简介

Fork/Join框架是Java7提供了的一个用于并行执行任务的框架,是一个把大任务分割成若干个小任务,最终汇总每个小任务结果后得到大任务结果的框架。Fork就是把一个大任务切分为若干子任务并行的执行,Join就是合并这些子任务的执行结果,最后得到这个大任务的结果。

工作窃取算法

工作窃取算法(work-stealing)是指当一个队列所对应的线程先执行完队列中的所有任务后,从其他线程的队列里窃取一个任务来执行。为了减少竞争,通常会使用双端队列,被窃取任务线程永远从双端队列的头部拿任务执行,而窃取任务的线程永远从双端队列的尾部拿任务执行。

Fork/join的使用

  • ForkJoinTask:我们要使用Fork/Join框架,必须首先创建一个ForkJoin任务。它提供在任务中执行fork()join()操作的机制,通常情况下我们不需要直接继承ForkJoinTask类,而只需要继承它的子类,Fork/Join框架提供了以下两个子类:

    • RecursiveAction:用于没有返回结果的任务。
    • RecursiveTask :用于有返回结果的任务。
  • ForkJoinPoolForkJoinTask需要通过ForkJoinPool来执行,任务分割出的子任务会添加到当前工作线程所维护的双端队列中,进入队列的头部。当一个工作线程的队列里暂时没有任务时,它会随机从其他工作线程的队列的尾部获取一个任务。

接下来我们看一个问题:如何充分利用多核 CPU 计算很大 List 中所有整数的和?

这里就可以用到Fork/join框架将求和任务分成许多子任务来完成,再将子任务的计算结果相加即可,代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
public class ForkJoinLargeListSum {
public static void main(String[] args) {
int[] array = new int[100000000];
// 初始化
for(int i = 0; i < array.length; i++){
array[i] = i + 1;
}
ForkJoinPool forkJoinPool = new ForkJoinPool();
long begintime = System.currentTimeMillis();
CountSumTask task = new CountSumTask(100000, 0, array.length-1, array);
Future<Long> future = forkJoinPool.submit(task);
try {
System.out.println("计算结果为:" + future.get());
long endtime=System.currentTimeMillis();
System.out.println("耗时:" + (endtime - begintime) + "ms");
} catch (InterruptedException e) {
e.printStackTrace();
} catch (ExecutionException e) {
e.printStackTrace();
}
}

static class CountSumTask extends RecursiveTask<Long> {
private int threshold;
private int hi, lo;
private int[] array;

public CountSumTask(int threshold, int lo, int hi, int[] array) {
this.threshold = threshold;
this.hi = hi;
this.lo = lo;
this.array = array;
}

@Override
protected Long compute() {
long sum = 0L;

//如果任务足够小就计算任务
boolean canCompute = (hi - lo) <= threshold;
if(canCompute){
for(int i = lo; i <= hi; i++){
sum += array[i];
}
} else{
//如果任务大于阈值,就分裂成两个子任务计算
int middle = lo + (hi - lo) / 2;
CountSumTask leftTask = new CountSumTask(threshold, lo, middle, array);
CountSumTask rightTask = new CountSumTask(threshold, middle+1, hi, array);
//执行子任务
leftTask.fork();
rightTask.fork();
//等待子任务执行完,并得到结果
long leftResult = leftTask.join();
long rightResult = rightTask.join();
//合并子任务
sum = leftResult + rightResult;
}
return sum;
}
}
}

此时输出:

1
2
计算结果为:5000000050000000
耗时:69ms

当我们调大阈值threshold时,意味着分割任务的次数减少,直接计算的次数增多,此时计算的效率也有可能降低。例如,当把阈值增大为100000000时,输出结果为:

1
2
计算结果为:5000000050000000
耗时:110ms

参考资料