl 前一个队列栈的标示信息,包含版本号、是否激活、以及队列索引 int nsteals; // 窃取的任务数 int hint; // 一个随机数,用来帮助任务窃取,在 helpXXXX()的方法中会用到 int config; // 配置:二进制的低16位代表 在 queue[] 中的索引,高16位:mode可选FIFO_QUEUE(1 << 16)和LIFO_QUEUE(1 << 31),默认是LIFO_QUEUE volatile int qlock; // 锁定标示位:1: locked < 0: terminate; else 0 volatile int base; // index of next slot for poll int top; // index of next slot for push ForkJoinTask<?>[] array; // 任务列表

WorkQueue中数据结构主体:任务数组、任务队列头部、尾部;以及线程操作同步标志,使用原子操作 volatile来实现 -1表示不允许操作了、0表示可以操作、1表示正常操作

因此其方法可以分为线程安全方法、非线程安全方法;线程安全方法用于窃取,非线程安全方法用于线程内任务执行

push方法:队列尾部加入数据,非线程安全 growArray方法:数组扩容,2被扩容,非线程安全 pop方法:从尾部取出数据,原子操作保证线程安全,但不保证成功 pollAt方法:从头部取出数据,原子操作保证线程安全,但不保证成功 poll: 从头部取出数据,原子操作 自旋,保证线程安全 nextLocalTask:根据策略,进行取出数据(根据congfig来进行处理),线程安全 peek:根据出队模式返回队头或者队尾元素,但不取出,非线程安全 tryUnpush:尝试判断是否为队尾任务,线程安全,但结果不一定准确 sharedPush:共享队列(偶数位置的WorkQueue实例),队尾增加数据方法,使用qlock原子操作来实现线程安全,但不保证结果准确 其中队列扩容通过growAndSharedPush方法处理并增加数据 trySharedUnpush:判断任务是否处于队尾,原子操作保证线程安全,不保证结果准确 cancelAll: 取消所有任务 localPopAndExec:从队尾开始执行任务,原子操作 自旋来保证线程安全,存在线程竞争时,则退出,不进行处理 localPollAndExec:从队头开始执行任务,原子操作 自旋来保证线程安全,存在线程竞争时,则退出,不进行处理 runTask:执行窃取任务,并依据出队某事调用localPopAndExec或者localPollAndExec来继续本线程队列任务处理 tryRemoveAndExec:自旋 原子操作,尽可能执行线程私有队列中的任务;非队尾数据,原子操作为EmptyTask popCC:取出队尾的CountedCompleter任务,原子操作 自旋保证线程安全 pollAndExecCC:取出队头CountedCompleter任务,并执行,原子操作 自旋保证线程安全

5.2.3.3 ForkJoinPool类调用流程

主要有下面三个流程提交任务流程、线程执行流程、获取结果流程

提交任务

从类的角度来看

  1. 线程池提交任务
  2. ForkJoinTask类的fork

从功能角度来看

  1. Fork线程内部提交任务
  2. 非Fork线程提交任务,第一个任务肯定是这种方式

外部提交任务

java常用并发类:Java并发编程的艺术  并发容器和框架之Fork(2)

内部提交任务,直接调用线程私有WorkQueue对象,push方法加入队尾

线程执行

java常用并发类:Java并发编程的艺术  并发容器和框架之Fork(3)

join获取任务结果

java常用并发类:Java并发编程的艺术  并发容器和框架之Fork(4)

从上面三个流程能够大致知道处理的流程,但是偷取的具体的逻辑还是不清楚的;有下面方法需要仔细研读,掌握思想精髓

  1. scan方法:fork线程窃取任务,fork线程的第一个任务都是窃取而来
  2. awaitJoin方法:线程池内等待,不可被处理时,自己偷自己的任务
  3. CountedCompleter任务与其它任务处理的区别,CountedCompleter任务不会相互阻塞
  4. 锁等待机制:图中可能存在错误;闲置线程,才会线程暂停或者启用,任务的暂停等待则是Object的wait方法,且其执行结束后会notifyAll唤醒所有
  5. 位运算运用,以及各种状态之间的判断处理,以及这些对性能的一些追求
六:Fork/Join框架的陷阱和注意事项

使用Fork/Join框架时,需要注意一些陷阱 在下面 斐波那契数列例子中你将看到示例:

避免不必要的fork()

