JUC —— ForkJoin

ForkJoin（分之合并）在JDK1.7出现的，并行执行任务，提高效率，大数据量！
大数据：M安排Reduce（把大任务拆分为小人物）

工作窃取：有两个线程池在执行任务，A线程池执行完任务后发现B线程池还没执行完，A线程池就会将B线程池中等待的线程任务拿到自己的池中执行

public class ForkJoinTest extends RecursiveTask {
    private Long start;
    private Long end;
    //临界值
    private Long temp = 10000L;

    public ForkJoinTest(Long start, Long end) {
        this.start = start;
        this.end = end;
    }

    @Override
    protected Long compute() {
        if((end-start) 
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.ForkJoinTask;
import java.util.stream.LongStream;

public class Test {
    public static void main(String[] args) throws ExecutionException, InterruptedException {
        test1();
        test2();
        test3();
    }
    //普通
    public static void test1(){
        Long sum = 0L;
        long start = System.currentTimeMillis();
        for(Long i=1L;i<=10_0000_0000L;i++){
            sum += i;
        }
        long end = System.currentTimeMillis();
        System.out.println("普通获取sum=+"+sum+"时间"+(end-start));
    }
    //使用ForkJoin
    public static void test2() throws ExecutionException, InterruptedException {
        long start = System.currentTimeMillis();
        ForkJoinPool forkJoinPool = new ForkJoinPool();
        ForkJoinTask submit = forkJoinPool.submit(new ForkJoinTest(0L, 10_0000_0000L));
        Long sum = submit.get();
        long end = System.currentTimeMillis();
        System.out.println("ForkJoin获取sum=+"+sum+"时间"+(end-start));
    }
    public static void test3(){
        long start = System.currentTimeMillis();
        long sum = LongStream.rangeClosed(0L, 10_0000_0000L).parallel().reduce(0, Long::sum);
        long end = System.currentTimeMillis();
        System.out.println("Stream并行流获取sum=+"+sum+"时间"+(end-start));
    }
}
 
执行结果：
 
普通获取sum=+500000000500000000时间6638
ForkJoin获取sum=+500065535999828224时间4535
Stream并行流获取sum=+500000000500000000时间287
 
可以看出ForkJoin确实比普通的查询要快一些，并且它通过设置临界值，是可调节的，可优化的。
 同时也对比出Stream的强大。