【揭秘】ForkJoinTask全面解析

【揭秘】ForkJoinTask全面解析 - 程序员古德

内容摘要

ForkJoinTask的显著优点在于其高效的并行处理能力,它能够将复杂任务拆分成多个子任务,并利用多核处理器同时执行,从而显著提升计算性能,此外,ForkJoinTask还提供了简洁的API和强大的任务管理机制,使得开发者能够更轻松地编写并行化代码,高效地利用系统资源。

核心概念

ForkJoinTask在Java中主要用来解决可以并行处理的任务的分解与合并问题,它是行计算框架ForkJoinFramework的核心组件,提供了一种高效的方式来利用多核处理器,它解决了以下几个方面的问题:

  1. 任务分解:很多计算密集型或数据处理密集型的问题可以分解为更小的子任务,例如,对一个大型数组进行排序或处理大量数据记录时,通常可以将数组或数据记录集分割成多个较小的部分,然后并行处理这些部分,ForkJoinTask提供了将任务递归分解成更小任务的方式,直到任务足够小以至于顺序执行比并行执行更高效。
  2. 任务并行化:通过ForkJoinPoolForkJoinTask能够将分解后的子任务分配给不同的线程执行,从而实现并行处理,这充分利用了多核处理器的计算能力,提高了程序的执行效率。
  3. 任务结果合并:在子任务并行执行完成后,需要将它们的结果合并以得到最终的结果,ForkJoinTask提供了合并子任务结果的机制,确保所有子任务的结果都能正确地组合在一起。
  4. 工作窃取ForkJoinPool还实现了工作窃取算法,这意味着当一个线程完成了它自己的任务后,它可以从其他线程的任务队列中“窃取”任务来执行,从而减少了线程的空闲时间,提高了资源利用率。

因此,ForkJoinTask是用来处理可并行化任务的强大工具,它通过任务分解、并行化、结果合并和工作窃取等机制,有效地提高了程序的执行效率和资源利用率。

#代码案例

下面是一个使用了ForkJoinTask的简单示例,演示了如何分解一个任务,使其并行处理一个整数数组,并计算数组中所有元素的和。

先创建一个SumTask类,它继承自RecursiveTask<Integer>,用于计算数组元素的和,如果数组的大小超过一个阈值(例如10),则任务将递归地分解为两个子任务,分别处理数组的前半部分和后半部分,否则,任务将顺序计算数组的和,如下代码:

import java.util.concurrent.RecursiveTask;  
  
public class SumTask extends RecursiveTask<Integer> {  
    private static final int THRESHOLD = 10; // 阈值,当数组大小小于这个值时,不再进行任务分解  
    private final int[] array;  
    private final int start;  
    private final int end;  
  
    public SumTask(int[] array) {  
        this(array, 0, array.length);  
    }  
  
    private SumTask(int[] array, int start, int end) {  
        this.array = array;  
        this.start = start;  
        this.end = end;  
    }  
  
    @Override  
    protected Integer compute() {  
        // 如果任务足够小,直接计算结果  
        if (end - start <= THRESHOLD) {  
            int sum = 0;  
            for (int i = start; i < end; i++) {  
                sum += array[i];  
            }  
            return sum;  
        } else {  
            // 否则,将任务分解为两个子任务  
            int middle = (start + end) / 2;  
            SumTask leftTask = new SumTask(array, start, middle);  
            SumTask rightTask = new SumTask(array, middle, end);  
  
            // 异步执行子任务并等待结果  
            return leftTask.fork().join() + rightTask.fork().join();  
        }  
    }  
}

如下client代码(main函数),如下:

import java.util.concurrent.ForkJoinPool;  
import java.util.concurrent.ForkJoinTask;  
  
public class ForkJoinTaskExample {  
    public static void main(String[] args) {  
        int[] array = new int[100];  
  
        // 初始化数组  
        for (int i = 0; i < array.length; i++) {  
            array[i] = i;  
        }  
  
        // 创建一个ForkJoinPool  
        ForkJoinPool pool = new ForkJoinPool();  
  
