
并行流就是把一个内容分成多个数据块,并用不同的线程分 别处理每个数据块的流。
Java 8 中将并行进行了优化,我们可以很容易的对数据进行并 行操作。
Stream API 可以声明性地通过 parallel() 与 sequential() 在并行流与顺序流之间进行切换。
Fork/Join 框架与传统线程池的区别
采用 “工作窃取”模式(work-stealing): 当执行新的任务时它可以将其拆分分成更小的任务执行,并将小任务加到线 程队列中,然后再从一个随机线程的队列中偷一个并把它放在自己的队列中。 相对于一般的线程池实现,fork/join框架的优势体现在对其中包含的任务的 处理方式上.在一般的线程池中,如果一个线程正在执行的任务由于某些原因 无法继续运行,那么该线程会处于等待状态.而在fork/join框架实现中,如果 某个子问题由于等待另外一个子问题的完成而无法继续运行.那么处理该子 问题的线程会主动寻找其他尚未运行的子问题来执行.这种方式减少了线程 的等待时间,提高了性能.
import java.util.concurrent.RecursiveTask; public class ForkJoinCaculate extends RecursiveTask<Long> { private long start;
private long end; public ForkJoinCaculate(long start, long end) {
this.start = start;
this.end = end;
} private static final long THRESHOLD = 10000L; @Override
protected Long compute() {
long length = end - start; if(length < THRESHOLD) {
long sum = 0;
for (long i = start; i <= end; i++) {
sum +=i;
}
return sum;
} else {
long middle = (end + start) / 2; //中间位置
ForkJoinCaculate left = new ForkJoinCaculate(start,middle);
left.fork(); //拆分子任务,同时压入线程队列
ForkJoinCaculate right = new ForkJoinCaculate(middle+1,end);
right.fork();
return left.join() + right.join(); }
}
}
import org.junit.Test; import java.time.Duration;
import java.time.Instant;
import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.ForkJoinTask;
import java.util.stream.LongStream; public class TestForkJoin { public long max = 1000000000L; /**
* 多线程fork Join 方式执行相加
*/
@Test
public void test01() {
Instant start = Instant.now();
ForkJoinPool pool = new ForkJoinPool();
ForkJoinTask<Long> task = new ForkJoinCaculate(0,max);
Long sum = pool.invoke(task);
System.out.println(sum);
Instant end = Instant.now();
System.out.println("耗时:" + Duration.between(start,end));
} /**
* 单线程普通for循环
*/
@Test
public void test02() {
Instant start = Instant.now();
long sum = 0L;
for (long i = 0; i <= max ; i++) {
sum += i;
} System.out.println(sum);
Instant end = Instant.now();
System.out.println("耗费时间为:" + Duration.between(start,end).toMillis());
} @Test
public void test03() {
System.out.println("java8 并行流"); Instant start = Instant.now(); long sum = LongStream.rangeClosed(0, max)
.parallel()
.reduce(Long::sum).getAsLong(); System.out.println(sum); Instant end = Instant.now(); System.out.println("执行耗时:" + Duration.between(start,end).toMillis());
} }