死磕 java線程系列之ForkJoinPool深入解析

（手機橫屏看源碼更方便）註：java源碼分析部分如無特殊說明均基於 java8 版本。註：本文基於ForkJoinPool分治線程池類。簡介隨著在硬體上多核處理器的發展和廣泛使用，併發編程成為程式員必須掌握的一門技術，在面試中也經常考查面試者併發相關的知識。今天，我們就來看一道面試題：如 ...

forkjoinpool

（手機橫屏看源碼更方便）

註：java源碼分析部分如無特殊說明均基於 java8 版本。

註：本文基於ForkJoinPool分治線程池類。

簡介

隨著在硬體上多核處理器的發展和廣泛使用，併發編程成為程式員必須掌握的一門技術，在面試中也經常考查面試者併發相關的知識。

今天，我們就來看一道面試題：

如何充分利用多核CPU，計算很大數組中所有整數的和？

剖析

單線程相加？

我們最容易想到就是單線程相加，一個for迴圈搞定。

線程池相加？

如果進一步優化，我們會自然而然地想到使用線程池來分段相加，最後再把每個段的結果相加。

其它？

Yes，就是我們今天的主角——ForkJoinPool，但是它要怎麼實現呢？似乎沒怎麼用過哈^^

三種實現

OK，剖析完了，我們直接來看三種實現，不墨跡，直接上菜。

/**
 * 計算1億個整數的和
 */
public class ForkJoinPoolTest01 {
    public static void main(String[] args) throws ExecutionException, InterruptedException {
        // 構造數據
        int length = 100000000;
        long[] arr = new long[length];
        for (int i = 0; i < length; i++) {
            arr[i] = ThreadLocalRandom.current().nextInt(Integer.MAX_VALUE);
        }
        // 單線程
        singleThreadSum(arr);
        // ThreadPoolExecutor線程池
        multiThreadSum(arr);
        // ForkJoinPool線程池
        forkJoinSum(arr);

    }

    private static void singleThreadSum(long[] arr) {
        long start = System.currentTimeMillis();

        long sum = 0;
        for (int i = 0; i < arr.length; i++) {
            // 模擬耗時，本文由公從號“彤哥讀源碼”原創
            sum += (arr[i]/3*3/3*3/3*3/3*3/3*3);
        }

        System.out.println("sum: " + sum);
        System.out.println("single thread elapse: " + (System.currentTimeMillis() - start));

    }

    private static void multiThreadSum(long[] arr) throws ExecutionException, InterruptedException {
        long start = System.currentTimeMillis();

        int count = 8;
        ExecutorService threadPool = Executors.newFixedThreadPool(count);
        List<Future<Long>> list = new ArrayList<>();
        for (int i = 0; i < count; i++) {
            int num = i;
            // 分段提交任務
            Future<Long> future = threadPool.submit(() -> {
                long sum = 0;
                for (int j = arr.length / count * num; j < (arr.length / count * (num + 1)); j++) {
                    try {
                        // 模擬耗時
                        sum += (arr[j]/3*3/3*3/3*3/3*3/3*3);
                    } catch (Exception e) {
                        e.printStackTrace();
                    }
                }
                return sum;
            });
            list.add(future);
        }

        // 每個段結果相加
        long sum = 0;
        for (Future<Long> future : list) {
            sum += future.get();
        }

        System.out.println("sum: " + sum);
        System.out.println("multi thread elapse: " + (System.currentTimeMillis() - start));
    }

    private static void forkJoinSum(long[] arr) throws ExecutionException, InterruptedException {
        long start = System.currentTimeMillis();

        ForkJoinPool forkJoinPool = ForkJoinPool.commonPool();
        // 提交任務
        ForkJoinTask<Long> forkJoinTask = forkJoinPool.submit(new SumTask(arr, 0, arr.length));
        // 獲取結果
        Long sum = forkJoinTask.get();

        forkJoinPool.shutdown();

        System.out.println("sum: " + sum);
        System.out.println("fork join elapse: " + (System.currentTimeMillis() - start));
    }

    private static class SumTask extends RecursiveTask<Long> {
        private long[] arr;
        private int from;
        private int to;

        public SumTask(long[] arr, int from, int to) {
            this.arr = arr;
            this.from = from;
            this.to = to;
        }

