【代码积累】ForkJoin sum the array

import java.util.concurrent.ForkJoinPool;/*计算一千万个整数的累加值，一种采用fork/join，另外一种采用直接计算。 * 根据预算结果，发现SumTask的fork任务的阈值选择对并行算法的效率影响很大。 * 当阈值设为50，并行算法的耗时几乎是常规算法的10倍； * 当阈值设为500000，并行算法的耗时是常规算法的一半。 * 综上，并行算法并非适用所有的场景，如果算法不当，并行计算可能并不比普通单线程算法节约时间*/public class Test {private static final int ARRAY_LEN = 10000000;public void test(){ForkJoinPool fjpool = new ForkJoinPool();RandomNumber random = new RandomNumber();int[] array = new int[ARRAY_LEN];long result = 0;long starttime = 0;long endtime = 0;long consumetime = 0;/*fill the array*/for(int i = 0; i < ARRAY_LEN; i++){//array[i] = random.getRandom();array[i] = i+1;}/*start parallel computation*/starttime = System.currentTimeMillis();result = fjpool.invoke(new SumTask(array,0,array.length,"root"));endtime = System.currentTimeMillis();consumetime = endtime-starttime;System.out.println("The fork/join result = "+result);System.out.println("Consume time in millis = "+consumetime);starttime = System.currentTimeMillis();result = calculate(array);endtime = System.currentTimeMillis();consumetime = endtime-starttime;System.out.println("The direct calculate result = "+result);System.out.println("Consume time in millis = "+consumetime);}private long calculate(int[] array){long result = 0;for( int i = 0; i < array.length; i++ ){result += array[i];}return result;}}

import java.util.concurrent.ForkJoinPool;import java.util.concurrent.RecursiveTask;public class SumTask extends RecursiveTask<Long>{static final int SEQUENTIAL_THRESHOLD = 1000000;private ForkJoinPool fjpool = new ForkJoinPool();    int low;    int high;    int[] array;    public String sequence = null;        SumTask(int[] arr, int lo, int hi,String sequence) {        array = arr;        low   = lo;        high  = hi;        this.sequence = sequence;    }    protected Long compute() {        if(high - low <= SEQUENTIAL_THRESHOLD) {            long sum = 0;            for(int i=low; i < high; ++i)                 sum += array[i];            return sum;         } else {            int mid = low + (high - low) / 2;            SumTask left  = new SumTask(array, low, mid,sequence+"-1");            SumTask right = new SumTask(array, mid, high,sequence+"-2");            left.fork();            //long rightAns = right.compute();            right.fork();            long leftAns  = left.join();            long rightAns = right.join(); /*因为right任务也fork了，这里需要新增等待执行结果*/            return leftAns + rightAns;         }     }        /*执行过程总结：     * 1、主线程调用invoke，因为worker-thread为0个，因此会调用signalWork加入一个线程，此线程执行root任务；     * 2、root任务执行到left.fork()，调用ForkJoinWorkerThread.pushTask,此方法会将left任务加入到执行root任务的工作线程     *    的任务队列，并调用pool.signalWork加入新的worker-thread然后启动，此新的工作线程从运行root的线程任务队列中steal     *    了root-1任务运行；     * 3、同上，新的工作线程，执行root-2任务；     * 4、最后，执行root任务的线程等待两个子任务的线程执行并返回，然后将结果处理返回给调用invoke的主线程，执行结束*/}