ForkJoinPool线程池最大的特点就是分叉(fork)合并(join)，将一个大工作拆分成多个小工作，并行执行，再联合工作窃取模式(worksteal)进步整体的执行效率，充分利用CPU资源。
一. 利用场景
ForkJoinPool应用分治算法，用绝对少的线程解决大量的工作，将一个大工作一拆为二，以此类推，每个子工作再拆分一半，直到达到最细颗粒度为止，即设置的阈值进行拆分，而后从最底层的工作开始计算，往上一层一层合并后果，简略的流程如下图：
从图中能够看出ForkJoinPool要先执行完子工作能力执行上一层工作，所以ForkJoinPool适宜在无限的线程数下实现有父子关系的工作场景，比方：疾速排序，二分查找，矩阵乘法，线性工夫抉择等场景，以及数组和汇合的运算。
上面是个简略的代码示例计算从1到1亿之间所有数字之和：
package com.javakk;import java.util.concurrent.ForkJoinPool;import java.util.concurrent.RecursiveTask;import java.util.stream.LongStream;/** * ForkJoinPool求和 * @author 老K */public class ForkJoinPoolTest { private static ForkJoinPool forkJoinPool; /** * 求和工作类继承RecursiveTask * ForkJoinTask一共有3个实现： * RecursiveTask：有返回值 * RecursiveAction：无返回值 * CountedCompleter：无返回值工作，实现工作后能够触发回调 */ private static class SumTask extends RecursiveTask<Long> { private long[] numbers; private int from; private int to; public SumTask(long[] numbers, int from, int to) { this.numbers = numbers; this.from = from; this.to = to; } /** * ForkJoin执行工作的外围办法 * @return */ @Override protected Long compute() { if (to - from < 10) { // 设置拆分的最细粒度，即阈值，如果满足条件就不再拆分，执行计算工作 long total = 0; for (int i = from; i <= to; i++) { total += numbers[i]; } return total; } else { // 否则持续拆分，递归调用 int middle = (from + to) / 2; SumTask taskLeft = new SumTask(numbers, from, middle); SumTask taskRight = new SumTask(numbers, middle + 1, to); taskLeft.fork(); taskRight.fork(); return taskLeft.join() + taskRight.join(); } } } public static void main(String[] args) { // 也能够jdk8提供的通用线程池ForkJoinPool.commonPool // 能够在构造函数内指定线程数 forkJoinPool = new ForkJoinPool(); long[] numbers = LongStream.rangeClosed(1, 100000000).toArray(); // 这里能够调用submit办法返回的future，通过future.get获取后果 Long result = forkJoinPool.invoke(new SumTask(numbers, 0, numbers.length - 1)); forkJoinPool.shutdown(); System.out.println("最终后果："+result); System.out.println("沉闷线程数："+forkJoinPool.getActiveThreadCount()); System.out.println("窃取工作数："+forkJoinPool.getStealCount()); }}输入后果(沉闷线程数和窃取工作会依据本地环境和工作执行状况变动)：
最终后果：5000000050000000沉闷线程数：4窃取工作数：12上例中在compute办法里拆分的最小粒度是10个元素，大家能够改成其余的值试下，会发现执行的效率差异很大，所以要留神拆分粒度对性能的影响。
ForkJoinPool外部的队列可能保障执行工作的程序，至于为什么它可能在无限的线程数量下实现十分多的工作，前面会讲到。
二. 与ThreadPoolExecutor原生线程池的区别
ForkJoinPool和ThreadPoolExecutor都实现了Executor和ExecutorService接口，都能够通过构造函数设置线程数，threadFactory，能够查看ForkJoinPool.makeCommonPool()办法的源码查看通用线程池的结构细节。
在内部结构上我感觉两个线程池最大的区别是在工作队列的设计上，如下图
ThreadPoolExecutor：
ForkJoinPool：
图上细节画的不谨严，但大抵能看出区别：
- ForkJoinPool每个线程都有本人的队列
- ThreadPoolExecutor共用一个队列
通过下面的代码示例能够看到应用ForkJoinPool能够在无限的线程数下来实现十分多的具备父子关系的工作，比方应用4个线程来实现超过2000万个工作。然而应用ThreadPoolExecutor是不可能的，因为ThreadPoolExecutor中的线程无奈抉择优先执行子工作，要实现2000万个具备父子关系的工作时，就须要2000万个线程，这样会导致ThreadPoolExecutor的工作队列撑满或创立的最大线程数把内存撑爆间接gg。
ForkJoinPool最适宜计算密集型工作，而且最好是非阻塞工作，之前的一篇文章：Java踩坑记系列之线程池 也说了线程池的不同应用场景和注意事项。
所以ForkJoinPool是ThreadPoolExecutor线程池的一种补充，是对计算密集型场景的增强。
三. 工作窃取的实现原理
第一节的代码示例输入结果显示沉闷线程是4个，但却实现了2000万个子工作，窃取工作是12个(窃取数跟拆分层级和计算复杂度无关)，这是work steal工作窃取的作用。
ForkJoinPool类中的WorkQueue正是实现工作窃取的队列，javadoc中的正文如下：
粗心是大多数操作都产生在工作窃取队列中(在嵌套类工作队列中)。这些是非凡模式的Deques，次要有push，pop，poll操作。
Deque是双端队列(double ended queue缩写)，头部和尾部任何一端都能够进行插入，删除，获取的操作，即反对FIFO(队列)也反对LIFO(栈)程序。
Deque接口的实现最常见的是LinkedList，除此还有ArrayDeque，ConcurrentLinkedDeque等
工作窃取模式次要分以下几个步骤：
- 每个线程都有本人的双端队列
- 当调用fork办法时，将工作放进队列头部，线程以LIFO程序，应用push/pop形式解决队列中的工作
- 如果本人队列里的工作解决完后，会从其余线程保护的队列尾部应用poll的形式窃取工作，以达到充分利用CPU资源的目标
- 从尾部窃取能够缩小同原线程的竞争
- 当队列中剩最初一个工作时，通过cas解决原线程和窃取线程的竞争
流程大抵如下所示：
工作窃取便是ForkJoinPool线程池的劣势所在，在个别的线程池比方ThreadPoolExecutor中，如果一个线程正在执行的工作因为某种原因无奈持续运行，那么该线程会处于期待状态，包含singleThreadPool，fixedThreadPool，cachedThreadPool这几种线程池。
而在ForkJoinPool中，那么线程会被动寻找其余尚未被执行的工作而后窃取过去执行，缩小线程等待时间。
JDK8中的并行流(parallelStream)性能是基于ForkJoinPool实现的，另外还有java.util.concurrent.CompletableFuture异步回调future，外部应用的线程池也是ForkJoinPool。
文章起源：http://javakk.com/215.html