        @Override
        protected Long compute() {
            // 小於1000的時候直接相加，可靈活調整
            if (to - from <= 1000) {
                long sum = 0;
                for (int i = from; i < to; i++) {
                    // 模擬耗時
                    sum += (arr[i]/3*3/3*3/3*3/3*3/3*3);
                }
                return sum;
            }

            // 分成兩段任務，本文由公從號“彤哥讀源碼”原創
            int middle = (from + to) / 2;
            SumTask left = new SumTask(arr, from, middle);
            SumTask right = new SumTask(arr, middle, to);

            // 提交左邊的任務
            left.fork();
            // 右邊的任務直接利用當前線程計算，節約開銷
            Long rightResult = right.compute();
            // 等待左邊計算完畢
            Long leftResult = left.join();
            // 返回結果
            return leftResult + rightResult;
        }
    }
}

~~彤哥偷偷地告訴你，實際上計算1億個整數相加，單線程是最快的，我的電腦大概是100ms左右，使用線程池反而會變慢。~~

~~所以，為了演示ForkJoinPool的牛逼之處，我把每個數都/3*3/3*3/3*3/3*3/3*3了一頓操作，用來模擬計算耗時。~~

來看結果：

sum: 107352457433800662
single thread elapse: 789
sum: 107352457433800662
multi thread elapse: 228
sum: 107352457433800662
fork join elapse: 189

可以看到，ForkJoinPool相對普通線程池還是有很大提升的。

問題：普通線程池能否實現ForkJoinPool這種計算方式呢，即大任務拆中任務，中任務拆小任務，最後再彙總？

forkjoinpool

你可以試試看(-᷅_-᷄)

OK，下麵我們正式進入ForkJoinPool的解析。

分治法

基本思想

把一個規模大的問題劃分為規模較小的子問題，然後分而治之，最後合併子問題的解得到原問題的解。

步驟

（1）分割原問題：

（2）求解子問題：

（3）合併子問題的解為原問題的解。

在分治法中，子問題一般是相互獨立的，因此，經常通過遞歸調用演算法來求解子問題。

典型應用場景

（1）二分搜索

（2）大整數乘法

（3）Strassen矩陣乘法

（4）棋盤覆蓋

（5）歸併排序

（6）快速排序

（7）線性時間選擇

（8）漢諾塔

ForkJoinPool繼承體系

ForkJoinPool是 java 7 中新增的線程池類，它的繼承體系如下：

forkjoinpool

ForkJoinPool和ThreadPoolExecutor都是繼承自AbstractExecutorService抽象類，所以它和ThreadPoolExecutor的使用幾乎沒有多少區別，除了任務變成了ForkJoinTask以外。

這裡又運用到了一種很重要的設計原則——開閉原則——對修改關閉，對擴展開放。

可見整個線程池體系一開始的介面設計就很好，新增一個線程池類，不會對原有的代碼造成干擾，還能利用原有的特性。

ForkJoinTask

兩個主要方法

fork()

fork()方法類似於線程的Thread.start()方法，但是它不是真的啟動一個線程，而是將任務放入到工作隊列中。

join()

join()方法類似於線程的Thread.join()方法，但是它不是簡單地阻塞線程，而是利用工作線程運行其它任務。當一個工作線程中調用了join()方法，它將處理其它任務，直到註意到目標子任務已經完成了。

三個子類

RecursiveAction

無返回值任務。

RecursiveTask

有返回值任務。

CountedCompleter

無返回值任務，完成任務後可以觸發回調。

ForkJoinPool內部原理

ForkJoinPool內部使用的是“工作竊取”演算法實現的。

forkjoinpool

（1）每個工作線程都有自己的工作隊列WorkQueue；

（2）這是一個雙端隊列，它是線程私有的；

（3）ForkJoinTask中fork的子任務，將放入運行該任務的工作線程的隊頭，工作線程將以LIFO的順序來處理工作隊列中的任務；

（4）為了最大化地利用CPU，空閑的線程將從其它線程的隊列中“竊取”任務來執行；

（5）從工作隊列的尾部竊取任務，以減少競爭；

（6）雙端隊列的操作：push()/pop()僅在其所有者工作線程中調用，poll()是由其它線程竊取任務時調用的；

（7）當只剩下最後一個任務時，還是會存在競爭，是通過CAS來實現的；

forkjoinpool

ForkJoinPool最佳實踐

（1）最適合的是計算密集型任務，本文由公從號“彤哥讀源碼”原創；

（2）在需要阻塞工作線程時，可以使用ManagedBlocker；

（3）不應該在RecursiveTask的內部使用ForkJoinPool.invoke()/invokeAll()；

總結

（1）ForkJoinPool特別適合於“分而治之”演算法的實現；

（2）ForkJoinPool和ThreadPoolExecutor是互補的，不是誰替代誰的關係，二者適用的場景不同；

（3）ForkJoinTask有兩個核心方法——fork()和join()，有三個重要子類——RecursiveAction、RecursiveTask和CountedCompleter；

