【揭秘】ForkJoinTask全面解析

news2024/9/25 9:33:45

【揭秘】ForkJoinTask全面解析 - 程序员古德

内容摘要

ForkJoinTask的显著优点在于其高效的并行处理能力,它能够将复杂任务拆分成多个子任务,并利用多核处理器同时执行,从而显著提升计算性能,此外,ForkJoinTask还提供了简洁的API和强大的任务管理机制,使得开发者能够更轻松地编写并行化代码,高效地利用系统资源。

核心概念

ForkJoinTask在Java中主要用来解决可以并行处理的任务的分解与合并问题,它是行计算框架ForkJoinFramework的核心组件,提供了一种高效的方式来利用多核处理器,它解决了以下几个方面的问题:

  1. 任务分解:很多计算密集型或数据处理密集型的问题可以分解为更小的子任务,例如,对一个大型数组进行排序或处理大量数据记录时,通常可以将数组或数据记录集分割成多个较小的部分,然后并行处理这些部分,ForkJoinTask提供了将任务递归分解成更小任务的方式,直到任务足够小以至于顺序执行比并行执行更高效。
  2. 任务并行化:通过ForkJoinPoolForkJoinTask能够将分解后的子任务分配给不同的线程执行,从而实现并行处理,这充分利用了多核处理器的计算能力,提高了程序的执行效率。
  3. 任务结果合并:在子任务并行执行完成后,需要将它们的结果合并以得到最终的结果,ForkJoinTask提供了合并子任务结果的机制,确保所有子任务的结果都能正确地组合在一起。
  4. 工作窃取ForkJoinPool还实现了工作窃取算法,这意味着当一个线程完成了它自己的任务后,它可以从其他线程的任务队列中“窃取”任务来执行,从而减少了线程的空闲时间,提高了资源利用率。

因此,ForkJoinTask是用来处理可并行化任务的强大工具,它通过任务分解、并行化、结果合并和工作窃取等机制,有效地提高了程序的执行效率和资源利用率。

#代码案例

下面是一个使用了ForkJoinTask的简单示例,演示了如何分解一个任务,使其并行处理一个整数数组,并计算数组中所有元素的和。

先创建一个SumTask类,它继承自RecursiveTask<Integer>,用于计算数组元素的和,如果数组的大小超过一个阈值(例如10),则任务将递归地分解为两个子任务,分别处理数组的前半部分和后半部分,否则,任务将顺序计算数组的和,如下代码:

import java.util.concurrent.RecursiveTask;  
  
public class SumTask extends RecursiveTask<Integer> {  
    private static final int THRESHOLD = 10; // 阈值,当数组大小小于这个值时,不再进行任务分解  
    private final int[] array;  
    private final int start;  
    private final int end;  
  
    public SumTask(int[] array) {  
        this(array, 0, array.length);  
    }  
  
    private SumTask(int[] array, int start, int end) {  
        this.array = array;  
        this.start = start;  
        this.end = end;  
    }  
  
    @Override  
    protected Integer compute() {  
        // 如果任务足够小,直接计算结果  
        if (end - start <= THRESHOLD) {  
            int sum = 0;  
            for (int i = start; i < end; i++) {  
                sum += array[i];  
            }  
            return sum;  
        } else {  
            // 否则,将任务分解为两个子任务  
            int middle = (start + end) / 2;  
            SumTask leftTask = new SumTask(array, start, middle);  
            SumTask rightTask = new SumTask(array, middle, end);  
  
            // 异步执行子任务并等待结果  
            return leftTask.fork().join() + rightTask.fork().join();  
        }  
    }  
}

如下client代码(main函数),如下:

import java.util.concurrent.ForkJoinPool;  
import java.util.concurrent.ForkJoinTask;  
  
public class ForkJoinTaskExample {  
    public static void main(String[] args) {  
        int[] array = new int[100];  
  
        // 初始化数组  
        for (int i = 0; i < array.length; i++) {  
            array[i] = i;  
        }  
  
        // 创建一个ForkJoinPool  
        ForkJoinPool pool = new ForkJoinPool();  
  
