叉叉框架_叉/连接框架

本文是我们名为Java Concurrency Essentials的学院课程的一部分。

在本课程中，您将深入探讨并发的魔力。将向您介绍并发和并发代码的基础知识，并学习诸如原子性，同步和线程安全性的概念。在这里查看！

1.简介

本文介绍了Fork / Join框架，该框架从1.7版开始就是JDK的一部分。它描述了框架的基本功能，并提供了一些示例以提供一些实践经验。

2.叉/连接

Fork / Join框架的基类是java.util.concurrent.ForkJoinPool 。此类实现Executor和ExecutorService这两个接口，并AbstractExecutorService 。因此， ForkJoinPool基本上是一个线程池，它承担特殊任务，即ForkJoinTask 。此类实现已知的Future接口以及诸如get() ， cancel()和isDone() 。除此之外，该类还提供了两个为整个框架命名的方法： fork()和join() 。

调用fork()将启动任务的异步执行时，调用join()将等待直到任务完成并检索其结果。因此，我们可以将给定任务拆分为多个较小的任务，分叉每个任务，最后等待所有任务完成。这使复杂问题的实现更加容易。

在计算机科学中，这种方法也称为分治法。每当一个问题太复杂而无法立即解决时，它就会分为多个较小的问题，并且更容易解决。可以这样写成伪代码：

if(problem.getSize() > THRESHOLD) {SmallerProblem smallerProblem1 = new SmallerProblem();smallerProblem1.fork();SmallerProblem smallerProblem2 = new SmallerProblem();smallerProblem2.fork();return problem.solve(smallerProblem1.join(), smallerProblem2.join());
} else {return problem.solve();
}

首先，我们检查问题的当前大小是否大于给定的阈值。在这种情况下，我们将问题分成较小的问题，对每个新任务进行fork() ，然后通过调用join()等待结果。当join()返回每个子任务的结果时，我们必须找到较小问题的最佳解决方案，并将其作为最佳解决方案返回。重复这些步骤，直到给定的阈值太低并且问题很小，我们可以直接计算其解而无需进一步除法。

递归任务

为了更好地掌握此过程，我们实现了一种算法，该算法可在整数值数组中找到最小的数字。这个问题不是您使用ForkJoinPool在日常工作中解决的问题，但是以下实现非常清楚地显示了基本原理。在main()方法中，我们设置了一个带有随机值的整数数组，并创建了一个新的ForkJoinPool 。

传递给其构造函数的第一个参数是所需并行度的指示器。在这里，我们在Runtime查询可用的CPU内核数。然后，我们调用invoke()方法并传递FindMin的实例。 FindMin扩展了RecursiveTask类，该类本身是前面提到的ForkJoinTask的子类。类ForkJoinTask实际上有两个子类：一个子类用于返回值的任务（ RecursiveTask ），另一个子类用于不返回值的任务（ RecursiveAction ）。超类迫使我们实现compute() 。在这里，我们看一下整数数组的给定切片，并确定当前问题是否太大而无法立即解决。

当在数组中找到最小的数时，要直接解决的最小问题大小是将两个元素相互比较并返回它们的最小值。如果当前有两个以上的元素，则将数组分为两部分，然后再在这两个部分中找到最小的数字。通过创建两个新的FindMin实例来完成此操作。

构造函数被提供给数组以及开始和结束索引。然后，我们通过调用fork()异步开始执行这两个任务。该调用将两个任务提交到线程池的队列中。线程池实现了一种称为工作窃取的策略，即，如果所有其他线程都有足够的工作要做，则当前线程会从其他任务之一中窃取其工作。这样可以确保任务尽快执行。