（4）ForkjoinPool內部基於“工作竊取”演算法實現；

（5）每個線程有自己的工作隊列，它是一個雙端隊列，自己從隊列頭存取任務，其它線程從尾部竊取任務；

（6）ForkJoinPool最適合於計算密集型任務，但也可以使用ManagedBlocker以便用於阻塞型任務；

（7）RecursiveTask內部可以少調用一次fork()，利用當前線程處理，這是一種技巧；

彩蛋

ManagedBlocker怎麼使用？

答：ManagedBlocker相當於明確告訴ForkJoinPool框架要阻塞了，ForkJoinPool就會啟另一個線程來運行任務，以最大化地利用CPU。

請看下麵的例子，自己琢磨哈^^。

/**
 * 斐波那契數列
 * 一個數是它前面兩個數之和
 * 1,1,2,3,5,8,13,21
 */
public class Fibonacci {

    public static void main(String[] args) {
        long time = System.currentTimeMillis();
        Fibonacci fib = new Fibonacci();
        int result = fib.f(1_000).bitCount();
        time = System.currentTimeMillis() - time;
        System.out.println("result，本文由公從號“彤哥讀源碼”原創 = " + result);
        System.out.println("test1_000() time = " + time);
    }

    public BigInteger f(int n) {
        Map<Integer, BigInteger> cache = new ConcurrentHashMap<>();
        cache.put(0, BigInteger.ZERO);
        cache.put(1, BigInteger.ONE);
        return f(n, cache);
    }

    private final BigInteger RESERVED = BigInteger.valueOf(-1000);

    public BigInteger f(int n, Map<Integer, BigInteger> cache) {
        BigInteger result = cache.putIfAbsent(n, RESERVED);
        if (result == null) {

            int half = (n + 1) / 2;

            RecursiveTask<BigInteger> f0_task = new RecursiveTask<BigInteger>() {
                @Override
                protected BigInteger compute() {
                    return f(half - 1, cache);
                }
            };
            f0_task.fork();

            BigInteger f1 = f(half, cache);
            BigInteger f0 = f0_task.join();

            long time = n > 10_000 ? System.currentTimeMillis() : 0;
            try {

                if (n % 2 == 1) {
                    result = f0.multiply(f0).add(f1.multiply(f1));
                } else {
                    result = f0.shiftLeft(1).add(f1).multiply(f1);
                }
                synchronized (RESERVED) {
                    cache.put(n, result);
                    RESERVED.notifyAll();
                }
            } finally {
                time = n > 10_000 ? System.currentTimeMillis() - time : 0;
                if (time > 50)
                    System.out.printf("f(%d) took %d%n", n, time);
            }
        } else if (result == RESERVED) {
            try {
                ReservedFibonacciBlocker blocker = new ReservedFibonacciBlocker(n, cache);
                ForkJoinPool.managedBlock(blocker);
                result = blocker.result;
            } catch (InterruptedException e) {
                throw new CancellationException("interrupted");
            }

        }
        return result;
        // return f(n - 1).add(f(n - 2));
    }

    private class ReservedFibonacciBlocker implements ForkJoinPool.ManagedBlocker {
        private BigInteger result;
        private final int n;
        private final Map<Integer, BigInteger> cache;

        public ReservedFibonacciBlocker(int n, Map<Integer, BigInteger> cache) {
            this.n = n;
            this.cache = cache;
        }

        @Override
        public boolean block() throws InterruptedException {
            synchronized (RESERVED) {
                while (!isReleasable()) {
                    RESERVED.wait();
                }
            }
            return true;
        }

        @Override
        public boolean isReleasable() {
            return (result = cache.get(n)) != RESERVED;
        }
    }
}

歡迎關註我的公眾號“彤哥讀源碼”，查看更多源碼系列文章, 與彤哥一起暢游源碼的海洋。

qrcode