jdk7 并行计算框架Fork/Join

故名思义，拆分fork+合并join。jdk1.7整合Fork/Join，性能上有大大提升。

思想:充分利用多核CPU把计算拆分成多个子任务，并行计算，提高CPU利用率大大减少运算时间。有点像，MapReduce思路感觉大致一样。

jdk7中已经提供了最简洁的接口，让你不需要太多时间关心并行时线程的通信，死锁问题，线程同步，下面是它提供的接口：

简单示例：

package tank.forjoin.demo;



import java.util.concurrent.RecursiveTask;



/**

        * @author tank

        * @date:2014-8-27 下午01:30:06

        * @description:

        * @version :任务

        * futrue:

        * forkjoinTask:recursiveTask recursiveAction

        */

public class Demo1 extends RecursiveTask<Integer> {

    private int start;

    private int end;



    public Demo1(int start, int end) {

        this.start = start;

        this.end = end;

    }



    //计算

    @Override

    protected Integer compute() {

        int sum = 0;

        if (start - end < 100) {

            for (int i = start; i < end; i++) {

                sum += i;

            }

        } else {//间隔有100则拆分多个任务计算

            int middle = (start + end) / 2;

            Demo1 left = new Demo1(start, middle);

            Demo1 right = new Demo1(middle + 1, end);

            left.fork();

            right.fork();



            sum = left.join() + right.join();

        }

        return sum;

    }

}

package tank.forjoin.demo;



import java.util.concurrent.ExecutionException;

import java.util.concurrent.ForkJoinPool;

import java.util.concurrent.Future;



import org.junit.Test;



/**

        * @author tank

        * @date:2014-8-27 下午01:50:20

        * @description:

        * @version :

        */

public class TestDemo1 {

    @Test

    public void testDemo1() throws InterruptedException, ExecutionException {

        ForkJoinPool forkJoinPool = new ForkJoinPool();//对线程池的扩展

        Future<Integer> result = forkJoinPool.submit(new Demo1(1, 10000));



        System.out.println(result.get());
　　　　　
　　　　　forkJoinPool.shutdown();

    }



}

RecursiveAction 无返回值任务。

RecursiveTask有返回值类型。

ForkJoinPool提供了一系列的submit方法，计算任务。ForkJoinPool默认的线程数通过Runtime.availableProcessors()获得，因为在计算密集型的任务中，获得多于处理性核心数的线程并不能获得更多性能提升。