        // 提交任务并获取结果  
        ForkJoinTask<Integer> task = new SumTask(array);  
        Integer sum = pool.invoke(task);  
  
        // 输出结果  
        System.out.println("Sum of array elements: " + sum);  
  
        // 关闭ForkJoinPool(虽然不是严格必需的,因为在这个简单例子中程序即将结束,但在生产代码中是个好习惯)  
        pool.shutdown();  
    }  
}

运行代码将输出,如下:

Sum of array elements: 4950

数组包含了0到99的整数,它们的和是4950,通过使用ForkJoinTask,能够并行地计算这个和。

核心API

ForkJoinTask 是 Java 并发包 java.util.concurrent 中的一个抽象类,它表示可以被 ForkJoinPool 执行的任务,ForkJoinTask 有两个直接子类:RecursiveActionRecursiveTask,分别表示不返回结果和返回结果的任务,以下是 ForkJoinTask 及其子类中一些重要方法的简要说明:

fork()

该方法用于在 ForkJoinPool 中异步地执行当前任务,如果当前任务已经在执行,则该方法不会有任何效果,调用 fork() 后,任务进入 ForkJoinPool 的工作队列中等待执行,fork() 是一个非阻塞方法,它会立即返回。

join()

该方法用于等待任务的完成,并获取其结果(如果任务有结果的话),如果任务已经完成,join() 会立即返回结果,如果任务尚未完成,join() 会阻塞调用线程,直到任务完成为止,对于 RecursiveActionjoin() 没有返回值;对于 RecursiveTaskjoin() 返回任务计算的结果。

invoke()

该方法用于在当前线程中执行任务,而不是在 ForkJoinPool 中异步执行,invoke() 会等待任务完成,并返回结果(如果任务有结果的话),通常,在不需要并行处理或任务很小不适合分解时使用 invoke()

invokeAll(ForkJoinTask… tasks)

这是ForkJoinTask 的静态方法,该方法用于执行给定的任务数组,并等待所有任务完成,它返回一个包含每个任务结果的数组(如果任务是 RecursiveTask 类型的话),如果任务是 RecursiveAction 类型,则结果数组中的每个元素都是 null,因为 RecursiveAction 不返回结果。

getPool()

返回执行此任务的 ForkJoinPool,如果任务尚未安排或已开始,则返回 null

getRawResult()

对于 RecursiveTask,返回任务的结果,但不等待任务完成。如果任务尚未完成,则可能返回不确定的结果,对于 RecursiveAction,此方法没有定义,因为它不返回结果。

setRawResult(V value)

对于 RecursiveTask,此方法用于设置任务的结果,这通常在任务计算完成后调用,对于 RecursiveAction,此方法没有定义。

isCompletedAbnormally()

如果任务因异常而完成,则返回 true

isCancelled()

如果任务被取消,则返回 true

cancel(boolean mayInterruptIfRunning)

尝试取消此任务的执行,如果任务已经开始执行,则参数 mayInterruptIfRunning 决定是否应该中断执行任务的线程。

ForkJoinTask 的设计主要是为了支持分治算法和并行计算,在实际使用中,通常通过扩展 RecursiveActionRecursiveTask 来实现自己的并行任务,而不是直接使用 ForkJoinTask 类,此外,使用 ForkJoinTask 时需要注意任务的粒度控制,以避免过度分解导致的性能下降。

核心总结

【揭秘】ForkJoinTask全面解析 - 程序员古德

ForkJoinTask是Java中处理并行计算的利器,其优点在于能够轻松地将大任务拆分成小任务,利用多核处理器并行处理,提高执行效率,它的缺点也很明显,比如任务划分和数据同步的复杂性可能导致额外的开销。ForkJoinTask适合处理计算密集型且可分解的任务,但要注意任务粒度的控制,避免划分过细;同时,合理处理线程安全和任务依赖关系,确保数据的正确性和一致性。

关注我,每天学习互联网编程技术 - 程序员古德

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1415103.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Blender教程-编辑模式点线面的选择-06

