正文
java线程并发工具类
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
本次内容主要讲Fork-Join、CountDownLatch、CyclicBarrier以及Callable、Future和FutureTask，最后再手写一个自己的FutureTask，绝对干货满满！
1、Fork-Join
1.1 什么是Fork-Join
Java多线程的开发可以我们自己启用多线程，线程池，还可以使用forkjoin。forkjoin可以让我们不去了解诸如Thread、Runnable等相关的知识，只要遵循forkjoin的开发模式，就可以写出很好的多线程并发程序。
forkjoin采用的是分而治之。分而治之思想是：将一个难以直接解决的大问题，分割成一些规模较小的相同问题，以便各个击破，分而治之。分而治之的策略是：对于一个规模为n的问题，若该问题可以容易地解决（比如说规模n较小）则直接解决，否则将其分解为m个规模较小的子问题， 这些子问题互相独立且与原问题形式相同 ( 子问题相互之间有联系就会变为动态规范算法 ) ，递归地解这些子问题，然后将各子问题的解合并得到原问题的解，这种算法设计策略叫做分治法。用一张图来表示forkjoin原理。
我们可以了解一下计算机的十大经典算法：快速排序、堆排序、归并排序 、二分查找、BFPRT（线性查找）、DFS（深度优先搜索）、BFS（广度优先搜索）、Dijkstra、动态规划、朴素贝叶斯分类。其中有哪一些用到的是分而治之呢？有3个，分别是快速排序、归并排序和二分查找。
归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法的一个非常典型的应用。将已有序的子序列合并，得到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。若将两个有序表合并成一个有序表，称为2路归并，与之对应的还有多路归并。对于给定的一组数据，利用递归与分治技术将数据序列划分成为越来越小的半子表，在对半子表排序后，再用递归方法将排好序的半子表合并成为越来越大的有序序列。为了提升性能，有时我们在半子表的个数小于某个数（比如15）的情况下，对半子表的排序采用其他排序算法，比如插入排序。下面演示一下归并排序的过程。
1.2 归并排序（升序）示例
先将数组划分为左右2个子表：
然后继续对左右2个子表进行拆分：
对拆分好的4个子表进行排序：
对有序子表进行比较合并：
对合并后的子表继续比较合并：
第二次合并后，数组呈有序排列。
1.3 Fork-Join工作窃取
工作窃取是指当前线程的Task已经全被执行完毕，则自动取到其他线程的Task队列中取出Task继续执行。ForkJoinPool中维护着多个线程在不断地执行Task，每个线程除了执行自己职务内的Task之外，还会根据自己工作线程的闲置情况去获取其他繁忙的工作线程的Task，如此一来就能能够减少线程阻塞或是闲置的时间，提高CPU利用率。用一张图进行说明。
1.3 Fork-Join使用
Fork-Join使用两个类来完成以上两件事情：ForkJoinTask和ForkJoinPool。我们要使用ForkJoin框架，必须首先创建一个ForkJoin任务。它提供在任务中执行fork和join的操作机制，通常我们不直接继承ForkjoinTask类，只需要直接继承其子类。
（1）RecursiveAction，用于没有返回结果的任务
（2）RecursiveTask，用于有返回值的任务
task要通过ForkJoinPool来执行，使用submit 或 invoke 提交，两者的区别是：invoke是同步执行，调用之后需要等待任务完成，才能执行后面的代码；submit是异步执行。join()和get方法当任务完成的时候返回计算结果。调用get/join方法的时候会阻塞。还是用一个图来说明forkjoin的工作流程。
在我们自己实现的compute方法里，首先需要判断任务是否足够小，如果足够小就直接执行任务。如果不足够小，就必须分割成两个子任务，每个子任务在调用invokeAll方法时，又会进入compute方法，看看当前子任务是否需要继续分割成孙任务，如果不需要继续分割，则执行当前子任务并返回结果。使用join方法会等待子任务执行完并得到其结果。
1.4 Fork-Join VS 单线程
假设有一个业务场景，数据库中有编号为0到1千万的会员信息，要统计所有会员的余额总和。为了对比结果的一致性，用户的余额不用随机数表示，就用编号代表用户的余额。现在的做法是每次从数据库查询出5000条数据进行统计，直到所有数据统计完成，进行汇总。对比看看单线程和Fork-Join的差异。
先看单线程场景：
public class SingleThreadSumNumber {
/**
* 每次查询5000条进行统计
*/
private static final int THRESHOLD = 5000;
/**
* 最小值
*/
private static final int MIN = 0;
/**
* 最大值
*/
private static final int MAX = 10000000;
public void sumNumber() {
long sum = 0;
long startTime = System.currentTimeMillis();
int start = MIN;
int end = MIN + THRESHOLD;
boolean isFirstTime = true;
while (end <= MAX) {
sum = sum + batchSum(start, end);
if (isFirstTime) {
start = start + THRESHOLD + 1;
isFirstTime = false;
} else {
start = start + THRESHOLD;
}
end = end + THRESHOLD;
}
System.out.println("The result is " + sum
