ForkJoinPool适用于分治算法，基于工作窃取机制提升CPU利用率。1. 核心为ForkJoinTask，RecursiveTask有返回值，RecursiveAction无返回值，通过fork()异步执行，join()等待结果。2. 实现并行计算需拆分任务，如SumTask在数据量小于阈值时直接求和，否则分为左右子任务，左任务fork()提交，右任务compute()执行，再join()合并结果。3. 关键点：合理设置THRESHOLD避免过度拆分；避免阻塞操作；推荐使用ForkJoinPool.commonPool()减少资源开销；注意异常在join()时抛出。4. 可简化为commonPool.invoke()调用。适用于归并排序、矩阵运算等可递归拆解的计算密集型任务。
在Java中，ForkJoinPool 是专为分治（divide-and-conquer）算法设计的线程池，适合将大任务拆成小任务并行执行，最后合并结果。它基于“工作窃取”（work-stealing）算法，空闲线程可以从其他线程的任务队列中“窃取”任务，提高CPU利用率。
1. ForkJoinPool 核心概念
ForkJoinPool 配合 ForkJoinTask 使用，常用子类有：
- RecursiveTask：有返回值的任务，适用于需要合并结果的场景。
- RecursiveAction：无返回值的任务。
任务通过 fork() 提交异步执行，通过 join() 等待结果。
2. 实现分治并行计算的步骤
以计算数组元素和为例，展示如何使用 RecursiveTask 实现并行求和：
立即学习“Java免费学习笔记（深入）”；
ASP.NET 4.0电子商城
下载
在现实生活中的购物过程，购物者需要先到商场，找到指定的产品柜台下，查看产品实体以及标价信息，如果产品合适，就将该产品放到购物车中，到收款处付款结算。电子商务网站通过虚拟网页的形式在计算机上摸拟了整个过程，首先电子商务设计人员将产品信息分类显示在网页上，用户查看网页上的产品信息，当用户看到了中意的产品后，可以将该产品添加到购物车，最后使用网上支付工具进行结算，而货物将由公司通过快递等方式发送给购物者
import java.util.concurrent.ForkJoinPool; import java.util.concurrent.RecursiveTask; public class SumTask extends RecursiveTask{ private final long[] array; private final int start; private final int end; private static final int THRESHOLD = 1000; // 拆分阈值 public SumTask(long[] array, int start, int end) { this.array = array; this.start = start; this.end = end; } @Override protected Long compute() { // 如果任务足够小，直接计算 if (end - start <= THRESHOLD) { long sum = 0; for (int i = start; i < end; i++) { sum += array[i]; } return sum; } // 否则拆分为两个子任务 int mid = (start + end) / 2; SumTask leftTask = new SumTask(array, start, mid); SumTask rightTask = new SumTask(array, mid, end); // 异步执行左任务 leftTask.fork(); // 当前线程处理右任务 long rightResult = rightTask.compute(); // 等待左任务结果并合并 long leftResult = leftTask.join(); return leftResult + rightResult; } public static void main(String[] args) { long[] data = new long[100_000]; for (int i = 0; i < data.length; i++) { data[i] = i + 1; } ForkJoinPool pool = new ForkJoinPool(); SumTask task = new SumTask(data, 0, data.length); long result = pool.invoke(task); System.out.println("Sum: " + result); pool.shutdown(); } }
3. 关键点说明与建议
使用 ForkJoinPool 时注意以下几点：
-
合理设置阈值：任务拆分不能太细，否则调度开销会超过并行收益。根据数据规模和任务复杂度调整
THRESHOLD。 - 避免阻塞操作：ForkJoinPool 的工作线程数量通常等于CPU核心数，阻塞会导致性能下降。
-
优先使用 commonPool：多数情况下可直接使用
ForkJoinPool.commonPool()，避免创建过多线程池。 -
异常处理：任务中抛出的异常会被封装，调用
join()或get()时会重新抛出。
4. 使用 commonPool 的简化方式
可以直接使用全局的公共池：
```java long result = ForkJoinPool.commonPool().invoke(new SumTask(data, 0, data.length)); ```这种方式更简洁，适合大多数场景。
基本上就这些。ForkJoinPool 特别适合递归型、可拆解的任务，比如归并排序、矩阵运算、树遍历等。掌握好拆分策略和阈值控制，就能有效提升计算密集型任务的性能。
