上面的例子是无返回值的案例，下面我们来看一个典型的有返回值的案例，相信大家都听过及很熟悉斐波那契数列，这个数列有个特点就是最后一项的结果等于前两项的和，如： 0，1，1，2，3，5...f(n-2)+f(n-1), 即第0项为0 ，第一项为1，则第二项为 0+1=1，以此类推。我们最初的解决方法就是使用递归来解决，如下计算第n项的数值：
private int num(int num){ if (num <= 1){ return num; } num = num(num-1) + num(num -2); return num; }从上面简单代码中可以看到，当 n<=1 时返回 n , 如果n>1 则计算前一项的值f1，在计算前两项的值f2, 再将两者相加得到结果，这就是典型的递归问题，也是对应我们的ForkJoin 的工作模式，如下所示，根节点产生子任务，子任务再次衍生出子子任务，到最后在进行整合汇聚，得到结果。
我们通过 ForkJoinPool 来实现斐波那契数列的计算，如下展示：
/** * @url: i-code.online * @author: AnonyStar * @time: 2020/11/2 10:01 */ public class ForkJoinApp3 { public static void main(String[] args) throws ExecutionException, InterruptedException { ForkJoinPool pool = new ForkJoinPool(); //计算第二是项的数值 final ForkJoinTask<Integer> submit = pool.submit(new Fibonacci(20)); // 获取结果，这里获取的就是异步任务的最终结果 System.out.println(submit.get()); } } class Fibonacci extends RecursiveTask<Integer>{ int num; public Fibonacci(int num){ this.num = num; } @Override protected Integer compute() { if (num <= 1) return num; //创建子任务 Fibonacci subTask1 = new Fibonacci(num - 1); Fibonacci subTask2 = new Fibonacci(num - 2); // 执行子任务 subTask1.fork(); subTask2.fork(); //获取前两项的结果来计算和 return subTask1.join()+subTask2.join(); } }
通过 ForkJoinPool 可以极大的发挥多核处理器的优势，尤其非常适合用于递归的场景，例如树的遍历、最优路径搜索等场景。
上面说的是ForkJoinPool 的使用上的，下面我们来说一下其内部的构造，对于我们前面说的几种线程池来说，它们都是里面只有一个队列，所有的线程共享一个。但是在ForkJoinPool 中，其内部有一个共享的任务队列，除此之外每个线程都有一个对应的双端队列Deque , 当一个线程中任务被Fork 分裂了，那么分裂出来的子任务就会放入到对应的线程自己的Deque中，而不是放入公共队列。这样对于每个线程来说成本会降低很多，可以直接从自己线程的队列中获取任务而不需要去公共队列中争夺，有效的减少了线程间的资源竞争和切换。
有一种情况，当线程有多个如t1,t2,t3...，在某一段时间线程 t1 的任务特别繁重，分裂了数十个子任务，但是线程 t0 此时却无事可做，它自己的 deque 队列为空，这时为了提高效率，t0 就会想办法帮助 t1 执行任务，这就是“work-stealing”的含义。
双端队列 deque 中，线程 t1 获取任务的逻辑是后进先出，也就是LIFO（Last In Frist Out），而线程t0在“steal”偷线程 t1 的 deque 中的任务的逻辑是先进先出，也就是FIFO（Fast In Frist Out），如图所示，图中很好的描述了两个线程使用双端队列分别获取任务的情景。你可以看到，使用 “work-stealing” 算法和双端队列很好地平衡了各线程的负载。
本文由AnonyStar 发布,可转载但需声明原文出处。
欢迎关注微信公账号 ：云栖简码 获取更多优质文章
更多文章关注笔者博客 ：云栖简码 i-code.online