归并排序 概念及实现
归并排序
https://blog.csdn.net/k_koris/article/details/80508543
归并排序是建立在归并操作上的一种有效的排序算法。
该算法是采用分治法的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。
若将两个有序表合并成一个有序表，称为2-路归并，与之对应的还有多路归并。
对于给定的一组数据，利用递归与分治技术将数据序列划分成为越来越小的半子表，在对半子表排序后，再用递归方法将排好序的半子表合并成为越来越大的有序序列。
注意
为了提升性能，有时我们在半子表的个数小于某个数（比如15）的情况下，对半子表的排序采用其他排序算法，比如插入排序。
Java实现
package com.monco.ch2.forkjoin;
import java.util.Arrays;
/**
* @author monco
* @data 2020/5/26 11:15
* @description :
*/
public class MergeSort {
public static void main(String[] args) {
int[] arr = {3, 2, 5, 6, 8, 1, 9, 0, 4, 7};
sort(arr);
System.out.println(Arrays.toString(arr));
}
public static void sort(int[] arr) {
//在排序前，先建好一个长度等于原数组长度的临时数组，避免递归中频繁开辟空间
int[] temp = new int[arr.length];
sort(arr, 0, arr.length - 1, temp);
}
private static void sort(int[] arr, int left, int right, int[] temp) {
if (left < right) {
int mid = (left + right) / 2;
//左边归并排序，使得左子序列有序
sort(arr, left, mid, temp);
//右边归并排序，使得右子序列有序
sort(arr, mid + 1, right, temp);
//将两个有序子数组合并操作
merge(arr, left, mid, right, temp);
}
}
private static void merge(int[] arr, int left, int mid, int right, int[] temp) {
//左序列指针
int i = left;
//右序列指针
int j = mid + 1;
//临时数组指针
int t = 0;
while (i <= mid && j <= right) {
if (arr[i] <= arr[j]) {
temp[t++] = arr[i++];
} else {
temp[t++] = arr[j++];
}
}
//将左边剩余元素填充进temp中
while (i <= mid) {
temp[t++] = arr[i++];
}
//将右序列剩余元素填充进temp中
while (j <= right) {
temp[t++] = arr[j++];
}
t = 0;
//将temp中的元素全部拷贝到原数组中
while (left <= right) {
arr[left++] = temp[t++];
}
}
}
Fork-Join 设计理念及实现
原理解析
其核心思想是将一个大的任务，分成若干个小任务，每个小任务分别执行完毕之后，在汇总到大的任务，以达到完成任务的目的。
分治策略
对于一个规模为n的问题，若该问题可以容易地解决（比如说规模n较小）则直接解决，否则将其分解为k个规模较小的子问题，这些子问题互相独立且与原问题形式相同(子问题相互之间有联系就会变为动态规范算法)，递归地解这些子问题，然后将各子问题的解合并得到原问题的解。这种算法设计策略叫做分治法。
工作密取
即当前线程的Task已经全被执行完毕，则自动取到其他线程的Task池中取出Task继续执行。
ForkJoinPool中维护着多个线程（一般为CPU核数）在不断地执行Task，每个线程除了执行自己职务内的Task之外，还会根据自己工作线程的闲置情况去获取其他繁忙的工作线程的Task，如此一来就能够减少线程阻塞或是闲置的时间，提高CPU利用率。
Fork-Join 实战
Fork/Join使用的标准范式
我们要使用ForkJoin框架，必须首先创建一个ForkJoin任务。它提供在任务中执行fork和join的操作机制，通常我们不直接继承ForkjoinTask类，只需要直接继承其子类。
- RecursiveAction，用于没有返回结果的任务
- RecursiveTask，用于有返回值的任务
- task要通过ForkJoinPool来执行，使用submit 或 invoke 提交，两者的区别是：invoke是同步执行，调用之后需要等待任务完成，才能执行后面的代码；submit是异步执行。
- join()和get方法当任务完成的时候返回计算结果。
在我们自己实现的compute方法里，首先需要判断任务是否足够小，如果足够小就直接执行任务。如果不足够小，就必须分割成两个子任务，每个子任务在调用invokeAll方法时，又会进入compute方法，看看当前子任务是否需要继续分割成孙任务，如果不需要继续分割，则执行当前子任务并返回结果。使用join方法会等待子任务执行完并得到其结果。
Fork/Join 实现累加 同步且有返回值实现
/**
* @author monco
* @data 2020/5/26 23:19
* @description :
* 继承自 RecursiveTask 用于有返回结果的任务 泛型 中的类型 即为返回数据的类型
*/
public class ForkJoinSum {
private static class SumTask extends RecursiveTask<Integer> {
/**
* 定义阈值
*/
public final static int THRESHOLD = 47;
private int[] src;
private int fromIndex;
private int toIndex;
public SumTask(int[] src, int fromIndex, int toIndex) {
this.src = src;
this.fromIndex = fromIndex;
this.toIndex = toIndex;
}
@Override
protected Integer compute() {
/**
* 判断数组的长度 是 小于某一个值的时候 进行 sum 操作
* 否则将任务拆分
*/
if (toIndex - fromIndex < THRESHOLD) {
int count = 0;
for (int i = fromIndex; i <= toIndex; i++) {