        // 提交任务并获取结果  
        ForkJoinTask<Integer> task = new SumTask(array);  
        Integer sum = pool.invoke(task);  
  
        // 输出结果  
        System.out.println("Sum of array elements: " + sum);  
  
        // 关闭ForkJoinPool(虽然不是严格必需的,因为在这个简单例子中程序即将结束,但在生产代码中是个好习惯)  
        pool.shutdown();  
    }  
}

运行代码将输出,如下:

Sum of array elements: 4950

数组包含了0到99的整数,它们的和是4950,通过使用ForkJoinTask,能够并行地计算这个和。

核心API

ForkJoinTask 是 Java 并发包 java.util.concurrent 中的一个抽象类,它表示可以被 ForkJoinPool 执行的任务,ForkJoinTask 有两个直接子类:RecursiveActionRecursiveTask,分别表示不返回结果和返回结果的任务,以下是 ForkJoinTask 及其子类中一些重要方法的简要说明:

fork()

该方法用于在 ForkJoinPool 中异步地执行当前任务,如果当前任务已经在执行,则该方法不会有任何效果,调用 fork() 后,任务进入 ForkJoinPool 的工作队列中等待执行,fork() 是一个非阻塞方法,它会立即返回。

join()

该方法用于等待任务的完成,并获取其结果(如果任务有结果的话),如果任务已经完成,join() 会立即返回结果,如果任务尚未完成,join() 会阻塞调用线程,直到任务完成为止,对于 RecursiveActionjoin() 没有返回值;对于 RecursiveTaskjoin() 返回任务计算的结果。

invoke()

该方法用于在当前线程中执行任务,而不是在 ForkJoinPool 中异步执行,invoke() 会等待任务完成,并返回结果(如果任务有结果的话),通常,在不需要并行处理或任务很小不适合分解时使用 invoke()

invokeAll(ForkJoinTask… tasks)

这是ForkJoinTask 的静态方法,该方法用于执行给定的任务数组,并等待所有任务完成,它返回一个包含每个任务结果的数组(如果任务是 RecursiveTask 类型的话),如果任务是 RecursiveAction 类型,则结果数组中的每个元素都是 null,因为 RecursiveAction 不返回结果。

getPool()

返回执行此任务的 ForkJoinPool,如果任务尚未安排或已开始,则返回 null

getRawResult()

对于 RecursiveTask,返回任务的结果,但不等待任务完成。如果任务尚未完成,则可能返回不确定的结果,对于 RecursiveAction,此方法没有定义,因为它不返回结果。

setRawResult(V value)

对于 RecursiveTask,此方法用于设置任务的结果,这通常在任务计算完成后调用,对于 RecursiveAction,此方法没有定义。

isCompletedAbnormally()

如果任务因异常而完成,则返回 true

isCancelled()

如果任务被取消,则返回 true

cancel(boolean mayInterruptIfRunning)

尝试取消此任务的执行,如果任务已经开始执行,则参数 mayInterruptIfRunning 决定是否应该中断执行任务的线程。

ForkJoinTask 的设计主要是为了支持分治算法和并行计算,在实际使用中,通常通过扩展 RecursiveActionRecursiveTask 来实现自己的并行任务,而不是直接使用 ForkJoinTask 类,此外,使用 ForkJoinTask 时需要注意任务的粒度控制,以避免过度分解导致的性能下降。

核心总结

【揭秘】ForkJoinTask全面解析 - 程序员古德

ForkJoinTask是Java中处理并行计算的利器,其优点在于能够轻松地将大任务拆分成小任务,利用多核处理器并行处理,提高执行效率,它的缺点也很明显,比如任务划分和数据同步的复杂性可能导致额外的开销。ForkJoinTask适合处理计算密集型且可分解的任务,但要注意任务粒度的控制,避免划分过细;同时,合理处理线程安全和任务依赖关系,确保数据的正确性和一致性。

关注我,每天学习互联网编程技术 - 程序员古德

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/352679.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

