本篇示範3個數組求和的例子。
例子1:單線程
例子2:多線程,同步求和(如果沒有計算完成,會阻塞)
例子3:多線程,異步求和(先累加已經完成的計算結果)
例子1-代碼
package cn.fansunion.executorservice;
public class BasicCaculator {
public static long sum(int[] numbers){
long sum = 0;
for(int i=0;i<numbers.length;i++){
sum += numbers[i];
}
return sum;
}
}
例子2-代碼
ExecutoreService提供了submit()方法,傳遞一個Callable,或Runnable,傳回Future。如果Executor背景線程池還沒有完成Callable的計算,這調用傳回Future對象的get()方法,會阻塞直到計算完成。
package cn.fansunion.executorservice;
import java.util.ArrayList;
import java.util.List;
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;
import java.util.concurrent.FutureTask;
//并發計算數組的和,“同步”求和
public class ConcurrentCalculator {
private ExecutorService exec;
//這個地方,純粹是“一廂情願”,“并行執行”不受咱們控制,取決于作業系統的“态度”
private int cpuCoreNumber;
private List<Future<Long>> tasks = new ArrayList<Future<Long>>();
class SumCalculator implements Callable<Long> {
private int[] numbers;
private int start;
private int end;
public SumCalculator(final int[] numbers, int start, int end) {
this.numbers = numbers;
this.start = start;
this.end = end;
}
public Long call() throws Exception {
Long sum = 0L;
for (int i = start; i < end; i++) {
sum += numbers[i];
}
return sum;
}
}
public ConcurrentCalculator() {
cpuCoreNumber = Runtime.getRuntime().availableProcessors();
exec = Executors.newFixedThreadPool(cpuCoreNumber);
}
public Long sum(final int[] numbers) {
// 根據CPU核心個數拆分任務,建立FutureTask并送出到Executor
for (int i = 0; i < cpuCoreNumber; i++) {
int increment = numbers.length / cpuCoreNumber + 1;
int start = increment * i;
int end = increment * i + increment;
if (end > numbers.length)
end = numbers.length;
SumCalculator subCalc = new SumCalculator(numbers, start, end);
FutureTask<Long> task = new FutureTask<Long>(subCalc);
tasks.add(task);
if (!exec.isShutdown()) {
exec.submit(task);
}
}
return getResult();
}
/**
* 疊代每個隻任務,獲得部分和,相加傳回
*/
public Long getResult() {
Long result = 0l;
for (Future<Long> task : tasks) {
try {
// 如果計算未完成則阻塞
Long subSum = task.get();
result += subSum;
} catch (InterruptedException e) {
e.printStackTrace();
} catch (ExecutionException e) {
e.printStackTrace();
}
}
return result;
}
public void close() {
exec.shutdown();
}
}
例子3-代碼
在剛在的例子中,getResult()方法的實作過程中,疊代了FutureTask的數組,如果任務還沒有完成則目前線程會阻塞。
如果我們希望任意字任務完成後就把其結果加到result中,而不用依次等待每個任務完成,可以使CompletionService。
生産者submit()執行的任務。使用者take()已完成的任務,并按照完成這些任務的順序處理它們的結果 。也就是調用CompletionService的take方法是,會傳回按完成順序放回任務的結果。
CompletionService内部維護了一個阻塞隊列BlockingQueue,如果沒有任務完成,take()方法也會阻塞。
修改剛才的例子2,使用CompletionService:
package cn.fansunion.executorservice;
import java.util.concurrent.Callable;
import java.util.concurrent.CompletionService;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ExecutorCompletionService;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
//并發計算數組的和,“異步”求和
public class ConcurrentCalculatorAsync {
private ExecutorService exec;
private CompletionService<Long> completionService;
//這個地方,純粹是“一廂情願”,“并行執行”不受咱們控制,取決于作業系統的“态度”
private int cpuCoreNumber;
class SumCalculator implements Callable<Long> {
private int[] numbers;
private int start;
private int end;
public SumCalculator(final int[] numbers, int start, int end) {
