（手機橫屏看原始碼更方便）
注：java原始碼分析部分如無特殊說明均基於 java8 版本。
注：本文基於ForkJoinPool分治執行緒池類。
簡介
隨著在硬體上多核處理器的發展和廣泛使用，併發程式設計成為程式設計師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，計算很大陣列中所有整數的和？
剖析
- 單執行緒相加？
我們最容易想到就是單執行緒相加，一個for迴圈搞定。
- 執行緒池相加？
如果進一步優化，我們會自然而然地想到使用執行緒池來分段相加，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 {
// 構造資料
int length = 100000000;
long[] arr = new long[length];
for (int i = 0; i < length; i++) {
arr[i] = ThreadLocalRandom.current().nextInt(Integer.MAX_VALUE);
}
// 單執行緒
singleThreadSum(arr);
// ThreadPoolExecutor執行緒池
multiThreadSum(arr);
// ForkJoinPool執行緒池
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“彤哥讀原始碼”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“彤哥讀原始碼”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執行緒計算，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;
}
}
}複製程式碼彤哥偷偷地告訴你，實際上計算1億個整數相加，單執行緒是最快的，我的電腦大概是100ms左右，使用執行緒池反而會變慢。
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複製程式碼可以看到，ForkJoinPool相對普通執行緒池還是有很大提升的。
問題：普通執行緒池能否實現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？
你可以試試看(-᷅_-᷄)
OK，下面我們正式進入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，經常通過遞迴呼叫演算法來求解子問題。
- 典型應用場景
（1）二分搜尋
（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 中新增的執行緒池類，它的繼承體系如下：
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，對擴充套件開放。
可見整個執行緒池體系一開始的介面設計就很好，新增一個執行緒池類，不會對原有的程式碼造成干擾，還能利用原有的特性。
ForkJoinTask
兩個主要方法
- fork()
fork()方法類似於執行緒的Thread.start()方法，但是它不是真的啟動一個執行緒，而是將任務放入到工作佇列中。
- join()
join()方法類似於執行緒的Thread.join()方法，但是它不是簡單地阻塞執行緒，而是利用工作執行緒執行其它任務。當一個工作執行緒中呼叫了join()方法，它將處理其它任務，直到注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撥。
ForkJoinPool內部原理
ForkJoinPool內部使用的是“工作竊取”演算法實現的。
（1）每個工作執行緒都有自己的工作佇列WorkQueue；
（2）這是一個雙端佇列，它是執行緒私有的；
（3）ForkJoinTask中fork的子任務，將放入執行該任務的工作執行緒的隊頭，工作執行緒將以LIFO的順序來處理工作佇列中的任務；
（4）為了最大化地利用CPU，空閒的執行緒將從其它執行緒的佇列中“竊取”任務來執行；
（5）從工作佇列的尾部竊取任務，以減少競爭；
（6）雙端佇列的操作：push()/pop()僅在其所有者工作執行緒中呼叫，poll()是由其它執行緒竊取任務時呼叫的；
（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“彤哥讀原始碼”原創；
（2）在需要阻塞工作執行緒時，可以使用ManagedBlocker；
（3）不應該在RecursiveTask
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）每個執行緒有自己的工作佇列，它是一個雙端佇列，自己從佇列頭存取任務，其它執行緒從尾部竊取任務；
（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內部可以少呼叫一次fork()，利用當前執行緒處理，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就會啟另一個執行緒來執行任務，以最大化地利用CPU。
請看下面的例子，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“彤哥讀原始碼”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;
}
}
}複製程式碼歡迎關注我的公眾號“彤哥讀原始碼”，檢視更多原始碼系列文章, 與彤哥一起暢遊原始碼的海洋。