大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
为什么用 Fork/Join ?
对于简单的并行任务,你可以通过“线程池+Future”的方案来解决;如果任务之间有聚合关系,无论是AND聚合还是OR聚合,都可以通过CompletableFuture来解决;而批量的并行任务,则可以通过CompletionService来解决。这几种方案基本上能够覆盖日常工作中的并发场景了,但还是不够全面,因为还有一种“分治”的任务模型没有覆盖到。
分治,顾名思义,即分而治之,是一种解决复杂问题的思维方法和模式;具体来讲,指的是把一个复杂的问题分解成多个相似的子问题,然后再把子问题分 解成更小的子问题,直到子问题简单到可以直接求解。
如何用Fork/Join 并行计算框架计算斐波那契数列
import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.RecursiveTask;
public class forkjoin {
public static void main(String[] args) {
//创建分治任务线程池
ForkJoinPool fjp = new ForkJoinPool(4);
//创建分治任务
Fibonacci fib = new Fibonacci(30);
//启动分治任务
Long start_time = System.currentTimeMillis();
Integer result = fjp.invoke(fib);
//输出结果
Long end_time = System.currentTimeMillis();
Long compute_time = end_time - start_time;
System.out.println("result: "+result);
System.out.println("forkjoin compute_time: "+ compute_time);
}
//递归任务
static class Fibonacci extends RecursiveTask<Integer>{
final int n;
Fibonacci(int n){this.n = n;}
protected Integer compute(){
if(n<=1)
return n;
Fibonacci f1 = new Fibonacci(n-1);
//创建⼦任务
f1.fork();
Fibonacci f2 = new Fibonacci(n-2);
//等待⼦任务结果,并合并结果
return f2.compute()+f1.join();
}
}
}
普通单线程计算斐波那契数列
public class fibonacci {
public static void main(String[] args) {
Fibonacci fib = new Fibonacci(30);
Long start_time = System.currentTimeMillis();
Integer result = fib.compute();
Long end_time = System.currentTimeMillis();
Long compute_time = end_time - start_time;
System.out.println("result: "+result);
System.out.println("compute_time: "+ compute_time);
}
//递归任务
static class Fibonacci {
final int n;
Fibonacci(int n){
this.n = n;
}
protected Integer compute(){
//终止条件
if(n<=1)
return n;
//创建⼦任务
Fibonacci f1 = new Fibonacci(n-1);
Fibonacci f2 = new Fibonacci(n-2);
//等待⼦任务结果,并合并结果
return f2.compute()+f1.compute();
}
}
}
分别执行,会发现普通计算的方式会更快,说明forkjoin在调度方面会有很大的性能消耗。
在终止条件下加上一条休眠语句,使每次计算都要持续设定时间以上,再对比两种方式的速度。
Fibonacci fib = new Fibonacci(5);
//终止条件
if(n<=1) {
if(n<=1) {
try {
Thread.sleep(1000);
}catch (Exception e){
e.printStackTrace();
}
return n;
}
}
可以发现并行的计算方式的执行速度,与设定的的线程数量有关,比如第五个斐波那契数列的值,需要分解为8次计算任务,每次至少需要8秒。普通计算方式需要8秒,并行计算方式在线程数为4的情况下,执行时间为2秒;线程数为8的情况下,执行时间为1秒。实际执行速度应与CPU的核数有关,即如果CPU只有4核,就算设置为8线程,最快速度也只有2秒(示例中执行时间为1秒是因为采用线程休眠来模拟该线程的总处理时间,实际该线程在休眠期间并不消耗计算资源)
使用Fork/Join需要注意的地方
在使用Fork/Join时,需要注意出现工作线程不工作的事情。下面从不同的使用方式来分析: fork() 和 compute() 。
在示例中,下面这句语句是分解任务以及合并任务的关键
f1.fork();
//等待⼦任务结果,并合并结果
return f2.compute()+f1.join();
主线程分配了一个任务给子线程,同时自己也执行一次计算任务。
方式1: a.fork(); b.fork(); b.join(); a.join();
f1.fork();
f2.fork();
return f2.join()+f1.join();
这种使用方式内部做了很多优化,目的都是为了避免出现工作线程只分配任务而不执行任务的情况。
方式2:invokeAll(a,b)
invokeAll(f1, f2);
return f2.join()+f1.join();
invokeAll的N个任务中,其中N-1个任务会使用fork()交给其它线程执行,但是,它还会留一个任务自己执行,这样,就充分利用了线程池,保证没有空闲的不干活的线程。
方式3:a.fork(); b.fork(); a.join(); b.join(); (错误的使用方式,不建议使用)
f1.fork();
f2.fork();
return f1.join()+f2.join();
这种使用方式会出现工作线程只分配任务给子线程,自己却不执行任务的情况。比如某个任务可以分为四个子任务,线程a把任务分给线程b线程c,而线程b线程c又继续分给自己的子线程(b分解为b1和b2 / c分解为c1和c2),总共需要7个线程,但是abc却不参与计算。而第一种使用方法,Java内部做了优化。
总结
用两次fork()在join的时候,需要用这样的顺序:a.fork(); b.fork(); b.join(); a.join();这个要求在JDK官方文档里有说明。
建议使用fork() 和 compute() ,这样可以避免避免性能问题,且更容易理解。该用法可理解为在主线程中使用fork分解一次任务,同时该线程执行一次compute 计算,如果该compute计算还需要分解任务,则继续fork() 和 compute(),直到满足终止条件直接返回。因此主线程会不断分解任务,直到任务无法分解并计算该任务返回计算结果。即主线程的处理任务是分解n/2 次任务以及执行一次无法分解的任务。
参考 :
https://www.liaoxuefeng.com/article/001493522711597674607c7f4f346628a76145477e2ff82000
https://time.geekbang.org/discuss/detail/90130/
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/192791.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...