public class FindMin extends RecursiveTask<Integer> {private static final long serialVersionUID = 1L;private int[] numbers;private int startIndex;private int endIndex;public FindMin(int[] numbers, int startIndex, int endIndex) {this.numbers = numbers;this.startIndex = startIndex;this.endIndex = endIndex;}@Overrideprotected Integer compute() {int sliceLength = (endIndex - startIndex) + 1;if (sliceLength > 2) {FindMin lowerFindMin = new FindMin(numbers, startIndex, startIndex + (sliceLength / 2) - 1);lowerFindMin.fork();FindMin upperFindMin = new FindMin(numbers, startIndex + (sliceLength / 2), endIndex);upperFindMin.fork();return Math.min(lowerFindMin.join(), upperFindMin.join());} else {return Math.min(numbers[startIndex], numbers[endIndex]);}}public static void main(String[] args) {int[] numbers = new int[100];Random random = new Random(System.currentTimeMillis());for (int i = 0; i < numbers.length; i++) {numbers[i] = random.nextInt(100);}ForkJoinPool pool = new ForkJoinPool(Runtime.getRuntime().availableProcessors());Integer min = pool.invoke(new FindMin(numbers, 0, numbers.length - 1));System.out.println(min);}
}

递归动作

正如上面在RecursiveTask旁边提到的，我们还有RecursiveAction类。与RecursiveTask相比，它不必返回值，因此可以将其用于可以直接在给定数据结构上执行的异步计算。这样的例子是从彩色图像中计算出灰度图像。我们要做的就是遍历图像的每个像素，并使用以下公式从RGB值中计算灰度值：

gray = 0.2126 * red + 0.7152 * green + 0.0722 * blue

浮点数表示特定颜色对我们人类对灰色的感知做出的贡献。由于最高值用于绿色，因此可以得出结论，灰度图像仅被计算为绿色部分的近3/4。因此，假设图像是代表实际像素数据的对象，并且使用setRGB()和getRGB()方法检索实际RGB值，则基本实现将如下所示：

for (int row = 0; row < height; row++) {for (int column = 0; column < bufferedImage.getWidth(); column++) {int grayscale = computeGrayscale(image.getRGB(column, row));image.setRGB(column, row, grayscale);}
}

上面的实现在单个CPU机器上运行良好。但是，如果我们有多个CPU可用，我们可能希望将此工作分配给可用的内核。因此，我们可以使用ForkJoinPool并为图像的每一行（或每一列）提交一个新任务，而不是遍历所有像素的两个嵌套for循环。一旦将一行转换为灰度，当前线程就可以在另一行上工作。

以下示例实现了此原理：

public class GrayscaleImageAction extends RecursiveAction {private static final long serialVersionUID = 1L;private int row;private BufferedImage bufferedImage;public GrayscaleImageAction(int row, BufferedImage bufferedImage) {this.row = row;this.bufferedImage = bufferedImage;}@Overrideprotected void compute() {for (int column = 0; column < bufferedImage.getWidth(); column++) {int rgb = bufferedImage.getRGB(column, row);int r = (rgb >> 16) & 0xFF;int g = (rgb >> 8) & 0xFF;int b = (rgb & 0xFF);int gray = (int) (0.2126 * (float) r + 0.7152 * (float) g + 0.0722 * (float) b);gray = (gray << 16) + (gray << 8) + gray;bufferedImage.setRGB(column, row, gray);}}public static void main(String[] args) throws IOException {ForkJoinPool pool = new ForkJoinPool(Runtime.getRuntime().availableProcessors());BufferedImage bufferedImage = ImageIO.read(new File(args[0]));for (int row = 0; row < bufferedImage.getHeight(); row++) {GrayscaleImageAction action = new GrayscaleImageAction(row, bufferedImage);pool.execute(action);}pool.shutdown();ImageIO.write(bufferedImage, "jpg", new File(args[1]));}
}

在main（）方法中，我们使用Java的ImageIO类读取图像。返回的BufferedImage实例具有我们需要的所有方法。我们可以查询行数和列数，并检索和设置每个像素的RGB值。因此，我们要做的是遍历所有行并将新的GrayscaleImageAction提交到我们的ForkJoinPool 。后者已收到有关可用处理器的提示，作为其构造函数的参数。

现在， ForkJoinPool通过调用其compute()方法来异步启动任务。在此方法中，我们遍历每行并通过其灰度值更新相应的RGB值。将所有任务提交给池后，我们在主线程中等待整个池的关闭，然后使用ImageIO.write()方法将更新的BufferedImage写回到磁盘。

