Java提供Fork/Join框架用於並行執行任務,它的思想就是講一個大任務分割成若干小任務,最終彙總每個小任務的結果從而得到這個大任務的結果。
這裏我們也藉助這種思想來處理一個超大任務的運算,但是不用ForkJoinPool/ForkJoinTask這種方式,而採用ExecutorService/Future/Callable方式。
我們來看一段ExecutorService/Future/Callable方式實現的代碼。
package com.forkjoin;
import java.util.concurrent.Callable;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.Future;
/**
* JAVA超大數據量計算
* 求1到100000000的和
* 解決方案採用多線程拆分任務實現(Future/Callable)
*
* @author 小輝GE/小輝哥
* <p>
* 2019年8月10日 下午19:30:00
*/
public class ParallelFutureComputing {
public static void main(String[] args) throws InterruptedException, ExecutionException {
// 直接執行方式測試
long start = System.currentTimeMillis();
getSum(1, 100000000);
long end = System.currentTimeMillis();
System.out.println("直接執行耗時時長:" + (end - start));
// 線程池方式
ExecutorService service = Executors.newFixedThreadPool(Runtime.getRuntime().availableProcessors());
MyThreadTask t1 = new MyThreadTask(1, 25000000);
MyThreadTask t2 = new MyThreadTask(25000001, 50000000);
MyThreadTask t3 = new MyThreadTask(50000001, 75000000);
MyThreadTask t4 = new MyThreadTask(75000001, 100000000);
// 調用service.submit啓動線程
Future<Integer> f1 = service.submit(t1);
Future<Integer> f2 = service.submit(t2);
Future<Integer> f3 = service.submit(t3);
Future<Integer> f4 = service.submit(t4);
start = System.currentTimeMillis();
// 調用FUTURE.GET的阻塞方法,記錄最終完成的時間
f1.get();
f2.get();
f3.get();
f4.get();
end = System.currentTimeMillis();
System.out.println("Future/Callable執行耗時時長:" + (end - start));
// 處理完成調用shutdown方法結束線程池
service.shutdown();
}
static class MyThreadTask implements Callable<Integer> {
Integer begin;
Integer end;
MyThreadTask(Integer begin, Integer end) {
this.begin = begin;
this.end = end;
}
@Override
public Integer call() throws Exception {
return getSum(begin, end);
}
}
/**
* 實現begin到end求和
*
* @param begin
* @param end
* @return
*/
static Integer getSum(Integer begin, Integer end) {
Integer sum = 0;
for (int i = begin; i <= end; i++) {
sum = sum + i;
}
return sum;
}
}
測試輸出結果如下:
結果分析:
其實我們很清晰可以看到,單獨執行任務比採用多線程執行任務運行結果所花費的時間多一些。當然,如果任務拆分的合適、運算量足夠大的時候,就更能看出多線程執行和單獨執行的效率差別。
以上代碼僅供參考,如有不當之處,歡迎指出!!!
更多幹貨,歡迎大家關注和聯繫我。期待和大家一起更好的交流、探討技術!!!