【并发编程】聊聊forkJoin的原理和最佳实践

创作时间:

作者:

@小白创作中心

【并发编程】聊聊forkJoin的原理和最佳实践

引用

CSDN

https://blog.csdn.net/jia970426/article/details/146407914

对于线程池来说，其实本质就是一个生产者消费者的模式，而通过竞争的方式从队列中获取任务执行。本质上其实就是按照任务级别进行处理，但是对于一些可以分而治之的任务，传统的线程池没有办法分治处理。一是无法对大任务进行拆分，对于某个任务只能由单线程执行；二是工作线程从队列中获取任务时存在竞争情况

对于分治的思想，在算法领域归并排序、快速排序，以及大数据领域MapReduce背后的思想体现，具体来说就是把一个大问题可以拆分成多个相同的子问题，子问题可以进一步拆分，进一步可以求解，然后合并的过程。

分支任务的模型其实就是两部分，先进行任务的分解，然后在子任务的结果进行合并。

基本使用

ForkJoin其实就是两部分，Fork：任务分解，Join：结果合并。

框架层面包含两部分一部分就是分治任务的线程池ForkJoinPool，就是用于执行任务的线程池，另外就是将任务封装的起来的ForkJoinTask任务。

public class ForkJoinTest {
    public static void main(String[] args) {
        ForkJoinPool forkJoinPool = new ForkJoinPool(2);
        Finbonacci finbonacci = new Finbonacci(30);
        Integer result = forkJoinPool.invoke(finbonacci);
        System.out.println(result);
        Assert.notNull(result);
    }
}
class Finbonacci extends RecursiveTask<Integer> {
    final int n;
    public Finbonacci(int n) {
        this.n = n;
    }
    // 递归任务
    @Override
    protected Integer compute() {
        if (n <= 1) return n;
        Finbonacci f1 = new Finbonacci(n - 1);
        // 创建子任务
        f1.fork();
        Finbonacci f2 = new Finbonacci(n - 2);
        // 等待子任务结果,合并结果
        return f2.compute() + f1.join();
    }
}

工作原理

我们知道对于普通的ThreadPoolExecutor, 内部是有一个任务队列，多个线程进行从中获取任务执行。而对于ForkJoinPool来说内部有多个任务队列，当我们通过invoke() 或者submit提交任务的时候，ForkJoinPool会按照一定的路由规则把任务提交到一个任务队列中，对应的任务在执行过程中创建子任务，子任务会提交到工作线程对应的任务队列中。

这样就可以更细粒度的拆分任务队列，获取任务的效率更快。当有的工作线程没有任务时，会尝试回去其他任务的工作任务。这个过程就是工作窃取。

通过类图可以很清晰的看到，本质都是线程池的具体实现，这里不得不感叹 juc老爷子的设计思想，可以很好的在1.5版本的JUC结合。