多线程IO操作(fork-join版)

        接着上篇中没写完的（http://my.oschina.net/bluesroot/blog/223453），上篇中讲到很多，为完成对一个目录的扫描的频繁的IO操作，我们从单线程到多线程，从CountDownLatch到BlockingQueue，中间不免各种Callable和Future和ExecutorService等等，虽然纷繁，中间有些不免麻烦，但是最终仍紧紧贴着我们的需求和多线程操作这一主题。

    

        随着jdk的版本升级，并发包也随之扩充了不少，上面博文中的API来源于jdk1.6,1.7的推出和新的api的新增，我们有了更安全更方便更高效的方式去解决上面的问题。

        1.5的时候，我们更多的使用synchronized，并辅助其他的api的去操作多线程，线程的理解不深刻，这样的做法很多时候是很危险的；1.6到了，官方推荐使用线程池，线程池成熟且方便的为大家省去了很多不必要的麻烦，如今到了1.7的时候了，我们发觉它愈发高效。

        最常用的，我们当然能使用ExecutorService来管理并调度线程池中的线程来执行任务。然后问题很分明，设计该线程的时候，我们该如何设置线程的数量呢？多了怕浪费，少了又不高效，好歹有个线程计算公式（线程数=cpu核心数 /（1-阻塞系数），阻塞系数在0-1之间取值），虽然不是绝对正确，却也能有参考。在java7中，针对这一情况，专门加入了针对ExecutorService效率和性能的改进版的fork-join API。

        ForkJoinPool类可以根据可用的处理器数量和任务需求，动态的对线程进行管理。（真心高端...）Fork-join使用了work-stealing策略，即本线程在完成自己的任务之后，在发现其他的线程还有活没做完，则主动帮助其他的线程一起干。该策略的使用，不但提升了API的性能，而且有助于提高线程的利用率。（妈妈再也不用担心，我开多少线程大小的线程池了~~）

        在这个例子中，为了更好的调度任务，我们提供一些ForkJoinTask的实例来配合ForkJoinPool的函数的使用。我们用ForkJoinTask来创建（fork任务），然后再将主线程join到任务的完成点上。这样就行了。

        ForkJoinTask有两个子类，RecursiveAction和RecursiveTask。前者的子类主要用来执行不需要返回值的任务（是不是跟Runnable的说法类似？），而后者的子类，主要用于执行需要返回值的任务。（对了，跟Future的说法类似的）

        Fork-join API主要用于处理那些有些规模合理的任务，即如果每个任务所分担的开销都不大（也没有不确定的循环），则该API就可以达到合理的吞吐量。此外，Fork-join的API希望所有的任务都不要有副作用（即不要改变共享状态），并且没有同步或者锁操作，而本例正是如此，所以，这里使用它，能大大提高效率和代码简洁。它的场景有限，大家切不可以为，它能代替谁，它的出现是为了简化和解决某些情况，而并非取代某些老牌的并发API，ExecutorService表示毫无压力..........

        废话太多了，我们结合上篇文章中的场景需求，看看如何使用jdk7的新api，优雅且高效的解决该问题，代码如下：

public class FileSize {
  
  private final static ForkJoinPool forkJoinPool = new ForkJoinPool();
  
  private static class FileSizeFinder extends RecursiveTask<Long> {
    final File file;
    
    public FileSizeFinder(final File theFile) {
      file = theFile;
    }
    
    @Override public Long compute() {
      long size = 0;
      if (file.isFile()) {
        size = file.length();
      } else {
        final File[] children = file.listFiles();
        if (children != null) {
          List<ForkJoinTask<Long>> tasks = 
            new ArrayList<ForkJoinTask<Long>>();
          for(final File child : children) {
            if (child.isFile()) {
              size += child.length();
            } else {
              tasks.add(new FileSizeFinder(child));
            }
          }
          
          for(final ForkJoinTask<Long> task : invokeAll(tasks)) {
            size += task.join();
          }
        }
      }
      
      return size;
    }
  }

  public static void main(final String[] args) {
    final long start = System.nanoTime();
    final long total = forkJoinPool.invoke(
        new FileSizeFinder(new File("D:/tools")));
    final long end = System.nanoTime();
    System.out.println("Total Size: " + total);
    System.out.println("Time taken: " + (end - start)/1.0e9);    
  }
}

        上述tools文件夹，放了tomcat，maven，spring的包和maven的仓库，各种子目录很多，大小是543M，cpu i5,4g内存，运行结果为：

Total Size: 570332850
Time taken: 0.697063339

        上述代码中，我们创建了ForkJoinPool实例的引用，用static修饰，即他在整个应用程序中共享。随后定义一个名为FileSizeFinder的静态内部类，它继承RecursiveTask类，并实现了compute()，该方法可以用来作为任务的执行引擎。invokeAll()函数将等待所有的子任务完成之后，才会去执行下一步循环累加操作。在任务被阻塞期间，其执行线程并非什么也不做，而是可以被调度去做其他的任务，最后每个任务都将compute函数结束时返回计算的结果。

        本例中，我们递归的将扫描任务进行分解，直到不能拆分。但一般来说，拆分粒度太细会显著增加线程调度的开销，所以我们不建议将问题拆分的过小。

        java.until.concurrent包中，定义了很多线程安全的集合类，这个集合类既保证了并发编程环境下的数据安全性，同时也可以被当做同步点来使用。线程安全很重要，但是我们不想为此牺牲太多的性能。后面我们继续探讨concurrent中与并发应用性能息息相关的一些数据结构。