+ " spend time:" + (System.currentTimeMillis() - startTime) + "ms");
}
/**
* 统计每次查询出来的余额总和
* @param start
* @param end
* @return
*/
public long batchSum(int start, int end) {
long sum = 0;
try {
Thread.sleep(15);//休眠15毫秒模拟查询业务
} catch (InterruptedException e) {
e.printStackTrace();
}
for (int i = start; i <= end; i++) {
sum += i;
}
return sum;
}
public static void main(String[] args) {
SingleThreadSumNumber thread = new SingleThreadSumNumber();
thread.sumNumber();
}
}
运行程序输出以下结果：
余额总和为50000005000000，花费了30119毫秒，下面使用forkjoin来进行统计：
import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.RecursiveTask; public class ForkJoinDemo {
/**
* 门限值，如果任务门限低于此值，则进行计算
*/
private static final int THRESHOLD = 5000; /**
* 最小值
*/
private static final int MIN = 0; /**
* 最大值
*/
private static final int MAX = 10000000; private static class SumNumberTask extends RecursiveTask<Long> {
private int start;
private int end; public SumNumberTask(int start, int end) {
this.start = start;
this.end = end;
} @Override
protected Long compute() {
if (end - start < THRESHOLD) {
return sumBatch(start, end);
} else {
int mid = (start + end) / 2;
SumNumberTask left = new SumNumberTask(start, mid);
SumNumberTask right = new SumNumberTask(mid + 1, end);
invokeAll(left, right);
long leftResult = left.join();
long rightResult = right.join();
return leftResult + rightResult;
}
}
} public void sumNumber() {
ForkJoinPool pool = new ForkJoinPool();
long start = System.currentTimeMillis();
int recordMin = MIN;
int recordMax = MAX;
SumNumberTask sumTask = new SumNumberTask(recordMin, recordMax);
pool.invoke(sumTask);
System.out.println("Task is Running.....");
Long result = sumTask.join();
System.out.println("The result is " + result + " spend time:"
+ (System.currentTimeMillis() - start) + "ms");
} /**
* 统计每次任务的总和
* @param fromId
* @param toId
* @return
*/
public static long sumBatch(int fromId, int toId) {
long sum = 0;
try {
Thread.sleep(15);//休眠15毫秒模拟查询业务
} catch (InterruptedException e) {
e.printStackTrace();
}
for (int i = fromId; i <= toId; i++) {
sum += i;
}
return sum;
} public static void main(String[] args) {
ForkJoinDemo forkJoinDemo = new ForkJoinDemo();
forkJoinDemo.sumNumber();
}
}
输出结果：
余额总和为50000005000000，和使用单线程统计时一致，使用forkjoin达到了同样的目的，但是只花费了4078毫秒，性能提升了7倍多。为了使性能有进一步提升，我们可以在第44行指定并发数量。不传参情况下，默认并发量是当前服务器的逻辑CPU个数。我们把并发量调整成64，即ForkJoinPool pool = new ForkJoinPool(16 * 4)，执行程序，输出结果为：
统计结果一致，花费了567毫秒，比起单线程统计，性能提升了53倍之多，由此可见forkjoin的并发威力。
2、CountDownLatch
2.1 什么是CountDownLatch
JDK对CountDownLatch的解释是：一种同步辅助器，它允许一个或多个线程等待，直到在其他线程中执行的一组操作完成为止。举个例子来理解CountDownLatch：隔壁寝室的老王今天要参加学校运动会的400米决赛，跟小王一起争夺冠军的还有另外5个人，不管这6位选手的内心多激动多澎湃，也要等裁判的发令枪响了之后才能起跑，裁判不发出指令，选手就只能在起跑线等待，这就是CountDownLatch的作用。但是实际场景并不只有一个发令裁判，参加过学校运动会的同学都知道，还可能需要若干个裁判进行手动计时，要等所有的裁判都就位后，发令枪一响，运动员才能起跑。假设有3个计时裁判，一个发令裁判，用一个图来说明。
