并行流就是把一个内容分成多个数据块,并用不同的线程分别处理每个数据块的流。
Java8中将并行进行了优化,我们可以很容易的对数据进行并行操作。Stream API可以声明性地通过parallel()和sequential()在并行流和顺序流之间进行切换。
在了解并行流之前,我们首先需要了解Fork/Join框架
Fork/Join框架
Fork/Join框架:在必要的情况下,将一个大任务进行拆分(fork)成若干个小任务(拆到不可在拆时),在将一个个的小任务运算的结果进行汇总(join)。
Fork/Join 框架与传统线程池的区别
采用“工作窃取”模式(work-stealing):
当执行新的任务时它可以将其拆分分成更小的任务执行,并将小任务加到线程队列中,然后再从一个随机线程的队列中偷一个并把它放在自己的队列中。
相对于一般的线程池实现,fork/join框架的优势体现在对其中包含的任务的处理方式上.在一般的线程池中,如果一个线程正在执行的任务由于某些原因无法继续运行,那么该线程会处于等待状态.而在fork/join框架实现中,如果某个子问题由于等待另外一个子问题的完成而无法继续运行.那么处理该子问题的线程会主动寻找其他尚未运行的子问题来执行.这种方式减少了线程的等待时间,提高了性能。
测试代码
public class ForkJoinCalculate extends RecursiveTask<Long> {
public static void main(String[] args) {
// java8之前
ForkJoinPool pool = new ForkJoinPool();
ForkJoinTask<Long> task = new ForkJoinCalculate(0, 1000000000L);
Long sum = pool.invoke(task);
// java8并行流
LongStream.rangeClosed(0, 1000000000L)
.parallel()
.reduce(0, Long::sum);
}
// 处理任务的起始值
private long start;
// 处理任务的终止值
private long end;
// 被拆分后的最小单位
private static final long THRESHOLD = 10000;
public ForkJoinCalculate(long start, long end) {
this.start = start;
this.end = end;
}
@Override
protected Long compute() {
long length = end - start;
// 到达临界值
if (length <= THRESHOLD) {
long sum = 0;
for (long i = start; i <= end; i ++) {
sum += i;
}
return sum;
}
// 没有达到临界值
else {
long middle = (start + end) / 2;
ForkJoinCalculate left = new ForkJoinCalculate(start, middle);
// 拆分子任务,同时压入线程队列
left.fork();
ForkJoinCalculate right = new ForkJoinCalculate(middle + 1, end);
// 拆分子任务,同时压入线程队列
right.fork();
return left.join() + right.join();
}
}
}