ForkJoinPool分支合并框架 核心思想->代码演示

线程池架构Fork-Join 框架

就是在必要的情况下，将一个大任务，进行拆分(fork)成若干个小任务（拆到不可再拆时），再将一个个的小任务运算的结果进行 join 汇总。

工作窃取 模式（work-stealing）

当执行新的任务时它可以将其拆分分成更小的任务执行，并将小任务加到线程队列中，当该线程队列没有需要执行的任务时，再从一个随机线程的队列中偷一个并把它放在自己的队列中。

相对于一般的线程池实现，fork-join框架的优势体现在对其中包含的任务的处理方式上.在一般的线程池中，如果一个线程正在执行的任务由于某些原因无法继续运行，那么该线程会处于等待状态。而在fork-join框架实现中，如果某个子问题由于等待另外一个子问题的完成而无法继续运行。那么处理该子问题的线程会主动寻找其他尚未运行的子问题来执行.这种方式减少了线程的等待时间，提高了性能。

代码演示

package com.xiaoqiang;import java.time.Duration;import java.time.Instant;import java.util.Random;import java.util.concurrent.ForkJoinPool;import java.util.concurrent.ForkJoinTask;import java.util.concurrent.RecursiveTask;/** * 本案例适用于大量操作 * 若少量数据可直接操作 * 程序执行速度受临界值较大 * 请选择合理的临界值 * @author xiaoqiang * @time 2017-7-5 */public class ForkJoin extends RecursiveTask<Long> {    private static final long serialVersionUID = 7633953255462137626L;    private long start;// 开始值    private long end;// 结束值    private static final long THURSHOLD = Math.abs(new Random().nextInt());// 临界值    public ForkJoin(long start, long end) {        this.start = start;        this.end = end;    }    /**     * 结束值与开始至之差小于临界值时 程序继续把大任务划分为小任务     */    @Override    protected Long compute() {        long temp = end - start;        if (temp <= THURSHOLD) {            long sum = 0L;            for (long i = start; i <= end; i++) {                sum += i;            }            return sum;        } else {            long middle = (start + end) / 2;            // 递归调用            ForkJoin left = new ForkJoin(start, middle);            ForkJoin right = new ForkJoin(++middle, end);            left.fork(); // 进行拆分 继续执行判断            right.fork();            return left.join() + right.join();// 合并结果集        }    }    public static void main(String[] args) {        Instant time1 = Instant.now();//JAVA8新类  可以使用System.currentTimeMillis() 替代        ForkJoinPool pool = new ForkJoinPool();        ForkJoinTask<Long> task = new ForkJoin(0L, 50000000000L);        long sum = pool.invoke(task);        Instant time2 = Instant.now();        System.out.println("分割后耗费时间:" + Duration.between(time1, time2).toMillis() + "毫秒");        sum = 0L;        Instant time3 = Instant.now();        for (long i = 0L; i <= 50000000000L; i++) {            sum += i;        }        Instant time4 = Instant.now();        System.out.println("未分割耗费时间:" + Duration.between(time3, time4).toMillis() + "毫秒");//      分割后耗费时间:8284毫秒//      未分割耗费时间:15552毫秒//      若数据较少 则分割会额外耗费时间    }}