在比赛开始前，发令裁判会用洪荒之力吼一声，各~就~各~位，此时发令裁判会用炯炯有神的目光和3位计时裁判交流，3位裁判分别点头示意已经准备好了，此时发令裁判会再次大吼一声，预备~~~跑！！！此时憋了许久的6位运动员飞奔出去，当然老王遥遥领先，毕竟女神给他说了跑第一名的话晚上有奖励。发令裁判的任务完成，不用继续执行下去，而3个计时裁判继续工作，对6位选手的成绩进行一个记录。
2.1 CountDownLatch实战
用一段程序来模拟老王参加运动会400米决赛的场景。
import java.util.concurrent.CountDownLatch;
public class CountDownLatchDemo {
/**
* 运动员在计时裁判和发令裁判就位后才能起跑
*/
static CountDownLatch sportsManLatch = new CountDownLatch(4);
/**
* 发令裁判在3个计时裁判准备好之后才能发令
*/
static CountDownLatch orderRefereeLatch = new CountDownLatch(3);
/**
* 计时裁判
*/
static class TimeReferee implements Runnable {
private int no;
public TimeReferee(int no) {
this.no = no;
}
@Override
public void run() {
System.out.println(no + "号计时裁判就位");
orderRefereeLatch.countDown();
sportsManLatch.countDown();
}
}
/**
* 发令裁判
*/
static class OrderReferee implements Runnable {
@Override
public void run() {
try {
orderRefereeLatch.await();
} catch (InterruptedException e) {
e.printStackTrace();
}
System.out.println("发令裁判发出指令~~~~~~");
sportsManLatch.countDown();
}
}
/***
* 运动员
*/
static class SportsMan implements Runnable {
private int no;
public SportsMan(int no) {
this.no = no;
}
@Override
public void run() {
try {
System.out.println(no + "号运动员已经就位");
sportsManLatch.await();
} catch (InterruptedException e) {
e.printStackTrace();
}
System.out.println(no + "号选手说，我要跑第一");
}
}
public static void main(String[] args) throws InterruptedException {
//6个运动员就位
for (int i = 0; i < 6; i++) {
new Thread(new SportsMan(i)).start();
}
//发令裁判和计时裁判眼神确认，等计时裁判都准备好之后发令
new Thread(new OrderReferee()).start();
//3个计时裁判就位
for (int i = 0; i < 3; i++) {
new Thread(new TimeReferee(i)).start();
}
}
}
程序输出：
3、CyclicBarrier
3.1 什么是CyclicBarrier
JDK对CyclicBarrier的解释是：一种同步辅助工具，它允许一组线程全部互相等待以到达一个公共的障碍点。我们可以从字面意思理解它，可循环使用（Cyclic）的屏障（Barrier）。它要做的事情是，让一组线程到达一个屏障（也可以叫同步点）时被阻塞，直到最后一个线程到达屏障时，屏障才会打开，所有被屏障拦截的线程才能继续运行。CyclicBarrier默认的构造方法是CyclicBarrier（int parties），parties表示屏障拦截的线程数量，每个线程调用await方法告诉CyclicBarrier我已经到达了屏障，然后当前线程被阻塞。CyclicBarrier还提供一个更高级的构造函数CyclicBarrier（int parties，Runnable barrierAction），用于在parties个线程到达屏障时，优先执行barrierAction，方便处理更复杂的业务场景。还用一张图来说明。
3.2 CyclicBarrier实战
CyclicBarrier可以用于多线程计算数据，最后合并计算结果的场景。我们模拟3个子线程向一个map中添加数据，它们添加数据完成后，到一个屏障点进行等待，由统计线程对数据进行打印，统计线程工作结束后，3个子线程再被统一释放去干其他工作。我们设置2个屏障点来演示,，体现其可循环使用的特征。
public class CyclicBarrierDemo {
private static CyclicBarrier barrier = new CyclicBarrier(3, new CollectThread());
/**存放子线程产生数据的容器*/
private static ConcurrentHashMap<String, Long> map = new ConcurrentHashMap<>();
public static void main(String[] args) throws InterruptedException {