一、新建立方体 ShiftA新建立方体用于演示 二、模式切换 按TAB键切换为编辑模式 点模式 在点模式下可以选择中物体的顶点。 线模式&#xff08;边模式&#xff09; 面模式 在熟悉编辑模式下的点线面基础操作以后&#xff0c;我们后续建模会以此为基础教程。

D. Epic Transformation(堆+贪心)

思路&#xff1a;我们删的策略是从次数多的数开始删&#xff0c;每次取两种不同的数&#xff0c;每种删去一个&#xff0c;然后放回堆中。 代码&#xff1a; void solve(){int n;cin >> n;map<int,int>mp;for(int i 1;i < n;i ){int x;cin >> x;mp[x] …

CAD-autolisp(二)——选择集、命令行设置对话框、符号表

目录 一、选择集1.1 选择集的创建1.2 选择集的编辑1.3 操作选择集 二、命令行设置对话框2.1 设置图层2.2 加载线型2.3 设置字体样式2.4 设置标注样式&#xff08;了解即可&#xff09; 三、符号表3.1 简介3.2 符号表查找3.2 符号表删改增 一、选择集 定义&#xff1a;批量选择…

ubuntu 20.04 更新 autoconf 版本

前言 由于最近打算交叉编译 python&#xff0c;依赖 libffi 库&#xff0c;而交叉编译 libffi 库&#xff0c;由于使用的是 github 上的 libffi&#xff0c;又提示 autoconf 版本太低了&#xff0c;所以&#xff0c;先更新 autoconf 的版本 当前 ubuntu 20.04 上安装的 autuco…

【数据分享】2015年泛第三极65国1km分辨率土壤侵蚀强度数据集(免费获取)

土壤数据是在环境、农业、生态等相关研究中都非常常用的数据&#xff01;我们之前发表过一篇介绍土壤数据来源的文章&#xff08;可查看之前推送的文章获悉详情&#xff09;&#xff01; 土壤侵蚀强度是土壤的重要属性&#xff01;本次我们给大家带来的是2015年泛第三极65国1k…

《合成孔径雷达成像算法与实现》Figure5.19

clc clear close all距离向参数 R_eta_c 20e3; % 景中心斜距 Tr 25e-6; % 发射脉冲时宽 Kr 0.25e12; % 距离向调频率 Fr 7.5e6; % 距离向采样率 Nrg 256; % 距离线采样点数 Bw abs(Kr*Tr); …

8.15合并区间(LC56)

算法&#xff1a; 和452. 用最少数量的箭引爆气球 (opens new window)和 435. 无重叠区间 (opens new window)都是一个套路。 这几道题都是判断区间重叠&#xff0c;区别就是判断区间重叠后的逻辑&#xff0c;本题是判断区间重贴后要进行区间合并。 步骤&#xff1a; 先排序…

自动化脚本不稳定,原来是软件弹窗惹的祸,2个方法解决!

很多同学在学习 App 自动化或者在项目中落地实践 App 自动化时&#xff0c;会发现编写的自动化脚本无缘无故的执行失败、不稳定。 而导致其问题很大原因是因为应用的各种弹窗&#xff08;升级弹窗、使用过程提示弹窗、评价弹窗等等&#xff09;&#xff0c;比如这样的&#xff…

nodejs下载 安装 配置环境

目录 1.下载 2、配置环境 1.下载 下载地址&#xff1a;https://nodejs.org/en/download/ 下载完成后&#xff0c;双击安装包&#xff0c;开始安装&#xff0c;一直点next即可。我把安装路径设置为 D:\Program Files\nodejs\ 安装完之后打开终端 windowR cmd 回车&#xff1…

C++:组合、继承与多态

面向对象设计的重要目的之一就是代码重用&#xff0c;这也是C的重要特性之一。代码重用鼓励人们使用已有的&#xff0c;得到认可并经过测试的高质量代码。多态允许以常规方式书写代码来访问多种现有的且已专门化了的相关类。继承和多态是面向对象程序设计方法的两个最主要的特性…

fix bug: FileNotFoundError: [Errno 2] No such file or directory: ‘nvcc‘

1.问题描述 运行的代码设计pycuda,会调用nvcc&#xff0c;确定已经安装cuda toolkit&#xff0c;在terminal中云运行 nvcc -V 能得到想到的结果&#xff1a; 但是在 pycharm中运行代码时提示&#xff1a; FileNotFoundError: [Errno 2] No such file or directory: nvcc 2.…

