• Fork/join框架


    Fork/join框架概述

    就是在必要的情况下,将一个大任务,进行拆分(fork)成若干个小任务(拆到不可再拆时),再将一个个的小任务运算的结果进行 join 汇总。

    Fork/Join 框架与传统线程池的区别

    采用 “工作窃取”模式(work-stealing):当执行新的任务时它可以将其拆分分成更小的任务执行,并将小任务加到线程队列中,然后再从一个随机线程的队列中偷一个并把它放在自己的队列中。相对于一般的线程池实现,fork/join框架的优势体现在:对其中包含的任务的处理方式上.在一般的线程池中,如果一个线程正在执行的任务由于某些原因无法继续运行,那么该线程会处于等待状态.而在fork/join框架实现中,如果某个子问题由于等待另外一个子问题的完成而无法继续运行.那么处理该子问题的线程会主动寻找其他尚未运行的子问题来执行.这种方式减少了线程的等待时间,提高了性能。

    示例代码

    /**
     * 
     */
    package com.xnn;
    
    import java.util.concurrent.RecursiveAction;
    import java.util.concurrent.RecursiveTask;
    
    /**
     * 类(接口)描述:
     * @author xnn
     * 2018年10月23日下午10:36:44
     */
    public class TestForkJion extends RecursiveTask<Long> {
    
    	private static final long serialVersionUID = 1L;
    	//起始值
    	private long start;
    	//末尾值
    	private long end;
    	//分割的阈值
    	private static final long THRESHOLD=10000;
        
    	/**
    	 * @param start
    	 * @param end
    	 */
    	public TestForkJion(long start, long end) {
    		super();
    		this.start = start;
    		this.end = end;
    	}
    
    	/**
    	 * @return the start
    	 */
    	public long getStart() {
    		return start;
    	}
    
    	/**
    	 * @param start the start to set
    	 */
    	public void setStart(long start) {
    		this.start = start;
    	}
    
    	/**
    	 * @return the end
    	 */
    	public long getEnd() {
    		return end;
    	}
    
    	/**
    	 * @param end the end to set
    	 */
    	public void setEnd(long end) {
    		this.end = end;
    	}
    /**
     * 计算start到end的累加和
     */
    	@Override
    	protected Long compute() {
    		//分割的长度
    		long length = end - start;
    		//分割的长度小于等于阈值时,不再拆分 直接计算start到end之间对的和,然后进行返回
    		if(length<=THRESHOLD) {
    			long sum = 0;
    			for (long  i = start; i <=end; i++) {
    				 sum+=i;
    			}
    			return sum;
    		}
    		
    		//否则就继续进行拆分,
    		else {
    			//取出中间值
    			long middle = (start+end)/2;
    			
    			//构造查分后左侧数据的任务类
    			TestForkJion left  = new TestForkJion(start,middle);
    			
    			//拆分子任务,同时压入线程队列
    			left.fork();
    			
    			//构造查分后右侧数据的任务类
    			TestForkJion right = new TestForkJion(middle+1, end);
    			
    			//拆分子任务,同时压入线程队列
    			right.fork();
    			
    			//进行小任务间的join汇总,并返回结果
    			return left.join()+right.join(); 	
    		}
    	} 
    }
    
    
    /**
     * 
     */
    package com.xnn;
    
    import java.time.Duration;
    import java.time.Instant;
    import java.time.LocalTime;
    import java.util.concurrent.ForkJoinPool;
    import java.util.concurrent.ForkJoinTask;
    
    import org.junit.Test;
    
    /**
     * 类(接口)描述:
     * @author xnn
     * 2018年10月23日下午11:05:04
     */
    public class TestFork {
    @Test
    public void test() {
    	Instant start = Instant.now();
    	
    	//需要ForkJoinPool支持
    	ForkJoinPool forkJoinPool = new ForkJoinPool();
    	
    	//创建任务
    	ForkJoinTask<Long> task = new TestForkJion(1, 100000000000000000l);
    	Long sum = forkJoinPool.invoke(task);
    	System.out.println(sum);
    	Instant end = Instant.now();
    	System.out.println(Duration.between(start, end).toMillis());
    }
    //普通for循环
    @Test
    public void test1() {
    	Instant start = Instant.now();
    
    	long sum = 0;
    for (long i = 0; i <=100000000000000000l; i++) {
    	sum+=i;
    }
    System.out.println(sum);
    Instant end = Instant.now();
    System.out.println(Duration.between(start, end).toMillis());
    }
    }
    
    

    运行结果发现在end小于100000000的时候,使用Fork/Join框架运算,并没有普通for循环运算的快,原因是,100000000这个数太小,用Fork/Join框架运算时,需要进行分组,这个需要花时间,这个时间和我们设置的阈值以及j计算的数据大小有关,
    还有一个特点是:用Fork/Join框架运算时,CPU的使用率会比平时高很多,甚至能到100%,因为这个框架采用工作-窃取模式,根本不会给CPU喘息的机会。

  • 相关阅读:
    关于分区索引对齐
    SQLSERVER 分区表实战
    鱼骨图实践
    Python之路-python(面向对象一)
    Python之路-python(常用模块学习)
    Python之路-python(装饰器、生成器、迭代器、Json & pickle 数据序列化、软件目录结构规范)
    Python之路-python(set集合、文本操作、字符编码 )
    Python之路-python数据类型(列表、字典、字符串、元祖)操作
    Python之路-python环境安装和简单的语法使用
    javascript中with语句应用
  • 原文地址:https://www.cnblogs.com/nnxud/p/9840487.html
Copyright © 2020-2023  润新知