和阿里P8大佬面试互怼了半小时的Fork/Join的原理!

只听到P8大佬不急不慢问道：谈谈对JDK并发工具的认识？

我开始仔细梳理多年的并发八股文积累的经验，道：
线程池、Future、CompletableFuture和CompletionService这些并发工具都帮助SE站在任务角度解决并发问题，而非纠结于线程之间协作的细节，比如线程之间如何实现等待、通知。

• 简单并行任务
  线程池+Future 组合拳解决
• 任务之间有聚合关系
  AND、OR聚合，都可以CompletableFuture一招鲜解决
• 批量的并行任务
  CompletionService一把梭方案

并发编程可分为三个层面问题

• 分工
• 协作
• 互斥

当关注于任务时，你会发现你的视角已脱离于并发编程细节，而使用现实世界思维模式，类比现实世界的分工，其实线程池、Future、CompletableFuture和CompletionService都可列为分工问题。

• 简单并行任务、聚合任务和批量并行任务的现实的工作流程图
  
  这三种任务模型，基本覆盖日常工作中的并发场景，但肯定不全面，还有一种“分治”任务模型。

分治，分而治之，一种解决复杂问题的思维方法和模式。把一个复杂问题分解成多个相似的子问题，然后再把子问题分解成更小的子问题，直到子问题简单到可以直接求解。理论上解决每一个问题都对应着一个任务，所以对于问题的分治，实际上就是对于任务的分治。

P8 大佬直接开问，那你说说什么是分治任务模型？
分治任务模型可分为两个阶段：

1. 任务分解
   将任务迭代地分解为子任务，直至子任务可计算出结果
2. 结果合并
   逐层合并子任务的执行结果，直至获得最终结果

就像官僚制度一样：

那你平时开发是如何使用Fork/Join的？

还好这道题，我面试前也准备了…

Fork/Join是一个并行计算框架，以支持分治任务模型

• Fork对应分治任务模型里的任务分解
• Join对应结果合并

Fork/Join计算框架主要包含两部分：

• 分治任务的线程池ForkJoinPool
• 分治任务ForkJoinTask

这俩的关系类似于 ThreadPoolExecutor 和 Runnable，都是提交任务到线程池，只不过分治任务有自己独特的任务类型ForkJoinTask。

ForkJoinTask

JDK7 提供，一个抽象类，核心方法如下：

• fork()
  异步执行一个子任务
• join()
  阻塞当前线程来等待子任务的执行结果

ForkJoinTask有两个子类——RecursiveAction和RecursiveTask，显然都是用递归处理分治任务。这两个子类都定义了抽象方法compute()：

• RecursiveAction#compute()无返回值
  

• RecursiveTask#compute()有返回值
  
  注意到这俩类都是抽象类，使用要定义子类实现。
  

只见 P8 开始冷笑，看来要问源码级别原理了！

那你说下Fork/Join的工作原理

还好我知道阿里面试套路，凡是 java 工具，必问深入的源码。

因为Fork/Join的核心就是ForkJoinPool，让我来深入讲解ForkJoinPool原理。

ThreadPoolExecutor本质是个生产者-消费者实现，内部有一个任务队列，作为生产者和消费者的通信媒介。ThreadPoolExecutor可以有多个工作线程，这些工作线程都共享一个任务队列。

ForkJoinPool本质上也是一个生产者-消费者的实现，但更智能

• ForkJoinPool工作原理图
  

ThreadPoolExecutor内部只有一个任务队列，而ForkJoinPool内部有多个任务队列，当调用ForkJoinPool#invoke()或submit()提交任务时，ForkJoinPool把任务通过路由规则提交到一个任务队列，如果任务在执行过程中会创建出子任务，那么子任务会提交到工作线程对应的任务队列。

如果工作线程对应的任务队列空，是不是就没活儿干了？
No！ForkJoinPool有个“任务窃取”机制，若工作线程空闲了，它会“窃取”其他工作任务队列里的任务，例如刚才那个图中，线程T2对应任务队列已空

那它会“窃取”线程T1对应的任务队列的任务。这样所有工作线程都不会闲着。

ForkJoinPool的任务队列采用的是双端队列，工作线程正常获取任务和“窃取任务”分别从任务队列不同的端消费，这也能避免很多不必要的数据竞争。

ForkJoinPool支持任务窃取机制，能够让所有线程的工作量基本均衡，不会出现有的线程很忙，而有的线程很闲的状况，所以性能很好。Java 1.8提供的Stream API里面并行流也是以ForkJoinPool为基础的。不过需要你注意的是，默认情况下所有的并行流计算都共享一个ForkJoinPool，这个共享的ForkJoinPool默认的线程数是CPU的核数；如果所有的并行流计算都是CPU密集型计算的话，完全没有问题，但是如果存在I/O密集型的并行流计算，那么很可能会因为一个很慢的I/O计算而拖慢整个系统的性能。所以建议用不同的ForkJoinPool执行不同类型的计算任务