SleepTools.ms(1);
count = count + src[i];
}
return count;
} else {
//fromIndex....mid.....toIndex
int mid = (fromIndex + toIndex) / 2;
SumTask left = new SumTask(src, fromIndex, mid);
SumTask right = new SumTask(src, mid + 1, toIndex);
// 唤醒任务 没有返回值的
invokeAll(left, right);
return left.join() + right.join();
}
}
}
public static void main(String[] args) throws ExecutionException, InterruptedException {
int[] array = MoncoArray.makeArray();
/*new出池的实例*/
ForkJoinPool pool = new ForkJoinPool();
/*new出Task的实例*/
SumTask innerFind = new SumTask(array, 0, array.length - 1);
long start = System.currentTimeMillis();
pool.invoke(innerFind);
Integer i = innerFind.get();
System.out.println("The count is " + innerFind.join() + ":" + i
+ " spend time:" + (System.currentTimeMillis() - start) + "ms");
}
}
结果
单线程 实现累加
/**
* @author monco
* @data 2020/5/26 23:19
* @description : 单线程执行累加
*/
public class NormalSum {
public static void main(String[] args) {
int count = 0;
int[] src = MoncoArray.makeArray();
long start = System.currentTimeMillis();
for(int i= 0;i<src.length;i++){
SleepTools.ms(1);
count = count + src[i];
}
System.out.println("The count is "+count
+" spend time:"+(System.currentTimeMillis()-start)+"ms");
}
}
结果
生成数组工具类
/**
* @author monco
* @data 2020/5/26 22:24
* @description : 随机生成数组
*/
public class MoncoArray {
/**
* 定义数组长度
*/
private static final int ARRAY_LENGTH = 40000;
public static int[] makeArray() {
//new一个随机数发生器
Random r = new Random();
int[] result = new int[ARRAY_LENGTH];
for (int i = 0; i < ARRAY_LENGTH; i++) {
//用随机数填充数组
result[i] = r.nextInt(ARRAY_LENGTH * 3);
}
return result;
}
}
Fork/Join 实现文件夹查找 异步无返回值实现
import java.io.File;
import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.RecursiveAction;
/**
* @author monco
* @data 2020/5/26 23:41
* @description : 查找某一路径下的文件
* 继承自 RecursiveAction 用于没有返回结果的任务
*/
public class FindDirsFiles extends RecursiveAction {
private File path;
public FindDirsFiles(File path) {
this.path = path;
}
/**
* 实现 compute 方法
*/
@Override
protected void compute() {
List<FindDirsFiles> subTasks = new ArrayList<>();
// 获得文件路径所有文件
File[] files = path.listFiles();
// 如果文件不为空
if (files != null) {
for (File file : files) {
if (file.isDirectory()) {
// 对每个子目录加任务
subTasks.add(new FindDirsFiles(file));
} else {
// 遇到文件，检查。
if (file.getAbsolutePath().endsWith("exe")) {
System.out.println("文件:" + file.getAbsolutePath());
}
}
}
if (!subTasks.isEmpty()) {
for (FindDirsFiles subTask : subTasks) {
// 在当前的 ForkJoinPool 上调度所有的子任务。
subTask.join();
}
}
}
}
public static void main(String[] args) {
// 定义一个 forkJoin 池
ForkJoinPool pool = new ForkJoinPool();
FindDirsFiles task = new FindDirsFiles(new File("C:/Users/monco/Desktop/Redis-x64-3.0.504"));
// 异步提交
pool.execute(task);
/*主线程做自己的业务工作*/
System.out.println("Task is Running......");
int otherWork = 0;
for (int i = 0; i < 100; i++) {
otherWork = otherWork + i;
}
System.out.println("Main Thread done sth......,otherWork=" + otherWork);
task.join();//阻塞方法
System.out.println("Task end");
}
}
结果
结论
使用fork/join 在处理的得当的时机，会大大提升CPU使用效率，从而缩短运行时间。