死磕 java线程系列之ForkJoinPool深入解析

喜欢ヅ旅行 2023-05-30 09:13 27阅读 0赞

![forkjoinpool][]

（手机横屏看源码更方便）

###  ###

注：java源码分析部分如无特殊说明均基于 java8 版本。

注：本文基于ForkJoinPool分治线程池类。

## 简介 ##

随着在硬件上多核处理器的发展和广泛使用，并发编程成为程序员必须掌握的一门技术，在面试中也经常考查面试者并发相关的知识。

今天，我们就来看一道面试题：

**如何充分利用多核CPU，计算很大数组中所有整数的和？**

## 剖析 ##

*  单线程相加？

我们最容易想到就是单线程相加，一个for循环搞定。

*  线程池相加？

如果进一步优化，我们会自然而然地想到使用线程池来分段相加，最后再把每个段的结果相加。

*  其它？

Yes，就是我们今天的主角——ForkJoinPool，但是它要怎么实现呢？似乎没怎么用过哈^^

## 三种实现 ##

OK，剖析完了，我们直接来看三种实现，不墨迹，直接上菜。

/**
     * 计算1亿个整数的和
     */
    public class ForkJoinPoolTest01 {
        public static void main(String[] args) throws ExecutionException, InterruptedException {
            // 构造数据
            int length = 100000000;
            long[] arr = new long[length];
            for (int i = 0; i < length; i  ) {
                arr[i] = ThreadLocalRandom.current().nextInt(Integer.MAX_VALUE);
            }
            // 单线程
            singleThreadSum(arr);
            // ThreadPoolExecutor线程池
            multiThreadSum(arr);
            // ForkJoinPool线程池
            forkJoinSum(arr);
    
        }
    
        private static void singleThreadSum(long[] arr) {
            long start = System.currentTimeMillis();
    
            long sum = 0;
            for (int i = 0; i < arr.length; i  ) {
                // 模拟耗时，本文由公从号“彤哥读源码”原创
                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;
                // 分段提交任务
                Future<Long> future = threadPool.submit(() -> {
                    long sum = 0;
                    for (int j = arr.length / count * num; j < (arr.length / count * (num   1)); j  ) {
                        try {
                            // 模拟耗时
                            sum  = (arr[j]/3*3/3*3/3*3/3*3/3*3);
                        } catch (Exception e) {
                            e.printStackTrace();
                        }
                    }
                    return sum;
                });
                list.add(future);
            }
    
            // 每个段结果相加
            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();
            // 提交任务
            ForkJoinTask<Long> forkJoinTask = forkJoinPool.submit(new SumTask(arr, 0, arr.length));
            // 获取结果
            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() {
                // 小于1000的时候直接相加，可灵活调整
                if (to - from <= 1000) {
                    long sum = 0;
                    for (int i = from; i < to; i  ) {
                        // 模拟耗时
                        sum  = (arr[i]/3*3/3*3/3*3/3*3/3*3);
                    }
                    return sum;
                }
    
                // 分成两段任务，本文由公从号“彤哥读源码”原创
                int middle = (from   to) / 2;
                SumTask left = new SumTask(arr, from, middle);
                SumTask right = new SumTask(arr, middle, to);
    
                // 提交左边的任务
                left.fork();
                // 右边的任务直接利用当前线程计算，节约开销
                Long rightResult = right.compute();
                // 等待左边计算完毕
                Long leftResult = left.join();
                // 返回结果
                return leftResult   rightResult;
            }
        }
    }

彤哥偷偷地告诉你，实际上计算1亿个整数相加，单线程是最快的，我的电脑大概是100ms左右，使用线程池反而会变慢。

所以，为了演示ForkJoinPool的牛逼之处，我把每个数都`/3*3/3*3/3*3/3*3/3*3`了一顿操作，用来模拟计算耗时。

来看结果：

sum: 107352457433800662
    single thread elapse: 789
    sum: 107352457433800662
    multi thread elapse: 228
    sum: 107352457433800662
    fork join elapse: 189

可以看到，ForkJoinPool相对普通线程池还是有很大提升的。

**问题：普通线程池能否实现ForkJoinPool这种计算方式呢，即大任务拆中任务，中任务拆小任务，最后再汇总？**

![forkjoinpool][forkjoinpool 1]

你可以试试看(-᷅\_-᷄)

OK，下面我们正式进入ForkJoinPool的解析。

## 分治法 ##

*  基本思想

把一个规模大的问题划分为规模较小的子问题，然后分而治之，最后合并子问题的解得到原问题的解。

*  步骤

（1）分割原问题：

（2）求解子问题：

（3）合并子问题的解为原问题的解。

在分治法中，子问题一般是相互独立的，因此，经常通过递归调用算法来求解子问题。

*  典型应用场景

（1）二分搜索

（2）大整数乘法

（3）Strassen矩阵乘法

（4）棋盘覆盖

（5）归并排序

（6）快速排序

（7）线性时间选择

（8）汉诺塔

## ForkJoinPool继承体系 ##

ForkJoinPool是 java 7 中新增的线程池类，它的继承体系如下：

![forkjoinpool][forkjoinpool 2]