细数语音识别中的几个former

随着Transformer在人工智能领域掀起了一轮技术革命&#xff0c;越来越多的领域开始使用基于Transformer的网络结构。目前在语音识别领域中&#xff0c;Tranformer已经取代了传统ASR建模方式。近几年关于ASR的研究工作很多都是基于Transformer的改进&#xff0c;本文将介绍其中应…

拦截器的简单使用

拦截器的简单使用 拦截器的使用创建拦截器preHandle 目标方法执行前执行postHandle 目标方法执行后执行afterCompletion 视图渲染后执行 拦截器使用场景返回值注册拦截器运用拦截器 拦截器的使用 创建拦截器 首先,我们需要创建一个拦截器器的类,并且需要继承自HandlerIntercep…

java分布式锁(详解)

本地锁 浏览器把100w请求由网关随机往下传&#xff0c;在集群情况下&#xff0c;每台服务都放行10w请求过来&#xff0c;这时候每台服务都用的是本地锁是跨JVM的&#xff0c; 列如这些服务都没有49企业&#xff0c;此时有几个服务进行回原了打击在DB上面&#xff0c;那后期把这…

一种基于YOLOV5框架的新型轻量级雾天行人车辆实时检测算法(XM-YOLOViT)

&#x1f4a1;&#x1f4a1;&#x1f4a1;本文摘要&#xff1a;提出了一种基于YOLOV5框架的新型XM-YOLOViT雾天行人车辆实时检测算法&#xff0c;有效解决了密集目标干扰和雾霾遮挡问题&#xff0c;提高了复杂雾天环境下的检测效果。 1.XM-YOLOViT原理介绍 XM-YOLOViT框架图 摘…

04.领域驱动设计:了解聚合和聚合根,怎样设计聚合-学习总结

目录 1、概述 2、聚合 3、聚合根 4、怎么设计聚合 4.1 聚合的构建过程主要步骤 第 1 步&#xff1a;采用事件风暴。 第 2 步&#xff1a;选出聚合根。 第 3 步&#xff1a;找出与聚合根关联的所有紧密依赖的实体和值对象。 第 4 步&#xff1a;画出对象的引用和依赖模型…

数据结构·双向链表

1. 双向链表的结构 我们之前提到过&#xff0c;双向链表的全称是&#xff1a;带头双向循环链表。带头就是相当于一个“哨兵位”&#xff0c;用来标记链表的开始&#xff0c;它存储的数据是无效的&#xff0c;但是它将存储有效的前驱节点和后继节点的地址&#xff0c;带头链表的…

【Linux】进程通信——管道

欢迎来到Cefler的博客&#x1f601; &#x1f54c;博客主页&#xff1a;折纸花满衣 &#x1f3e0;个人专栏&#xff1a;题目解析 &#x1f30e;推荐文章&#xff1a;【LeetCode】winter vacation training 目录 &#x1f4cb;进程通信的目的&#x1f4cb;管道匿名管道pipe函数创…

【DeepLearning-9】YOLOv5模型网络结构中加入MobileViT模块

一、神经网络的前中后期 在神经网络中&#xff0c;特别是在深度卷积神经网络&#xff08;CNN&#xff09;中&#xff0c;“网络早期&#xff08;低层&#xff09;”、“网络中期&#xff08;中层&#xff09;”和“网络后期&#xff08;高层&#xff09;”通常指的是网络结构中…

sqli-labs靶场(1-6关)

1、第一关 测试id1 id1加一个引号报错&#xff0c;两个引号正常&#xff0c;应该是字符&#xff0c;还有回显 猜测字段长度 id1 order by 3 -- id1 order by 4 -- 字段长度为三&#xff0c;接下来确定位置&#xff1a;id1 and 12 union select 1,2,3 -- 查出库名,及版本号id1 …