划分成两个子任务后,不要同时调用两个子任务的fork()方法。

表面上看上去两个子任务都fork(),然后join()两次似乎更自然。但事实证明,直接调用compute()效率更高。因为直接调用子任务的compute()方法实际上就是在当前的工作线程进行了计算(线程重用),这比“将子任务提交到工作队列,线程又从工作队列中拿任务”快得多。

当一个大任务被划分成两个以上的子任务时,尽可能使用前面说到的三个衍生的invokeAll方法,因为使用它们能避免不必要的fork()。

注意fork()、compute()、join()的顺序

为了两个任务并行,三个方法的调用顺序需要万分注意。

right.fork();//计算右边的任务 longleftAns=left.compute();//计算左边的任务(同时右边任务也在计算) longrightAns=right.join();//等待右边的结果 returnleftAns rightAns;

如果我们写成:

left.fork();//计算完左边的任务 longleftAns=left.join();//等待左边的计算结果 longrightAns=right.compute();//再计算右边的任务 returnleftAns rightAns;

或者

longrightAns=right.compute();//计算完右边的任务 left.fork();//再计算左边的任务 longleftAns=left.join();//等待左边的计算结果 returnleftAns rightAns;

这两种实际上都没有并行。

选择合适的子任务粒度

选择划分子任务的粒度(顺序执行的阈值)很重要,因为使用Fork/Join框架并不一定比顺序执行任务的效率高: 如果任务太大,则无法提高并行的吞吐量;如果任务太小,子任务的调度开销可能会大于并行计算的性能提升,我们还要考虑创建子任务、fork()子任务、线程调度以及合并子任务处理结果的耗时以及相应的内存消耗。

官方文档给出的粗略经验是: 任务应该执行100~10000个基本的计算步骤。决定子任务的粒度的最好办法是实践,通过实际测试结果来确定这个阈值才是“上上策”。

和其他Java代码一样,Fork/Join框架测试时需要“预热”或者说执行几遍才会被JIT(Just-in-time)编译器优化,所以测试性能之前跑几遍程序很重要。

避免重量级任务划分与结果合并

Fork/Join的很多使用场景都用到数组或者List等数据结构,子任务在某个分区中运行,最典型的例子如并行排序和并行查找。拆分子任务以及合并处理结果的时候,应该尽量避免System.arraycopy这样耗时耗空间的操作,从而最小化任务的处理开销。

七:Fork/Join在JDK8中的使用以及异常处理问题

Java8在Executors工具类中新增了两个工厂方法:

//parallelism定义并行级别 publicstaticExecutorServicenewWorkStealingPool(intparallelism); //默认并行级别为JVM可用的处理器个数 //Runtime.getRuntime().availableProcessors() publicstaticExecutorServicenewWorkStealingPool();

关于Fork/Join异常处理

Java的受检异常机制一直饱受诟病,所以在ForkJoinTask的invoke()、join()方法及其衍生方法中都没有像get()方法那样抛出个ExecutionException的受检异常。

所以你可以在ForkJoinTask中看到内部把受检异常转换成了运行时异常。

staticvoidrethrow(Throwableex){ if(ex!=null) ForkJoinTask.<RuntimeException>uncheckedThrow(ex); } @SuppressWarnings("unchecked") static<TextendsThrowable>voiduncheckedThrow(Throwablet)throwsT{ throw(T)t;//relyonvacuouscast }

关于Java你不知道的10件事中已经指出,JVM实际并不关心这个异常是受检异常还是运行时异常,受检异常这东西完全是给Java编译器用的: 用于警告程序员这里有个异常没有处理。

但不可否认的是invoke、join()仍可能会抛出运行时异常,所以ForkJoinTask还提供了两个不提取结果和异常的方法quietlyInvoke()、quietlyJoin(),这两个方法允许你在所有任务完成后对结果和异常进行处理。

使用quitelyInvoke()和quietlyJoin()时可以配合isCompletedAbnormally()和isCompletedNormally()方法使用。

