编写一个示例程序，展示如何使用 Fork/Join 框架进行并行计算。
示例程序：使用 Fork/Join 框架进行并行计算数组求和
以下示例展示了如何使用 Fork/Join 框架对一个大数组进行并行求和。
程序代码
import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.RecursiveTask;
public class ForkJoinSumExample {
// 自定义任务类，继承 RecursiveTask
static class ArraySumTask extends RecursiveTask<Long> {
private final int[] array; // 待计算的数组
private final int start; // 开始索引
private final int end; // 结束索引
private static final int THRESHOLD = 100; // 阈值：小于此值时不再拆分
// 构造函数
public ArraySumTask(int[] array, int start, int end) {
this.array = array;
this.start = start;
this.end = end;
}
@Override
protected Long compute() {
// 如果任务小于等于阈值，直接计算
if (end - start <= THRESHOLD) {
long sum = 0;
for (int i = start; i < end; i++) {
sum += array[i];
}
System.out.println(Thread.currentThread().getName() + " computed sum from " + start + " to " + end + " = " + sum);
return sum;
}
// 拆分任务
int mid = (start + end) / 2;
ArraySumTask leftTask = new ArraySumTask(array, start, mid);
ArraySumTask rightTask = new ArraySumTask(array, mid, end);
// 异步执行子任务
leftTask.fork();
rightTask.fork();
// 合并结果
long leftResult = leftTask.join();
long rightResult = rightTask.join();
return leftResult + rightResult;
}
}
public static void main(String[] args) {
// 初始化大数组
int[] array = new int[1000];
for (int i = 0; i < array.length; i++) {
array[i] = i + 1; // 数组元素为 1 到 1000
}
// 创建 ForkJoinPool
ForkJoinPool forkJoinPool = new ForkJoinPool();
// 提交任务
ArraySumTask task = new ArraySumTask(array, 0, array.length);
long result = forkJoinPool.invoke(task);
// 输出结果
System.out.println("Final sum: " + result);
}
}
代码解析
- 任务拆分类：
ArraySumTask- 继承
RecursiveTask<Long>，表示有返回值的任务。 - 定义了一个 阈值（THRESHOLD），控制任务的最小粒度。
- 当任务小于等于阈值时，直接计算；否则将任务分成左右两部分递归处理。
- 继承
- Fork/Join 框架核心方法
fork()：将子任务提交到线程池中，异步执行。join()：等待子任务完成，并获取其返回值。
- ForkJoinPool
ForkJoinPool是 Fork/Join 框架的核心线程池，用于管理和调度任务。- 使用
invoke(task)提交顶层任务并获取最终结果。
- 结果输出
- 程序输出子任务的计算结果及最终总和，展示任务拆分与合并的过程。
示例输出
ForkJoinPool.commonPool-worker-1 computed sum from 0 to 100 = 5050
ForkJoinPool.commonPool-worker-2 computed sum from 100 to 200 = 15050
ForkJoinPool.commonPool-worker-3 computed sum from 200 to 300 = 25050
...
ForkJoinPool.commonPool-worker-1 computed sum from 900 to 1000 = 95050
Final sum: 500500
适用场景
- 该程序使用了 Fork/Join 框架的核心功能，非常适合用于大数据集合的并行计算场景。
- 通过设定阈值（
THRESHOLD），我们可以控制任务的拆分粒度，从而优化计算性能。
性能优化建议
- 任务粒度控制：
- 阈值
THRESHOLD应根据任务的规模和系统资源（如 CPU 核心数）进行调整。 - 粒度过大会导致并行效率降低，过小会增加任务拆分的开销。
- 阈值
- 线程池配置：
- 默认使用
ForkJoinPool的公共线程池（commonPool）。 - 在资源充足或高性能需求场景下，可创建自定义线程池并调整线程数量。
- 默认使用
总结
- Fork/Join 框架非常适合处理可以递归拆分的任务。
- 使用该框架时，应根据具体任务特点合理设置阈值和任务拆分策略，以获得最佳性能。
- 示例程序展示了数组求和任务的并行实现，为理解 Fork/Join 框架的核心思想提供了直观示例。