保姆级教学:Java项目从0到1部署到云服务器

目录 1、明确内容 2、apt 2.1、apt 语法 2.2、常用命令 2.3、更新apt 3、安装JDK17 4、安装MySQL 4.1、安装 4.2、检查版本及安装位置 4.3、初始化MySQL配置⭐ 4.4、检查状态 4.5、配置远程访问⭐ 4.6、登录MySQL 4.7、测试数据库 4.8、设置权限与密码⭐ 5、安…

cmake工具的安装

1、简介 CMake 是一个开源的、跨平台的自动化建构系统。它用配置文件控制编译过程的方式和Unix的make相似&#xff0c;只是CMake并不依赖特定的编译器。CMake并不直接建构出最终的软件&#xff0c;而是产生标准的建构文件&#xff08;如 Unix 的 Makefile 或 Windows Visual C …

GPT 如何不挂VPN使用

1、下载 Home | Tampermonkey 将下载的文件tampermonkey_stable.crx 拖到上面的扩展程序里面 2、登录Greasy Fork - 安全、实用的用户脚本大全 搜索自己想要使用的东西&#xff0c;如GPT 找到 CHAT网页增强了 点击按安装&#xff0c;然后打开使用方法里面的 网址就可以使用

day04 两两交换链表中的节点、删除链表倒数第N个节点、链表相交、环形链表II

题目链接&#xff1a;leetcode24-两两交换链表中的节点, leetcode19-删除链表倒数第N个节点, leetcode160-链表相交, leetcode142-环形链表II 两两交换链表中的节点 基础题没有什么技巧 解题思路见代码注释 时间复杂度: O(n) 空间复杂度: O(1) Go func swapPairs(head *Li…

JavaEE-自定义SSM-编写核心-解析yml文件

3.3.1 加载yml文件 编写yaml工厂&#xff0c;用于加载yml文件 package com.czxy.yaml;import java.io.InputStream;/*** 用于处理 application.yml文件* 1. 加载application.yml文件* 2. yaml工具类进行解析* Map<String, Map<String, Map<....>> >* …

[数据结构]-哈希

前言 作者&#xff1a;小蜗牛向前冲 名言&#xff1a;我可以接受失败&#xff0c;但我不能接受放弃 如果觉的博主的文章还不错的话&#xff0c;还请点赞&#xff0c;收藏&#xff0c;关注&#x1f440;支持博主。如果发现有问题的地方欢迎❀大家在评论区指正 本期学习目标&…

代码随想录刷题笔记-Day12

1. 二叉树的递归遍历 144. 二叉树的前序遍历https://leetcode.cn/problems/binary-tree-preorder-traversal/94. 二叉树的中序遍历https://leetcode.cn/problems/binary-tree-inorder-traversal/145. 二叉树的后续遍历https://leetcode.cn/problems/binary-tree-postorder-tra…

混淆矩阵、准确率、查准率、查全率、DSC、IoU、敏感度的计算

1.背景介绍 在训练的模型的时候&#xff0c;需要评价模型的好坏&#xff0c;就涉及到混淆矩阵、准确率、查准率、查全率、DSC、IoU、敏感度的计算。 2、混淆矩阵的概念 所谓的混淆矩阵如下表所示&#xff1a; TP:真正类&#xff0c;真的正例被预测为正例 FN:假负类&#xf…

09. Springboot集成sse服务端推流

目录 1、前言 2、什么是SSE 2.1、技术原理 2.2、SSE和WebSocket 2.2.1、SSE (Server-Sent Events) 2.2.2、WebSocket 2.2.3、选择 SSE 还是 WebSocket&#xff1f; 3、Springboot快速集成 3.1、添加依赖 3.2、创建SSE控制器 3.2.1、SSEmitter创建实例 3.2.2、SSEmi…

K8s-持久化(持久卷,卷申明,StorageClass,StatefulSet持久化)

