利用JAVA多线程来提高数据处理效率
Posted 风轻云淡
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了利用JAVA多线程来提高数据处理效率相关的知识,希望对你有一定的参考价值。
肿瘤大数据挖掘中经常需要处理上百亿行的文本文件,这些文件往往高达数百GB,假如文件结构简单统一,那么用sed和awk 处理是非常方便和快速的。但有时候会遇到逻辑较为复杂的处理流程,这样我一般会用JAVA来处理。但由于JAVA是单线程的,因此对于实验室多核服务器来说,能充分有效的利用起每个核会方便不少,那么这个时候就推荐用多线程来并发(并行)处理任务,从而达到运算速度倍速的提升。
这里举一个并行计算的例子。例子比较简单,主要是对三个数进行累加,最后输出结果。我们分别用单线程和多线程来执行,其中单线程是顺序执行而多线程则同时启动三个线程来并行(服务器CPU数大于三,所以这里是并行而不是并发)执行。
首先是单线程的运行结果:
public class Nothreading { public static void main(String[] args) { long startTime = System.currentTimeMillis(); int sum_i = 0; int sum_j = 0; int sum_k = 0; for(int i = 0; i < 10000; i++) { sum_i += 1;
/* 增加程序运行时间, 后面同理 */ for(int a = 0 ; a < 100000 ; a ++) { String s = "To cost some time"; String[] ss = s.split(" "); } } for(int j = 0; j < 10000; j++) { sum_j += 2; for(int a = 0 ; a < 100000 ; a ++) { String s = "To cost some time"; String[] ss = s.split(" "); } } for(int k = 0; k < 10000; k++) { sum_k += 3; for(int a = 0 ; a < 100000 ; a ++) { String s = "To cost some time"; String[] ss = s.split(" "); } } long endTime = System.currentTimeMillis(); System.out.println(sum_i + "\\t" + sum_j + "\\t" + sum_k); System.out.println("run time:"+(endTime-startTime)+"ms"); } }
运行结果:
10000 20000 30000 run time:663587ms
图片是该程序运行时的CPU资源利用状态: 可以看到仅有一个CPU的利用率达到100%.
下面是多线程:
class Count_i { public int sum_i = 0; public synchronized void count() { for(int i = 0 ; i < 10000; i++) { sum_i += 1; /* 增加运行时间 后面同理*/ for(int a = 0 ; a < 100000; a ++) { String s = "To cost some time"; String[] ss = s.split(" "); } } } } class Count_j { public int sum_j = 0; public synchronized void count() { for(int j = 0 ; j < 10000; j++) { sum_j += 2; for(int a = 0 ; a < 100000; a ++) { String s = "To cost some time"; String[] ss = s.split(" "); } } } } class Count_k { public int sum_k = 0; public synchronized void count() { for(int k = 0 ; k < 10000; k++) { sum_k += 3; for(int a = 0 ; a < 100000; a ++) { String s = "To cost some time"; String[] ss = s.split(" "); } } } } class Mul_thread_i extends Thread { public Count_i c_i; public Mul_thread_i(Count_i acc) { this.c_i = acc; } public void run() { c_i.count(); } } class Mul_thread_j extends Thread { public Count_j c_j; public Mul_thread_j(Count_j acc) { this.c_j = acc; } public void run() { c_j.count(); } } class Mul_thread_k extends Thread { public Count_k c_k; public Mul_thread_k(Count_k acc) { this.c_k = acc; } public void run() { c_k.count(); } } public class Threethreading_save { public static void main(String[] args) throws InterruptedException { long startTime = System.currentTimeMillis(); Count_i ci = new Count_i(); Count_j cj = new Count_j(); Count_k ck = new Count_k(); Mul_thread_i aa = new Mul_thread_i(ci); Mul_thread_j bb = new Mul_thread_j(cj); Mul_thread_k cc = new Mul_thread_k(ck); aa.start(); bb.start(); cc.start(); aa.join(); bb.join(); cc.join(); System.out.println(ci.sum_i); System.out.println(cj.sum_j); System.out.println(ck.sum_k); long endTime = System.currentTimeMillis(); System.out.println("run time:"+(endTime-startTime)+"ms"); } }
下面是运行结果:
10000
20000
30000
run time:221227ms
CPU状态:可以看到有三个CPU的利用率达到100%.
空闲时的状态:
总结一些,当我们处理的任务量很大的时候,如果计算机有多个CPU,可以将待处理的任务合理的分为几个部分,然后开几个线程同时进行运算,等这些子任务都完成以后再交给主线程后续的处理,可以看到效率成倍的提升。当然线程安全是一个需要注意的问题,由于时间关系后面将详细介绍。
以上是关于利用JAVA多线程来提高数据处理效率的主要内容,如果未能解决你的问题,请参考以下文章