简单实例详解多线编程的Fork/Join应用
前言
前面我们通过一篇文章讲过多线程应用开发过程中，我们遇到的如何对线程进行设计和应用的问题，其中我们提到了一个分离和联合线程模型。
在JAVA的1.7版以后，它提供了一个Fork/Join框架。用来实现一种常见的多线程处理模型设计。
Fork/Join
Fork/Join框架的基类是
java.util.concurrent.ForkJoinPool。
这个类实现了Executor和ExecutorService两个接口以及AbstractExecutorService抽象类。
所以ForkJoin是一个特殊的线程池实现。
因此,ForkJoin线程池基本上是一个执行特殊任务的线程池，即ForkJoinTask。
这个类实现了已知的接口Future，并使用了get()、cancel()和isDone()等方法。
除此之外，这个类还提供了两个方法，它们为整个框架提供了名称:fork()和join()。
调用fork()将启动任务的异步执行，而调用join()将等待任务完成并检索其结果。
因此，我们可以将一个给定的任务分解成多个较小的任务，派生每个任务，最后等待所有任务完成。这使得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不能一次解决时，它就被分解成多个更小、更容易解决的问题。这可以用伪代码写成:
首先，我们检查问题的当前大小是否大于给定的阈值。
如果是这种情况，我们将问题分成更小的问题，fork()每个新任务，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，并且问题太小，我们可以直接计算其解决方案，而无需进一步的除法。
RecursiveTask
为了更好地理解这个过程，我们实现了一个算法，它可以找到整数值数组中最小的数。
这个问题不是我们在日常工作中使用ForkJoinPool可以解决的问题，但是下面的实现非常清楚地展示了基本原则。
在main()方法中，我们设置一个带有随机值的整数数组，并创建一个新的ForkJoinPool。
传递给其构造函数的第一个参数是指示所需并行度的级别。在这里，我们查询运行时中可用的CPU内核的数量。
然后调用invoke()方法并传递一个GetMinNumb实例。
GetMinNumb扩展了类RecursiveTask，它本身是前面提到的ForkJoinTask的子类。
ForkJoinTask类实际上有两个子类:一个是为返回值的任务设计的(RecursiveTask)，另一个是为没有返回值的任务设计的(RecursiveAction)。
超类要求我们必须实现compute()方法。在这里，我们查看整数数组的给定部分，并决定当前的问题是否太大而不能立即解决，需要分解处理。
在寻找数组中最小的数字时，需要直接解决的最小问题大小是比较两个元素并返回它们的最小值。
如果当前有两个以上的元素，则将数组分成两部分，并再次找到这两部分中最小的数。这是通过创建GetMinNumb的两个新实例来实现的。
构造函数由数组和开始和结束索引组成。然后，通过调用fork()来异步地启动这两个任务的执行。这个调用提交线程池队列中的两个任务。
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，则当前线程从其他任务之一窃取其工作。这确保任务尽可能快地执行。
RecursiveAction
如上所述，在RecursiveTask旁边还有RecursiveAction类。
与RecursiveTask不同的是，它不必返回值，因此它可以用于可以直接在给定数据结构上执行的异步计算。
这样一个例子是计算灰度图像的彩色图像。我们所要做的就是对图像的每个像素进行迭代，并使用以下公式从RGB值中计算出灰度值:
gray = 0.2126 * red + 0.7152 * green + 0.0722 * blue
浮点数表示特定颜色对人类对灰色感知的影响程度。由于绿色使用的是最大值，我们可以得出一个灰度图像的计算结果接近绿色部分的3/4。
因此，基本实现应该是这样的，假设image是我们表示实际像素数据的对象，setRGB()和getRGB()方法用于检索实际的RGB值:
上面的实现在单CPU机器上运行良好。但是如果我们有多个可用的CPU，我们可能希望将这些工作分配给可用的核心。
因此，不需要在两个嵌套的for循环中遍历所有像素，我们可以用ForkJoinPool并为图像的每一行(或每一列)提交一个新任务。
一旦将一行转换为灰度，当前线程就可以处理下一行。
这个原则在下面的例子中实现:
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。所以我们要做的就是遍历所有行，并向我们的ForkJoinPool提交一个新的GrayscaleImageAction。后者收到了关于可用处理器的提示，作为其构造函数的参数。
现在，通过调用它们的compute()方法，ForkJoinPool可以异步启动任务。在这个方法中，我们遍历每一行并根据其灰度值更新相应的RGB值。
将所有任务提交到池后，我们在主线程中等待关闭整个池，然后使用ImageIO.write()方法将更新后的BufferedImage写回磁盘。
令人惊讶的是，如果不使用可用的处理器，我们只需要几行代码。这里我们再次通过使用java.util.concurrent包来完成实现。
ForkJoinPool为提交任务提供了三种不同的方法:
- 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，可以使用任务引用来查询结果(因为它实现了Future接口)。
有了这些知识，我们就很清楚为什么要使用execute()方法提交上面的GrayscaleImageAction。
如果我们使用invoke()，主线程就会等待任务完成，我们就不会利用可用的并行度。
当我们仔细研究ForkJoinTask-API时，我们发现了同样的区别:
- 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
既然我们已经知道了ExecutorService和ForkJoinPool，您可能会问自己为什么应该使用ForkJoinPool而不是ExecutorService。
两者之间的差别并不大。两者都有execute()和submit()方法，并使用一些公共接口的实例，如Runnable、Callable、RecursiveAction或RecursiveTask。
为了更好地理解这种差异，让我们尝试使用ExecutorService从上面实现GetMinNumb类:
代码看起来非常相似，除了我们将任务提交给ExecutorService，然后使用返回的Future实例来等待结果之外。
这两个实现之间的主要区别可以在线程池构建的地方找到。
在上面的例子中，我们创建了一个包含64个线程的固定线程池。
为什么选择这么大的数字? 这里的原因是，为每个返回的Future调用get()会阻塞当前线程，直到结果可用为止。
如果我们只向池提供可用cpu数量的线程，那么程序将耗尽资源并无限期挂起。
ForkJoinPool实现了前面提到的工作窃取策略，即每次运行的线程都必须等待某个结果;
该线程从工作队列中删除当前任务，并执行一些准备运行的其他任务。
这样，当前线程就不会被阻塞，可以用来执行其他任务。一旦计算了最初挂起的任务的结果，任务将再次执行，join()方法将返回结果。
这是与常规ExecutorService的一个重要区别，在常规ExecutorService中，我们必须在等待结果时阻塞当前线程。