for (int i = 0; i < 3; i++) {
Thread thread = new Thread(new WorkThread());
thread.start();
}
Thread.sleep(5);
}
/**
* 负责对子线程的结果进行其他处理
*/
private static class CollectThread implements Runnable {
@Override
public void run() {
StringBuilder result = new StringBuilder();
for (Map.Entry<String, Long> workResult : map.entrySet()) {
result.append("[" + workResult.getValue() + "]");
}
System.out.println("the result = " + result);
System.out.println("CollectThread do other things");
try {
Thread.sleep(10);
} catch (InterruptedException e) {
e.printStackTrace();
}
System.out.println("CollectThread end........");
}
}
/**
* 实际工作的子线程
*/
private static class WorkThread implements Runnable {
@Override
public void run() {
long id = Thread.currentThread().getId();
map.put(id + "", id);
Random r = new Random();
try {
Thread.sleep(r.nextInt(1000));
System.out.println("Thread_" + id + " first do something ");
//第一次到达屏障
barrier.await();
System.out.println("Thread_" + id + " first do other things");
Thread.sleep(r.nextInt(500));
map.put(id * 2 + "", id * 2);
System.out.println("Thread_" + id + " second do something ");
//第二次到达屏障
barrier.await();
System.out.println("Thread_" + id + " second other things ");
} catch (Exception e) {
e.printStackTrace();
}
}
}
}
程序输出：
3.3 CountDownLatch和CyclicBarrier对比
CountDownLatch的计数器只能使用一次，而CyclicBarrier的计数器可以反复使用。CountDownLatch.await()一般阻塞工作线程，所有的进行预备工作的线程执行countDown()，而CyclicBarrier通过工作线程调用await()从而自行阻塞，直到所有工作线程达到指定屏障，再大家一起往下走。在控制多个线程同时运行上，CountDownLatch可以不限线程数量，而CyclicBarrier是固定线程数。同时，CyclicBarrier还可以提供一个barrierAction，合并多线程计算结果。
4、Callable、Future和FutureTask
4.1 Runnable、Callable、Future和FutureTask之间的关系
Runnable是一个接口，在它里面只声明了一个run()方法，由于run()方法返回值为void类型，所以在执行完任务之后无法返回任何结果。Callable位于java.util.concurrent包下，它也是一个接口，在它里面也只声明了一个方法，只不过这个方法叫做call()，这是一个泛型接口，call()函数返回的类型就是传递进来的V类型。Future就是对于具体的Runnable或者Callable任务的执行结果进行取消、查询是否完成、获取结果。要获取返回结果时可以调用get方，该方法会阻塞直到任务返回结果。因为Future只是一个接口，所以是无法直接用来创建对象使用的，因此就有了FutureTask。FutureTask类实现了RunnableFuture接口，RunnableFuture继承了Runnable接口和Future接口，所以它既可以作为Runnable被线程执行，又可以作为Future得到Callable的返回值。用一个图来说明。
因此当我们想通过一个线程运行Callable，但是Thread不支持构造方法中传递Callable的实例，我们需要通过FutureTask把一个Callable包装成Runnable，然后再通过这个FutureTask拿到Callable运行后的返回值。要想new出一个FutureTask的实例，有2种方式，直接贴出代码。
public FutureTask(Callable<V> callable) {
if (callable == null)
throw new NullPointerException();
this.callable = callable;
this.state = NEW; // ensure visibility of callable
}
public FutureTask(Runnable runnable, V result) {
this.callable = Executors.callable(runnable, result);
this.state = NEW; // ensure visibility of callable
}
4.2 Callable和FutureTask实战