POD 卷挂载 apiVersion: v1 kind: Pod metadata:name: random-number spec:containers:- image: alpinename: alpinecommand: ["/bin/sh","-c"]args: ["shuf -i 0-100 -n 1 >> /opt/number.out;"]volumeMounts:- mountPath: /optname: da…

Ubuntu findfont: Font family ‘SimHei‘ not found.

matplotlib中文乱码显示 当我们遇到这样奇怪的问题时, 结果往往很搞笑 尝试1不行 Stopping Jupyter Installing font-manager: sudo apt install font-manager Cleaning the matplotlib cache directory: rm ~/.cache/matplotlib -fr Restarting Jupyter. 尝试2 This work fo…

AI大模型开发架构设计(6)——AIGC时代,如何求职、转型与选择?

文章目录 AIGC时代&#xff0c;如何求职、转型与选择&#xff1f;1 新职场&#xff0c;普通人最值钱的能力是什么?2 新职场成长的3点建议第1点&#xff1a;目标感第2点&#xff1a;执行力第3点&#xff1a;高效生产力 3 新职场会产生哪些新岗位机会?如何借势?4 新职场普通人…

微信小程序(十七)自定义组件生命周期(根据状态栏自适配)

注释很详细&#xff0c;直接上代码 上一篇 新增内容&#xff1a; 1.获取手机状态栏的高度 2.验证attached可以修改数据 3.动态绑定样式数值 源码&#xff1a; myNav.js Component({lifetimes:{//相当于vue的created,因为无法更新数据被打入冷宫created(){},//相当于vue的mount…

【运行Python爬虫脚本示例】

主要内容&#xff1a;Python中的两个库的使用。 1、requests库&#xff1a;访问和获取网页内容&#xff0c; 2、beautifulsoup4库&#xff1a;解析网页内容。 一 python 爬取数据 1 使用requests库发送GET请求&#xff0c;并使用text属性获取网页内容。 然后可以对获取的网页…

基于python flask茶叶网站数据大屏设计与实现,可以做期末课程设计或者毕业设计

基于Python的茶叶网站数据大屏设计与实现是一个适合期末课程设计或毕业设计的项目。该项目旨在利用Python技术和数据可视化方法&#xff0c;设计和开发一个针对茶叶行业的数据大屏&#xff0c;用于展示和分析茶叶网站的相关数据。 项目背景 随着互联网的快速发展&#xff0c;越…

一张图区分Spring Task的3种模式

是的&#xff0c;只有一张图&#xff1a; fixedDelay 模式cron 模式fixedRate 模式

[HUBUCTF 2022 新生赛]ezPython

打开是一个pyc文件&#xff0c;我用的是pycdc进行反编译 # Source Generated with Decompyle # File: ezPython.pyc (Python 3.7)from Crypto.Util.number import * import base64 import base58 password open(password.txt, r).read() tmp bytes_to_long(password.encode(u…

基于JavaWeb开发的家具定制购买网站【附源码】

基于JavaWeb开发的家具定制购买网站【附源码】 &#x1f345; 作者主页 央顺技术团队 &#x1f345; 欢迎点赞 &#x1f44d; 收藏 ⭐留言 &#x1f4dd; &#x1f345; 文末获取源码联系方式 &#x1f4dd; &#x1f345; 查看下方微信号获取联系方式 承接各种定制系统 &#…

GLog开源库使用

Glog地址&#xff1a;https://github.com/google/glog 官方文档&#xff1a;http://google-glog.googlecode.com/svn/trunk/doc/glog.html 1.利用CMake进行编译&#xff0c;生成VS解决方案 &#xff08;1&#xff09;在glog-master文件夹内新建一个build文件夹&#xff0c;用…

docker-compose Install influxdb1+influxdb2+telegraf

influxd2前言 influxd2 是 InfluxDB 2.x 版本的后台进程,是一个开源的时序数据库平台,用于存储、查询和可视化时间序列数据。它提供了一个强大的查询语言和 API,可以快速而轻松地处理大量的高性能时序数据。 telegraf 是一个开源的代理程序,它可以收集、处理和传输各种不…