令人惊讶的是，与不使用可用处理器的情况相比，我们只需要多几行代码即可。这再次显示了使用java.util.concurrent包的可用资源可以节省多少工作。

ForkJoinPool提供了三种不同的提交任务的方法：

execute(ForkJoinTask) ：此方法异步执行给定的任务。它没有返回值。
invoke(ForkJoinTask) ：此方法等待任务返回值。
submit(ForkJoinTask) ：此方法异步执行给定的任务。它返回对任务本身的引用。因此，任务引用可用于查询结果（因为它实现了Future接口）。

有了这些知识，很清楚为什么我们要使用execute（）方法提交上述GrayscaleImageAction 。如果我们改为使用invoke() ，则主线程将等待任务完成，而我们将不会利用可用的并行度。

仔细研究ForkJoinTask-API，我们会发现相同的区别：

ForkJoinTask.fork() ： ForkJoinTask是异步执行的。它没有返回值。
ForkJoinTask.invoke() ：立即执行ForkJoinTask并在完成后返回结果。

ForkJoinPool和ExecutorService

既然我们知道ExecutorService和ForkJoinPool ，您可能会问自己为什么我们应该使用ForkJoinPool而不是ExecutorService 。两者之间的差异不是很大。两者都具有execute()和submit()方法，并采用一些常见接口的实例，例如Runnable ， Callable ， RecursiveAction或RecursiveTask 。

为了更好地理解这些区别，让我们尝试使用ExecutorService从上面实现FindMin类：

public class FindMinTask implements Callable<Integer> {private int[] numbers;private int startIndex;private int endIndex;private ExecutorService executorService;public FindMinTask(ExecutorService executorService, int[] numbers, int startIndex, int endIndex) {this.executorService = executorService;this.numbers = numbers;this.startIndex = startIndex;this.endIndex = endIndex;}public Integer call() throws Exception {int sliceLength = (endIndex - startIndex) + 1;if (sliceLength > 2) {FindMinTask lowerFindMin = new FindMinTask(executorService, numbers, startIndex, startIndex + (sliceLength / 2) - 1);Future<Integer> futureLowerFindMin = executorService.submit(lowerFindMin);FindMinTask upperFindMin = new FindMinTask(executorService, numbers, startIndex + (sliceLength / 2), endIndex);Future<Integer> futureUpperFindMin = executorService.submit(upperFindMin);return Math.min(futureLowerFindMin.get(), futureUpperFindMin.get());} else {return Math.min(numbers[startIndex], numbers[endIndex]);}}public static void main(String[] args) throws InterruptedException, ExecutionException {int[] numbers = new int[100];Random random = new Random(System.currentTimeMillis());for (int i = 0; i < numbers.length; i++) {numbers[i] = random.nextInt(100);}ExecutorService executorService = Executors.newFixedThreadPool(64);Future<Integer> futureResult = executorService.submit(new FindMinTask(executorService, numbers, 0, numbers.length-1));System.out.println(futureResult.get());executorService.shutdown();}
}

该代码看起来非常相似，期望我们submit()任务submit()给ExecutorService ，然后使用返回的Future实例来wait()结果。两种实现之间的主要区别可以在构造线程池的那一点上找到。在上面的示例中，我们创建了一个具有64（！）个线程的固定线程池。为什么选择这么大的数字？原因是，对每个返回的Future调用get()阻塞当前线程，直到结果可用为止。如果我们仅向可用池提供尽可能多的线程，则程序将耗尽资源并无限期地挂起。

ForkJoinPool实现了已经提到的工作窃取策略，即每次运行线程必须等待某些结果时；该线程从工作队列中删除当前任务，并执行其他准备运行的任务。这样，当前线程不会被阻塞，并且可以用来执行其他任务。一旦计算出最初暂停的任务的结果，该任务就会再次执行，join（）方法将返回结果。这与普通的ExecutorService有一个重要的区别，在常规ExecutorService ，您必须在等待结果时阻止当前线程。