九:Fork/Join实践问题

采用Fork/Join来异步计算1 2 3 … 10000的结果

publicclassTest{ staticfinalclassSumTaskextendsRecursiveTask<Integer>{ privatestaticfinallongserialVersionUID=1L; finalintstart;//开始计算的数 finalintend;//最后计算的数 SumTask(intstart intend){ this.start=start; this.end=end; } @Override protectedIntegercompute(){ //如果计算量小于1000,那么分配一个线程执行if中的代码块,并返回执行结果 if(end-start<1000){ System.out.println(Thread.currentThread().getName() "开始执行:" start "-" end); intsum=0; for(inti=start;i<=end;i ) sum =i; returnsum; } //如果计算量大于1000,那么拆分为两个任务 SumTasktask1=newSumTask(start (start end)/2); SumTasktask2=newSumTask((start end)/2 1 end); //执行任务 task1.fork(); task2.fork(); //获取任务执行的结果 returntask1.join() task2.join(); } } publicstaticvoidmain(String[]args)throwsInterruptedException ExecutionException{ ForkJoinPoolpool=newForkJoinPool(); ForkJoinTask<Integer>task=newSumTask(1 10000); pool.submit(task); System.out.println(task.get()); } }

  • 执行结果

ForkJoinPool-1-worker-1开始执行:1-625 ForkJoinPool-1-worker-7开始执行:6251-6875 ForkJoinPool-1-worker-6开始执行:5626-6250 ForkJoinPool-1-worker-10开始执行:3751-4375 ForkJoinPool-1-worker-13开始执行:2501-3125 ForkJoinPool-1-worker-8开始执行:626-1250 ForkJoinPool-1-worker-11开始执行:5001-5625 ForkJoinPool-1-worker-3开始执行:7501-8125 ForkJoinPool-1-worker-14开始执行:1251-1875 ForkJoinPool-1-worker-4开始执行:9376-10000 ForkJoinPool-1-worker-8开始执行:8126-8750 ForkJoinPool-1-worker-0开始执行:1876-2500 ForkJoinPool-1-worker-12开始执行:4376-5000 ForkJoinPool-1-worker-5开始执行:8751-9375 ForkJoinPool-1-worker-7开始执行:6876-7500 ForkJoinPool-1-worker-1开始执行:3126-3750 50005000

实现斐波那契数列

斐波那契数列: 1、1、2、3、5、8、13、21、34、…… 公式 : F(1)=1,F(2)=1 F(n)=F(n-1) F(n-2)(n>=3,n∈N*)

publicstaticvoidmain(String[]args){ ForkJoinPoolforkJoinPool=newForkJoinPool(4);//最大并发数4 Fibonaccifibonacci=newFibonacci(20); longstartTime=System.currentTimeMillis(); Integerresult=forkJoinPool.invoke(fibonacci); longendTime=System.currentTimeMillis(); System.out.println("Fork/joinsum:" result "in" (endTime-startTime) "ms."); } //以下为官方API文档示例 staticclassFibonacciextendsRecursiveTask<Integer>{ finalintn; Fibonacci(intn){ this.n=n; } @Override protectedIntegercompute(){ if(n<=1){ returnn; } Fibonaccif1=newFibonacci(n-1); f1.fork(); Fibonaccif2=newFibonacci(n-2); returnf2.compute() f1.join(); } }

当然你也可以两个任务都fork,要注意的是两个任务都fork的情况,必须按照f1.fork(),f2.fork(), f2.join(),f1.join()这样的顺序,不然有性能问题,详见上面注意事项中的说明。

官方API文档是这样写到的,所以平日用invokeAll就好了。invokeAll会把传入的任务的第一个交给当前线程来执行,其他的任务都fork加入工作队列,这样等于利用当前线程也执行任务了。

{ //... Fibonaccif1=newFibonacci(n-1); Fibonaccif2=newFibonacci(n-2); invokeAll(f1 f2); returnf2.join() f1.join(); } publicstaticvoidinvokeAll(ForkJoinTask<?>...tasks){ Throwableex=null; intlast=tasks.length-1; for(inti=last;i>=0;--i){ ForkJoinTask<?>t=tasks[i]; if(t==null){ if(ex==null) ex=newNullPointerException(); } elseif(i!=0)//除了第一个都fork t.fork(); elseif(t.doInvoke()<NORMAL&&ex==null)//留一个自己执行 ex=t.getException(); } for(inti=1;i<=last; i){ ForkJoinTask<?>t=tasks[i]; if(t!=null){ if(ex!=null) t.cancel(false); elseif(t.doJoin()<NORMAL) ex=t.getException(); } } if(ex!=null) rethrow(ex); }

猜您喜欢: