ForkJoinPool、CAS原子操作

ForkJoinPool

ForkJoinPool是由JDK1.7后提供多线程并行执行任务的框架。可以理解为一种特殊的线程池。

1.任务分割：Fork（分岔），先把大的任务分割成足够小的子任务，如果子任务比较大的话还要对子任务进行继续分割。

2.合并结果：join，分割后的子任务被多个线程执行后，再合并结果，得到最终的完整输出。

类似于分治的思想，把大任务一点点拆分为一个个小任务。

如果要统计1~100之间的和，当然可以直接暴力for循环，不过也可以把它拆分为10个任务，计算1到10的和，11到20的和…

ForkJoinTask：主要提供fork和join两个方法用于任务拆分与合并；一般用子类 RecursiveAction（无返回值的任务）和RecursiveTask（需要返回值）来实现compute方法。

public abstract class ForkJoinTask<V> implements Future<V>, Serializable

可以看到，ForkJoinTask实现了Future这个接口，也就是说，我们也可以通过ForkJoinTask来获取线程的状态、结果等。

ForkJoinPool：调度ForkJoinTask的线程池；

ForkJoinWorkerThread：Thread的子类，存放于线程池中的工作线程（Worker）；

WorkQueue：任务队列，用于保存任务；

    ForkJoinPool forkJoinPool=new ForkJoinPool(8);//最多拆分为8个线程
    java.util.concurrent.ForkJoinTask<Integer> forkJoinTask = forkJoinPool.submit(new ForkJoinTask(1, 100));
        System.out.println(forkJoinTask.get());

	static class ForkJoinTask extends RecursiveTask<Integer>{
        int start;
        int end;

        public ForkJoinTask(int start, int end) {
            this.start = start;
            this.end = end;
        }

        @Override
        protected Integer compute() {
            if((end-start)<=10){
                int count=0;
                for(int i=start;i<=end;i++){
                    count+=i;
                }
                System.out.println("当前线程为："+Thread.currentThread().getName());
                return count;
            }else{
                int mid=start+end>>1;
                ForkJoinTask subTask1=new ForkJoinTask(start,mid);
                subTask1.fork();
                ForkJoinTask subTask2=new ForkJoinTask(mid+1,end);
                subTask2.fork();
                return subTask1.join()+subTask2.join();
            }
        }
    }

计算1~100的和，如果end-start小于等于10就直接暴力进行加法运算，如果大于10，就继续拆分。

ForkJoinPool的设计思想

普通线程池内部有两个重要集合：工作线程集合（普通线程），和任务队列。
ForkJoinPool也类似，线程集合里放的是特殊线程ForkJoinWorkerThread，任务队列里放的是特殊任务ForkJoinTask
不同之处在于，普通线程池只有一个队列。而ForkJoinPool的工作线程ForkJoinWorkerThread每个线程内都绑定一个双端队列。
在fork的时候，也就是任务拆分，将拆分的task会被当前线程放到自己的队列中。
如果有任务，那么线程优先从自己的队列里取任务执行，以LIFO先进后出方式从队尾获取任务，
当自己队列中执行完后，工作线程会跑到其他队列以work−stealing窃取,窃取方式为FIFO先进先出，减少竞争。

任务拆分：线程首先将大任务拆分成更小的任务。
本地队列：拆分出的小任务通常会被放置在执行这个任务的线程的本地队列中。这个队列是一个双端队列（deque）。
任务窃取：其他闲置的线程可以从这个队列的另一端窃取任务来执行。这意味着，虽然拆分出的任务最初是放在原线程的队列中，但其他线程可以参与处理这些任务。
负载均衡：通过这种方式，ForkJoinPool试图在其所有线程之间实现负载均衡，从而提高效率。

举例：

假设你有一个大任务：计算从1加到10000的总和。这个任务可以通过拆分成更小的任务来并行处理。

任务拆分：线程A开始执行这个任务，它决定将任务拆分成两个更小的任务：第一个是计算1到5000的总和，第二个是计算5001到10000的总和。
放置在本地队列：线程A将这两个任务放入它的本地队列。此时，它开始执行其中一个任务（比如计算1到5000的总和）。
工作窃取：此时，另一个线程B处于空闲状态，它会查看线程A的队列。线程B发现队列中有待处理的任务（计算5001到10000的总和），于是它将这个任务从队列中窃取并开始执行。
并行处理：线程A和线程B现在都在执行一个较小的任务。一旦各自的任务完成，结果会被汇总。在这个例子中，两个任务的结果将被加在一起以得到最终的总和。

注意点

使用ForkJoin将相同的计算任务通过多线程执行。但是在使用中需要注意：

注意任务切分的粒度，也就是fork的界限。并非越小越好
判断要不要使用ForkJoin。任务量不是太大的话，串行可能优于并行。因为多线程会涉及到上下文的切换

CAS(比较交换)原子操作

在说CAS之前先说一下什么是原子操作

原子（atom）本意是“不能被进一步分割的最小粒子”，而原子操作（atomic operation）意为"不可被中断的一个或一系列操作" 。

CAS（Compare-and-Swap/Exchange），即比较并替换，是一种实现并发常用到的技术。CAS的整体架构如下：

初始状态：计数器的值为0。
线程A 读取计数器的值，得到0，打算将其增加到1。
线程B 也读取计数器的值，得到0，同样打算将其增加到1。

此时，假设两个线程都尝试执行CAS操作来更新计数器的值。

理想的CAS操作：

线程A 的CAS操作先执行，它比较当前计数器的值（0）与预期值（0），发现匹配，因此成功将计数器的值更新为1。
接着，线程B 尝试执行它的CAS操作。这时，它比较当前计数器的值（现在为1）与其预期值（0），发现不匹配，因此不执行更新。

在这个情况下，计数器的最终值是1，这是正确的结果。每个线程都试图将计数器增加1，但只有一个线程成功了，因为CAS操作确保了计数器的每次更新都是基于最新的、有效的值。

如果CAS不按预期行为：

假设当线程B的预期值不匹配时，CAS操作仍然执行了更改，将计数器从1增加到2。

这将导致以下问题：

数据不一致：这意味着两个线程的操作都基于同一个旧值（0），从而错误地假定计数器未被其他线程更改。
结果错误：最终计数器的值变为2，而实际上只应该被增加1次。这是因为线程B没有正确地检测到线程A已经更新了计数器。

public class TestAtomic {
    public static void main(String[] args) {
        AtomicInteger atomicInteger=new AtomicInteger(1);
        atomicInteger.addAndGet(1);
        atomicInteger.incrementAndGet();
    }
}

以上两种方法都是给当前值+1，addAndGet(1)表示是在当前值的基础上+1，incrementAndGet表示自增。

源码剖析

    public final int incrementAndGet() {
        return unsafe.getAndAddInt(this, valueOffset, 1) + 1;
    }

    public final int getAndAddInt(Object o, long offset, int delta) {
        int v;
        do {
            v = getIntVolatile(o, offset);
        } while (!compareAndSwapInt(o, offset, v, v + delta));
        return v;
    }

    public final native boolean compareAndSwapInt(Object o, long offset,
                                                  int expected,
                                                  int x);

offset：当前变量的地址=当前类的地址+偏移量offset

compareAndSwapInt(o, offset, v, v + delta)：判断是否交换成功了，没有成功会去一直获取内存中value的值。

由此可以看出CAS是有一定弊端的，在面临高并发的场景下，可以持续死循环，导致CPU飙高。

CAS虽然很高效的解决了原子操作问题，但是CAS仍然存在三大问题。

自旋(循环)时间长开销很大，如果CAS失败，会一直进行尝试。如果CAS长时间一直不成功，可能会给CPU带来很大的开销，注意这里的自旋是在用户态/SDK 层面实现的。
只能保证一个共享变量的原子操作，对多个共享变量操作时，循环CAS就无法保证操作的原子性，这个时候就可以用锁来保证原子性。
ABA问题，在使用CAS前要考虑清楚“ABA”问题是否会影响程序并发的正确性，如果需要解决ABA问题，改用传统的互斥同步可能会比CAS更高效。

ABA问题：

加入A拿到Value，并且进行了修改，A=1（这时候B拿到了A=1，接着A继续执行） —> A=2 —> A=1，这时候B一看，好家伙，Value还是1，该到我改了吧，这下直接A=5了，这就会导致原子性被破坏了。

可以通过引入AtomicStampedReference来解决ABA的问题

AtomicStampedReference：原子更新带有版本号的引用类型。

public class TestAtomic {
    public static void main(String[] args) {
        AtomicStampedReference<Integer> atomicStampedReference = new AtomicStampedReference<>(1, 1);

        int expectedReference = 1; // 当前期望的值
        int newReference = 2; // 新值
        int expectedStamp = 1; // 当前期望的版本号
        int newStamp = 2; // 新的版本号

        boolean wasUpdated = atomicStampedReference.compareAndSet(expectedReference, newReference, expectedStamp, newStamp);

        if (wasUpdated) {
            System.out.println("Update successful");
        } else {
            System.out.println("Update failed");
        }
    }
}