本文共 8246 字，大约阅读时间需要 27 分钟。

（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
   
    
     > list = new ArrayList<>();        for (int i = 0; i < count; i++) {            int num = i;            // 分段提交任务            Future
     
       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
      
        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
       
         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
        
          { 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: 107352457433800662single thread elapse: 789sum: 107352457433800662multi thread elapse: 228sum: 107352457433800662fork 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？

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。

（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

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
   
     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
    
      cache) {		BigInteger result = cache.putIfAbsent(n, RESERVED);		if (result == null) {			int half = (n + 1) / 2;			RecursiveTask
     
       f0_task = new RecursiveTask
      
       () {				@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
       
         cache;		public ReservedFibonacciBlocker(int n, Map
        
          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。