共计 1730 个字符，预计需要花费 5 分钟才能阅读完成。
1. 概述
1.1 简介
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
Java 8 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() 与 sequential() 在并行流与顺序流之间进行切换。
1.2 了解 Fork/Join 框架
Fork/Join 框架就是在必要的情况下，将一个大任务，进行拆分（fork）成若干个小任务（拆到不可再拆是），再将一个个的小任务运算的结果进行 join 汇总
1.3 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。
2. Fork/Join 使用
这里我们的需求是对 0 到一亿进行累加操作，下面是 Fork/Join 的处理方法
public class ForkJoinCalculate extends RecursiveTask<Long> {
private long start;
private long end;
private static final long THRESHOLD = 10000L; // 临界值
public ForkJoinCalculate(long start, long end) {
this.start = start;
this.end = end;
}
@Override
protected Long compute() {
long length = end – start;
if (length <= THRESHOLD) {
long sum = 0;
for (long i = start; i <= end; i++) {
sum += i;
}
return sum;
} else {
long middle = (start + end) / 2;
ForkJoinCalculate left = new ForkJoinCalculate(start, middle);
left.fork(); // 拆分，并将该子任务压入线程队列
ForkJoinCalculate right = new ForkJoinCalculate(middle + 1, end);
right.fork();
return left.join() + right.join();
}
}
}
测试方法
@Test
public void test1(){
long start = System.currentTimeMillis();
ForkJoinPool pool = new ForkJoinPool();
ForkJoinTask<Long> task = new ForkJoinCalculate(0L, 100000000L);
long sum = pool.invoke(task);
System.out.println(sum);
long end = System.currentTimeMillis();
System.out.println(“ 耗费的时间为: ” + (end – start));
}
3. Java 8 使用并行流
其实 Java 8 的并行流底层使用的就是 Fork/Join 框架，但是它帮我们简化了操作
@Test
public void test3(){
long start = System.currentTimeMillis();
Long sum = LongStream.rangeClosed(0L, 100000000L)
.parallel()
.sum();
System.out.println(sum);
long end = System.currentTimeMillis();
System.out.println(“ 耗费的时间为: ” + (end – start));
}
本文首发于凌风博客：Java 8 并行流与串行流作者：凌风
