Java提供Fork/Join框架用于并行执行任务,它的思想就是讲一个大任务分割成若干小任务,最终汇总每个小任务的结果从而得到这个大任务的结果。
这里我们也借助这种思想来处理一个超大任务的运算,但是不用ForkJoinPool/ForkJoinTask这种方式,而采用ExecutorService/Future/Callable方式。
我们来看一段ExecutorService/Future/Callable方式实现的代码。
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超大数据量计算
* 求1到100000000的和
* 解决方案采用多线程拆分任务实现(Future/Callable)
*
* @author 小辉GE/小辉哥
* <p>
* 2019年8月10日 下午19:30:00
*/
public class ParallelFutureComputing {
public static void main(String[] args) throws InterruptedException, ExecutionException {
// 直接执行方式测试
long start = System.currentTimeMillis();
getSum(1, 100000000);
long end = System.currentTimeMillis();
System.out.println("直接执行耗时时长:" + (end - start));
// 线程池方式
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);
// 调用service.submit启动线程
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();
// 调用FUTURE.GET的阻塞方法,记录最终完成的时间
f1.get();
f2.get();
f3.get();
f4.get();
end = System.currentTimeMillis();
System.out.println("Future/Callable执行耗时时长:" + (end - start));
// 处理完成调用shutdown方法结束线程池
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);
}
}
/**
* 实现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;
}
}
测试输出结果如下:
结果分析:
其实我们很清晰可以看到,单独执行任务比采用多线程执行任务运行结果所花费的时间多一些。当然,如果任务拆分的合适、运算量足够大的时候,就更能看出多线程执行和单独执行的效率差别。
以上代码仅供参考,如有不当之处,欢迎指出!!!
更多干货,欢迎大家关注和联系我。期待和大家一起更好的交流、探讨技术!!!