线程池 一 ForkJoinPool
欢迎光临我的博客[http://poetize.cn]，前端使用Vue2，聊天室使用Vue3，后台使用Spring Boot
java.util.concurrent
public class ForkJoinPool extends AbstractExecutorService
public abstract class ForkJoinTask<V> implements Future<V>, Serializable
public class ForkJoinWorkerThread extends Thread
Fork/Join
Fork/Join技术是分治算法（Divide-and-Conquer）的并行实现，它是一项可以获得良好的并行性能的简单且高效的设计技术。
ForkJoinPool的优势在于，可以充分利用多cpu，多核cpu的优势，把一个任务拆分成多个“小任务”，
把多个“小任务”放到多个处理器核心上并行执行；当多个“小任务”执行完成之后，再将这些执行结果合并起来即可。
JDK用来执行Fork/Join任务的工作线程池默认大小等于CPU核心数。在一个4核CPU上，最多可以同时执行4个子任务。
目的是为了帮助我们更好地利用多处理器带来的好处，使用所有可用的运算能力来提升应用的性能。
1. Fork/Join框架主要由ForkJoinPool、ForkJoinWorkerThread和ForkJoinTask来实现
2. ForkJoinPool中只可以运行ForkJoinTask类型的任务
（在实际使用中，也可以接收Runnable/Callable任务，但在真正运行时，也会把这些任务封装成ForkJoinTask类型的任务）
3. ForkJoinTask表示一个任务，
ForkJoinTask的子类中有RecursiveAction和RecursiveTask
RecursiveAction无返回结果，RecursiveTask有返回结果
工作中，一般重写RecursiveAction或RecursiveTask的compute()，完成计算或者可以进行任务拆分。
4. 调用ForkJoinTask的fork()的方法，可以让其他空闲的线程执行这个ForkJoinTask
调用ForkJoinTask的join()的方法，将多个小任务的结果进行汇总。
5. ForkJoinWorkerThread是运行ForkJoinTask任务的工作线程
work-stealing（工作窃取）算法
ForkJoinPool中，线程池中每个工作线程（ForkJoinWorkerThread）都对应一个任务队列（WorkQueue），
工作线程优先处理来自自身队列的任务（LIFO），然后以FIFO的顺序随机窃取其他队列中的任务。
ForkJoinPool
ForkJoinPool并行的实现了分治算法（Divide-and-Conquer）：把任务递归的拆分为各个子任务，这样可以更好的利用系统资源
ForkJoinPool中的任务分为两种：
- 一种是本地提交的任务（Submission task，如 execute、submit 提交的任务）
- 另外一种是 fork 出的子任务（Worker task）
提交任务
外部任务（external/submissions task）提交三种方式：
execute()是直接向池提交一个任务来异步执行，无返回结果；
invoke()会一直阻塞到任务执行完成返回计算结果
submit()也是异步执行，但是会返回提交的任务，在适当的时候可通过task.get()获取执行结果，实现同步到主线程
子任务（Worker task）提交：
由任务的fork()方法完成。
任务被分割（fork）之后调用了ForkJoinPool.WorkQueue.push()方法直接把任务放到队列中等待被执行。
public static void invokeAll(ForkJoinTask<?> t1, ForkJoinTask<?> t2) {
int s1, s2;
t2.fork();
if (((s1 = t1.doInvoke()) & ABNORMAL) != 0)
t1.reportException(s1);
if (((s2 = t2.doJoin()) & ABNORMAL) != 0)
t2.reportException(s2);
}
示例
对于fork/join模式，假如pool里面线程数量是固定的，那么调用子任务的fork方法相当于A先分工给B和C，
然后A当监工不干活，B和C去完成A交代的任务。
所以上面的模式相当于浪费了一个线程。
如果使用invokeAll相当于A分工给B和C后，A和B和C都去完成工作。这样缩短了执行的时间。
/**
* 测试 ForkJoinPool 线程池的使用
*/
public class task {
/**
* 测试使用 ForkJoinPool 无返回值的任务执行
*/
public static void noResultTask() throws Exception {
ForkJoinPool pool = new ForkJoinPool();
pool.submit(new PrintTask(1, 200));
pool.shutdown();
}
}
/**
* 无返回值的打印任务
*/
class PrintTask extends RecursiveAction {
private static final long serialVersionUID = 1L;
private static final int THRESHOLD = 50;
private int start;
private int end;
public PrintTask(int start, int end) {
this.start = start;
this.end = end;
}
@Override
protected void compute() {
//当 结束值 比 起始值 大于 50 时，按数值区间平均拆分为两个任务；否则直接打印该区间的值
if (end - start < THRESHOLD) {
for (int i = start; i <= end; i++) {
System.out.println(Thread.currentThread().getName() + ", i = " + i);
}
} else {
int middle = (start + end) / 2;
//分成两个子任务
PrintTask firstTask = new PrintTask(start, middle);
PrintTask secondTask = new PrintTask(middle + 1, end);
//任务拆分
//firstTask.fork();
//secondTask.fork();
invokeAll(firstTask,secondTask);
}
}
}
public class task {
/**
* 测试使用 ForkJoinPool 有返回值的任务执行，对结果进行合并。计算 1 到 200 的累加和
*/
public static void hasResultTask() throws Exception {
//线程池
ForkJoinPool pool = new ForkJoinPool();
//提交任务
ForkJoinTask<Integer> task = pool.submit(new CalculateTask(1, 200));
//得到结果
int result = task.get();
//关闭线程
pool.shutdown();
}
}
/**
* 有返回值的计算任务
*/
class CalculateTask extends RecursiveTask<Integer> {
private static final long serialVersionUID = 1L;
private static final int THRESHOLD = 50;
private int start;
private int end;
public CalculateTask(int start, int end) {
super();
this.start = start;
this.end = end;
}
@Override
protected Integer compute() {
//当 结束值 比 起始值 大于 50 时，按数值区间平均拆分为两个任务，进行两个任务的累加值汇总
//否则直接计算累加值
if (end - start <= THRESHOLD) {
int result = 0;
for (int i = start; i <= end; i++) {
result += i;
}
return result;
} else {
int middle = (start + end) / 2;
CalculateTask firstTask = new CalculateTask(start, middle);
CalculateTask secondTask = new CalculateTask(middle + 1, end);
//任务拆分
invokeAll(firstTask,secondTask);
//任务合并
return firstTask.join() + secondTask.join();
}
}
}