这个例子比较简单，在一个主线程中创建一个callable来对1到10000进行累加，再休眠3秒，然后把这个callable封装成一个futureTask，交给一个线程去运行，最终查看callable的返回结果和阻塞效果。
import java.util.concurrent.Callable;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.FutureTask; public class FutureTaskDemo {
public static void main(String[] args) throws InterruptedException, ExecutionException {
Callable<Long> callable = new Callable<Long>() {
long sum = 0; @Override
public Long call() throws Exception {
for (int i = 0; i <= 10000; i++) {
sum += i;
}
Thread.sleep(3000);//主要是为了演示get()时候的阻塞效果
return sum;
}
};
FutureTask<Long> futureTask = new FutureTask<>(callable);
new Thread(futureTask).start();
Thread.sleep(10);
System.out.println("main线程继续执行");
System.out.println("获取callable计算结果 = " + futureTask.get());
System.out.println("main线程继续执行 ");
}
}
程序输出：
可以看到当futureTask.get()没有获取到返回结果时，主线程是处于阻塞状态。
4.3 手写一个FutureTask
要实现一个简易的FutureTask，通过上面对几个接口之间关系的介绍，以及阅读FutureTask代码可以看出，只需定义一个类，实现Runnable和Future接口，并实现run()方法和get()方法就可以了，核心思想就是上一篇文章中提到的通知/等待机制。直接上代码：
import java.util.concurrent.*;
public class MyFutureTask<V> implements Runnable, Future<V> {
private Callable<V> callable;
private V result = null;
public MyFutureTask(Callable<V> callable) {
this.callable = callable;
}
@Override
public void run() {
V temp = null;
try {
temp = callable.call();
} catch (Exception e) {
e.printStackTrace();
}
synchronized (this) {
result = temp;
this.notifyAll();
}
}
@Override
public V get() throws InterruptedException {
if (result != null) {
return result;
}
System.out.println("等待结果执行完成。。。。。");
synchronized (this) {
this.wait();
}
return result;
}
@Override
public boolean cancel(boolean mayInterruptIfRunning) {
return false;
}
@Override
public boolean isCancelled() {
return false;
}
@Override
public boolean isDone() {
return false;
}
@Override
public V get(long timeout, TimeUnit unit) throws InterruptedException, ExecutionException, TimeoutException {
return null;
}
}
为了验证效果，把上一段代码中的FutureTask改成MyFutureTask，其余代码都不变。
import java.util.concurrent.Callable;
public class FutureTaskDemo {
public static void main(String[] args) throws InterruptedException {
Callable<Long> callable = new Callable<Long>() {
long sum = 0;
@Override
public Long call() throws Exception {
for (int i = 0; i <= 10000; i++) {
sum += i;
}
Thread.sleep(3000);//主要是为了演示get()时候的阻塞效果
return sum;
}
};
MyFutureTask<Long> futureTask = new MyFutureTask<>(callable);
new Thread(futureTask).start();
Thread.sleep(10);
System.out.println("main线程继续执行");
System.out.println("获取callable计算结果 = " + futureTask.get());
System.out.println("main线程继续执行 ");
}
}
运行程序，可以看到输出结果和阻塞现象与使用FutureTask一致：
5、结语
这篇随笔就介绍这么多内容，希望大家看了有收获。原子操作CAS在下一篇文章中介绍，阅读过程中如发现描述有误，请指出，谢谢。