ForkJoinPool和ThreadPoolExecutor都是继承自AbstractExecutorService抽象类，所以它和ThreadPoolExecutor的使用几乎没有多少区别，除了任务变成了ForkJoinTask以外。

这里又运用到了一种很重要的设计原则——开闭原则——对修改关闭，对扩展开放。

可见整个线程池体系一开始的接口设计就很好，新增一个线程池类，不会对原有的代码造成干扰，还能利用原有的特性。

## ForkJoinTask ##

### 两个主要方法 ###

*  fork()

fork()方法类似于线程的Thread.start()方法，但是它不是真的启动一个线程，而是将任务放入到工作队列中。

*  join()

join()方法类似于线程的Thread.join()方法，但是它不是简单地阻塞线程，而是利用工作线程运行其它任务。当一个工作线程中调用了join()方法，它将处理其它任务，直到注意到目标子任务已经完成了。

### 三个子类 ###

*  RecursiveAction

无返回值任务。

*  RecursiveTask

有返回值任务。

*  CountedCompleter

无返回值任务，完成任务后可以触发回调。

## ForkJoinPool内部原理 ##

ForkJoinPool内部使用的是“工作窃取”算法实现的。

![forkjoinpool][forkjoinpool 3]

（1）每个工作线程都有自己的工作队列WorkQueue；

（2）这是一个双端队列，它是线程私有的；

（3）ForkJoinTask中fork的子任务，将放入运行该任务的工作线程的队头，工作线程将以LIFO的顺序来处理工作队列中的任务；

（4）为了最大化地利用CPU，空闲的线程将从其它线程的队列中“窃取”任务来执行；

（5）从工作队列的尾部窃取任务，以减少竞争；

（6）双端队列的操作：push()/pop()仅在其所有者工作线程中调用，poll()是由其它线程窃取任务时调用的；

（7）当只剩下最后一个任务时，还是会存在竞争，是通过CAS来实现的；

![forkjoinpool][forkjoinpool 4]

## ForkJoinPool最佳实践 ##

（1）最适合的是计算密集型任务，本文由公从号“彤哥读源码”原创；

（2）在需要阻塞工作线程时，可以使用ManagedBlocker；

（3）不应该在RecursiveTask 的内部使用ForkJoinPool.invoke()/invokeAll()；

## 总结 ##

（1）ForkJoinPool特别适合于“分而治之”算法的实现；

（2）ForkJoinPool和ThreadPoolExecutor是互补的，不是谁替代谁的关系，二者适用的场景不同；

（3）ForkJoinTask有两个核心方法——fork()和join()，有三个重要子类——RecursiveAction、RecursiveTask和CountedCompleter；

（4）ForkjoinPool内部基于“工作窃取”算法实现；

（5）每个线程有自己的工作队列，它是一个双端队列，自己从队列头存取任务，其它线程从尾部窃取任务；

（6）ForkJoinPool最适合于计算密集型任务，但也可以使用ManagedBlocker以便用于阻塞型任务；

（7）RecursiveTask内部可以少调用一次fork()，利用当前线程处理，这是一种技巧；

## 彩蛋 ##

**ManagedBlocker怎么使用？**

答：ManagedBlocker相当于明确告诉ForkJoinPool框架要阻塞了，ForkJoinPool就会启另一个线程来运行任务，以最大化地利用CPU。

请看下面的例子，自己琢磨哈^^。

/**
     * 斐波那契数列
     * 一个数是它前面两个数之和
     * 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，本文由公从号“彤哥读源码”原创 = "   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;
            }
        }
    }

###  ###

欢迎关注我的公众号“彤哥读源码”，查看更多源码系列文章, 与彤哥一起畅游源码的海洋。

![qrcode][]

[forkjoinpool]: https://img-blog.csdnimg.cn/20191109010953721.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3Rhbmd0b25nMQ==,size_16,color_FFFFFF,t_70
[forkjoinpool 1]: https://img-blog.csdnimg.cn/2019110901095455.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3Rhbmd0b25nMQ==,size_16,color_FFFFFF,t_70
[forkjoinpool 2]: https://img-blog.csdnimg.cn/20191109010952692.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3Rhbmd0b25nMQ==,size_16,color_FFFFFF,t_70
[forkjoinpool 3]: https://img-blog.csdnimg.cn/20191109010955281.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3Rhbmd0b25nMQ==,size_16,color_FFFFFF,t_70
[forkjoinpool 4]: https://img-blog.csdnimg.cn/20191109010954901.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3Rhbmd0b25nMQ==,size_16,color_FFFFFF,t_70
[qrcode]: https://img-blog.csdnimg.cn/20191109010956140.jpeg