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 >JDK8新特性 Fork/Join 的优化

JDK8新特性 Fork/Join 的优化

作者头像
Java小咖秀
修改2021-03-17 14:14:38
3920
修改2021-03-17 14:14:38
举报
文章被收录于专栏:Java冰冻三尺Java冰冻三尺

> 公众号:[Java小咖秀](https://t.1yb.co/jwkk),网站:[javaxks.com](https://www.javaxks.com)

> 作者 :霞光里,链接: cnblogs.com/loong-hon/p/12728165.html

### 先来简单了解 Fork/Join 框架

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。

![image.png](https://p6-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/1110411be1ab40a8846dd864253c1ec9~tplv-k3u1fbpfcp-watermark.image)

### Fork/Join 框架与传统线程池的区别

采用“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,然后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。

### JDK8 对 Fork/Join 的优化

JDK8 对 Fork/Join 的优化:主要是让 Fork/Join 使用起来更加方便。对 Fork/Join 进行了封装,简化使用方式。

对于 JDK8 对 Fork/Join 的底层优化,这里不进行分析。

示例代码

```java

package hanwl.juc.day2;

import java.time.Duration;

import java.time.Instant;

import java.util.concurrent.ForkJoinPool;

import java.util.concurrent.ForkJoinTask;

import java.util.concurrent.RecursiveTask;

import java.util.stream.LongStream;

import org.junit.Test;

public class TestForkJoinPool {

public static void main(String[] args) {

Instant start = Instant.now();

ForkJoinPool pool = new ForkJoinPool();

ForkJoinTask<Long> task = new ForkJoinSumCalculate(0L, 50000000000L);

Long sum = pool.invoke(task);

System.out.println(sum);

Instant end = Instant.now();

System.out.println("耗费时间为:" + Duration.between(start, end).toMillis());//166-1996-10590

}

@Test

public void test1(){

Instant start = Instant.now();

long sum = 0L;

for (long i = 0L; i <= 50000000000L; i++) {

sum += i;

}

System.out.println(sum);

Instant end = Instant.now();

System.out.println("耗费时间为:" + Duration.between(start, end).toMillis());//35-3142-15704

}

//java8 新特性

@Test

public void test2(){

Instant start = Instant.now();

Long sum = LongStream.rangeClosed(0L, 50000000000L)

.parallel()

.reduce(0L, Long::sum);

System.out.println(sum);

Instant end = Instant.now();

System.out.println("耗费时间为:" + Duration.between(start, end).toMillis());//1536-8118

}

}

class ForkJoinSumCalculate extends RecursiveTask<Long>{

/**

*

*/

private static final long serialVersionUID = -259195479995561737L;

private long start;

private long end;

private static final long THURSHOLD = 10000L; //临界值

public ForkJoinSumCalculate(long start, long end) {

this.start = start;

this.end = end;

}

@Override

protected Long compute() {

long length = end - start;

if(length <= THURSHOLD){

long sum = 0L;

for (long i = start; i <= end; i++) {

sum += i;

}

return sum;

}else{

long middle = (start + end) / 2;

ForkJoinSumCalculate left = new ForkJoinSumCalculate(start, middle);

left.fork(); //进行拆分,同时压入线程队列

ForkJoinSumCalculate right = new ForkJoinSumCalculate(middle+1, end);

right.fork(); //

return left.join() + right.join();

}

}

}

```

本文系转载,前往查看

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

本文系转载前往查看

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

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