无限分解流----Fork/Join框架

Fork译为拆分，Join译为合并
Fork/Join框架的思路是把一个非常巨大的任务，拆分成若然的小任务，再由小任务继续拆解。直至达到一个相对合理的任务粒度。然后执行获得结果，然后将这些小任务的结果汇总，生成大任务的结果，
直至汇总成最初巨大任务的结果。如下图：

红色箭头代表拆分子任务。
绿色箭头代表返回子任务结果
这个框架的思路听起来，其实用传统的线程池、多线程完全就可以解决。但是内部却有很多小的细节（后边会说到），再加上清晰的使用思路，让这个框架还是在多线程并发中，占有了一席之地。
Fork/Join框架下，我们常用到三个类：(防盗连接：本文首发自http://www.cnblogs.com/jilodream/ )
RecursiveAction，子任务类，支持子任务有返回结果任务
RecursiveTask，子任务类，用于有返回结果的任务
ForkJoinPool，执行子任务的线程池。
话不多说，我们直接看代码：

public class SumDemo extends RecursiveTask<Long> {

    int maxLen = 800_0000;

    int[] arr;
    int start;
    int end;


    public SumDemo(int[] arr, int start, int end) {
        this.arr = arr;
        this.start = start;
        this.end = end;
    }

    @Override
    protected Long compute() {
        if (end - start < maxLen) {
            long a = sum();
            try {
                //Thread.sleep(1);
            } catch (Exception e) {
            }
            return a;
        }
        int middle = (start + end) / 2;
        SumDemo left = new SumDemo(arr, start, middle);
        SumDemo right = new SumDemo(arr, middle + 1, end);
        left.fork();
        right.fork();
        //invokeAll(left,right);
        long leftRtn = left.join();
        long rightRtn = right.join();
        return leftRtn + rightRtn;
    }

    private Long sum() {
        System.out.println("now" + Thread.currentThread().getName() + "-start:" + start + "-end:" + end);
        long sum = 0;
        for (int i = start; i <= end; i++) {
            sum += arr[i];
        }
        return sum;
    }

    public static void main(String[] args) throws ExecutionException, InterruptedException {
        int size = 30000_0000;
        int[] arr = new int[size];
        Random random = new Random(0);
        for (int i = 0; i < size; i++) {
            arr[i] = random.nextInt(10_0000_0000);
        }
        long cal = 0;
        long start = System.currentTimeMillis();
        for (int i = 0; i < size; i++) {
            if (i % 800_0000 == 0) {
                Thread.sleep(1);
            }
            cal += arr[i];
        }
        long finish = System.currentTimeMillis();
        long timeCost = finish - start;
        System.out.println("cal" + cal);
        long start1 = System.currentTimeMillis();
        ForkJoinPool forkJoinPool = new ForkJoinPool();
        ForkJoinTask<Long> result = forkJoinPool.submit(new
                SumDemo(arr, 0, size - 1));
        long rtn = result.get();
        long finish1 = System.currentTimeMillis();
        long forkJoinCost = finish1 - start1;
        System.out.println("one thread  cost" + (timeCost));
        System.out.println("fork join cost" + forkJoinCost);
    }
}

执行的结果大概是这样的

cal150000314007254036
nowForkJoinPool-1-worker-1-start:0-end:4687499
nowForkJoinPool-1-worker-3-start:187500000-end:192187499
nowForkJoinPool-1-worker-5-start:37500000-end:42187499
nowForkJoinPool-1-worker-6-start:225000000-end:229687499
.....
nowForkJoinPool-1-worker-3-start:220312500-end:224999999
nowForkJoinPool-1-worker-7-start:267187500-end:271874999
nowForkJoinPool-1-worker-2-start:107812500-end:112499999
nowForkJoinPool-1-worker-4-start:281250000-end:285937499
nowForkJoinPool-1-worker-7-start:271875000-end:276562499
nowForkJoinPool-1-worker-5-start:135937500-end:140624999
nowForkJoinPool-1-worker-11-start:140625000-end:145312499
nowForkJoinPool-1-worker-6-start:276562500-end:281249999
nowForkJoinPool-1-worker-4-start:285937500-end:290624999
nowForkJoinPool-1-worker-11-start:145312500-end:149999999
nowForkJoinPool-1-worker-7-start:290625000-end:295312499
nowForkJoinPool-1-worker-4-start:295312500-end:299999999
one thread cost136
fork join cost67

线程池默认大小是根据cpu当前的可用核数来作为大小的，我们这里是12核，但是12核居然只比单一线程用时少50%，这是挺奇怪的，这主要是由于我们Demo中的任务是连续的计算密集型任务，这种情况下单一线程的表现也很优秀，forkJoin反而由于要不断协调线程

任务而导致会损耗性能，所以差距并不明显。倘若放开注释中的睡眠时间，则两者的差距会拉开的非常大，如下：

one thread  cost675
fork join cost194

代码的思路大概是这样的：

我们先定义一个子任务类，子任务类设置一个阈值，子任务开始任务时会判断：
如果计算量未超过阈值呢，说明任务足够小，我们当前子任务直接就执行计算了。
如果计算量超过阈值，说明任务比较大我们需要进行拆分，此时创建好拆分子任务，并使用fork()方法即可。拆分后的子任务，则后续使用join等待结果即可。
这样通过Fork/Join框架实现大任务的计算就算是搞定了。(防盗连接：本文首发自http://www.cnblogs.com/jilodream/ )

那既然是线程池，是如何协调线程来计算子任务的呢？

（1）与传统线程池共享一个任务队列不同的是，Fork/Join框架中，每个子任务都有一个属于自己线程的任务队列（但是两者其实并不是一对一的关系，源码很复杂），如下图：

这样肯定会由于任务规模、计算难度的不同，导致有些线程很快执行完了，其它线程还有很长的任务队列，那怎么办呢？
Fork/Join框架会让任务已经完成的线程，从其它任务的队列的尾端去取任务，这样一方面加速了任务的完成，一方面又减少了线程由于并发操作队列可能存在的并发问题。
这种方式，我们也将它称为“工作窃取”如下图：

（2）Fork出来的子任务被谁执行了：
通过阅读源码我们可以发现，如果当前线程是线程池线程，则直接把fork出的子任务丢到当前线程的队列中，否则会通过计算随机的提交到其他的线程所拥有的的队列中。由其他线程来完成。

    public final ForkJoinTask<V> fork() {
        Thread t;
        if ((t = Thread.currentThread()) instanceof ForkJoinWorkerThread)
            ((ForkJoinWorkerThread)t).workQueue.push(this);
        else
            ForkJoinPool.common.externalPush(this);
        return this;
    }