前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >java fork join_java8学习:ForkJoin[通俗易懂]

java fork join_java8学习:ForkJoin[通俗易懂]

作者头像
全栈程序员站长
发布2022-11-06 12:23:51
2110
发布2022-11-06 12:23:51
举报

大家好,又见面了,我是你们的朋友全栈君。

先实现一下,再来说原理

还是实现1到一千万的累加和

public class ForkJoinImpl extends java.util.concurrent.RecursiveTask {

//临界值,就是结束值减开始值的结果如果小于这个值那么就不拆分了,大于这个值才会拆分

private final int MEDIAN_NUM = 100000;

//从多少计算

private int start_num = 0;

//计算到多少

private int end_num = 0;

//构造

public ForkJoinImpl(int start_num, int end_num) {

this.start_num = start_num;

this.end_num = end_num;

}

@Override

protected Long compute() {

//结束值减开始值的结果

int temp = end_num – start_num;

//判断结束值减开始值的结果是否小于上面定义的临界值

if (temp <= MEDIAN_NUM){

//如果小的话,那么就不进行拆分了,就直接调用方法开始计算

return sequentiallySum();

}

//到这就代表结束值减开始值的结果是大于临界值的

//继续进行拆分

//start_num到start_num + temp / 2是把数据的左半部分形成一个新的task

//比如0到10,那么就是 10-0=10,temp=10,start_num=0,所以形成的新task就是(0,10/2=5),也就是左半部分

ForkJoinImpl leftTask = new ForkJoinImpl(start_num,start_num + temp / 2);

//利用ForkJoinPool中的线程异步执行新创建的子任务

leftTask.fork();

//这创建的就是数据的后半段,start_num + temp / 2 = 0+10/2 = 6,所以形成的新task就是(0+10/2=6,10),也就是右半部分

ForkJoinImpl rightTask = new ForkJoinImpl(start_num + temp / 2,end_num);

//同时执行第二个子任务,有可能允许进一步划分

Long rightResult = rightTask.compute();

//读取第一个子任务的结果,如果没有完成就等待

Long leftResult = leftTask.join();

//该任务的结果是两个子任务结果的组合

return rightResult + leftResult;

}

//计算方法:在不能进行拆分的时候进行计算

private Long sequentiallySum(){

long sum = 0;

for (int i = start_num; i <= end_num; i++) {

sum += i;

}

return sum;

}

}

@Test

public void test() throws Exception {

ForkJoinImpl forkJoin = new ForkJoinImpl(0, 10000000);

Long invoke = new ForkJoinPool().invoke(forkJoin);

System.out.println(“invoke = ” + invoke);

}

上面的流程的总结:当把ForkJoinImpl对象传给ForkJoinPool时,这个任务就由池中的一个线程执行,这个线程会调用任务的compute方法,该方法会检查任务是够孝道足以顺序执行,也就是我们上面定义的临界值,如果不够小就会要求再次拆分数据,并分给一个新的ForkJoinImpl,新的ForkJoinImpl也是由pool安排执行。因此这个过程是递归重复的,把缘任务拆分为更小的任务。这时候达到临街值要求后,会顺序计算每个任务的结果,然后由分支过程创建的任务二叉树遍历回到它的根。接下来会合并每个子任务的部分结果,从而得到总任务的结果。如下面的图

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022年9月20日 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档