因為一句話，秒懂二叉樹旋轉
在JDK7時，出現了一個新的框架用於並行執行任務，它的目的是為了把大型任務拆分為多個小任務，最後彙總多個小任務的結果，得到整大任務的結果，並且這些小任務都是同時在進行，大大提高運算效率。Fork就是拆分，Join就是合併。
我們來演示一下實際的情況，比如一個算式：18x7+36x8+9x77+8x53，可以拆分為四個小任務：18x7、36x8、9x77、8x53，最後我們只需要將這四個任務的結果加起來，就是我們原本算式的結果了，有點歸併排序的味道。
它不僅僅只是拆分任務並使用多執行緒，而且還可以利用工作竊取演算法，提高執行緒的利用
- 工作竊取演算法：是指某個執行緒從其他佇列裡竊取任務來執行。一個大任務分割為若干個互不依賴的子任務，為了減少執行緒間的競爭，把這些子任務分別放到不同的佇列裡，併為每個佇列建立一個單獨的執行緒來執行佇列裡的任務，執行緒和一對應。但是有的執行緒會先把自己佇列裡的任務幹完，而其他執行緒對應的佇列裡還有任務待處理。幹完活的執行緒與其等著，不如幫其他執行緒幹活，於是它就去其他執行緒的佇列裡竊取一個任務來執行。
Fork/Join使用兩個類來完成以上兩件事情：
ForkJoinTask
我們要使用ForkJoin框架，必須首先建立一個ForkJoin任務。它提供在任務中執行fork()和join()
操作的機制，通常情況下我們不需要直接繼承ForkJoinTask類，而只需要繼承它的子類，Fork/Join框架提供了以下兩個子類：
-
RecursiveAction：用於沒有返回結果的任務。
-
RecursiveTask ：用於有返回結果的任務。
-
ForkJoinPool 需要通過
ForkJoinPool來執行，任務分割出的子任務會新增到當前工作執行緒所維護的雙端佇列中，進入佇列的頭部。當一個工作執行緒的佇列裡暫時沒有任務時，它會隨機從其他工作執行緒的佇列的尾部獲取一個任務。
現在我們來看看如何使用它，這裡以計算1-1000的和為例，我們可以將其拆分為8個小段的數相加，比如1-125、126-250... ，最後再彙總即可，它也是依靠執行緒池來實現的：
public static void main(String[] args) throws InterruptedException, ExecutionException {
ForkJoinPool pool = new ForkJoinPool();
System.out.println(pool.submit(new SubTask(1, 1000)).get());
}
/**
* 繼承RecursiveTask，這樣才可以作為一個任務，泛型就是計算結果型別
*/
private static class SubTask extends RecursiveTask<Integer> {
private final int start; //比如我們要計算一個範圍內所有數的和，那麼就需要限定一下範圍，這裡用了兩個int存放
private final int end;
public SubTask(int start, int end) {
this.start = start;
this.end = end;
}
@Override
protected Integer compute() {
if(end - start > 125) { //每個任務最多計算125個數的和，如果大於繼續拆分，小於就可以開始算了
SubTask subTask1 = new SubTask(start, (end + start) / 2);
subTask1.fork(); //會繼續劃分子任務執行
SubTask subTask2 = new SubTask((end + start) / 2 + 1, end);
subTask2.fork(); //會繼續劃分子任務執行
return subTask1.join() + subTask2.join(); //越玩越有遞迴那味了
} else {
System.out.println(Thread.currentThread().getName()+" 開始計算 "+start+"-"+end+" 的值!");
int res = 0;
for (int i = start; i <= end; i++) {
res += i;
}
return res; //返回的結果會作為join的結果
}
}
}
可以看到，結果非常正確，但是整個計算任務實際上是拆分為了8個子任務同時完成的，結合多執行緒，原本的單執行緒任務，在多執行緒的加持下速度成倍提升。
包括Arrays工具類提供的並行排序也是利用了ForkJoinPool來實現：
public static void parallelSort(byte[] a) {
int n = a.length, p, g;
if (n <= MIN_ARRAY_SORT_GRAN ||
(p = ForkJoinPool.getCommonPoolParallelism()) == 1)
DualPivotQuicksort.sort(a, 0, n - 1);
else
new ArraysParallelSortHelpers.FJByte.Sorter
(null, a, new byte[n], 0, n, 0,
((g = n / (p << 2)) <= MIN_ARRAY_SORT_GRAN) ?
MIN_ARRAY_SORT_GRAN : g).invoke();
}
並行排序的效能在多核心CPU環境下，肯定是優於普通排序的，並且排序規模越大優勢越顯著。