this.numbers = numbers;
this.start = start;
this.end = end;
}
public Long call() throws Exception {
Long sum = 0l;
for (int i = start; i < end; i++) {
sum += numbers[i];
}
return sum;
}
}
public ConcurrentCalculatorAsync() {
cpuCoreNumber = Runtime.getRuntime().availableProcessors();
exec = Executors.newFixedThreadPool(cpuCoreNumber);
completionService = new ExecutorCompletionService<Long>(exec);
}
public Long sum(final int[] numbers) {
// 根據CPU核心個數拆分任務,建立FutureTask并送出到Executor
for (int i = 0; i < cpuCoreNumber; i++) {
int increment = numbers.length / cpuCoreNumber + 1;
int start = increment * i;
int end = increment * i + increment;
if (end > numbers.length){
end = numbers.length;
}
SumCalculator subCalc = new SumCalculator(numbers, start, end);
if (!exec.isShutdown()) {
completionService.submit(subCalc);
}
}
return getResult();
}
/**
* 疊代每個隻任務,獲得部分和,相加傳回
*/
public Long getResult() {
Long result = 0l;
for (int i = 0; i < cpuCoreNumber; i++) {
try {
Long subSum = completionService.take().get();
result += subSum;
System.out.println("subSum="+subSum+",result="+result);
} catch (InterruptedException e) {
e.printStackTrace();
} catch (ExecutionException e) {
e.printStackTrace();
}
}
return result;
}
public void close() {
exec.shutdown();
}
}
運作代碼
package cn.fansunion.executorservice;
import java.math.BigDecimal;
//數組求和3個Demo
public class ArraySumDemo {
public static void main(String[] args) {
int n = 200000000;
int[] numbers = new int[n];
for(int i=1;i<=n;i++){
numbers[i-1]=i;
}
basic(numbers);
long time = System.currentTimeMillis();
concurrentCaculatorAsync(numbers);
long endTime=System.currentTimeMillis();
System.out.println("多核并行計算,異步相加:"+time(time,endTime));
long time2 = System.currentTimeMillis();
concurrentCaculator(numbers);
long endTime2=System.currentTimeMillis();
System.out.println("多核并行計算,同步相加:"+time(time2,endTime2));
}
private static void basic(int[] numbers) {
long time1 = System.currentTimeMillis();
long sum=BasicCaculator.sum(numbers);
long endTime1 = System.currentTimeMillis();
System.out.println("單線程:"+time(time1,endTime1));
System.out.println("Sum:"+sum);
}
private static double time(long time, long endTime) {
long costTime = endTime-time;
BigDecimal bd = new BigDecimal(costTime);
//本來想着,把毫秒轉換成秒的,最後發現計算太快了
BigDecimal unit = new BigDecimal(1L);
BigDecimal s= bd.divide(unit,3);
return s.doubleValue();
}
//并行計算,“同步”求和
private static void concurrentCaculator(int[] numbers) {
ConcurrentCalculator calc = new ConcurrentCalculator();
Long sum = calc.sum(numbers);
System.out.println(sum);
calc.close();
}
//并行計算,“異步”求和
private static void concurrentCaculatorAsync(int[] numbers) {
ConcurrentCalculatorAsync calc = new ConcurrentCalculatorAsync();
Long sum = calc.sum(numbers);
System.out.println("Sum:"+sum);
calc.close();
}
}
控制台輸出
單線程:93.0
Sum:20000000100000000
subSum=3750000175000002,result=3750000175000002
subSum=1250000075000001,result=5000000250000003
subSum=6250000275000003,result=11250000525000006
subSum=8749999574999994,result=20000000100000000
Sum:20000000100000000
多核并行計算,異步相加:786.0
20000000100000000
多核并行計算,同步相加:650.0
個人看法:3段代碼的時間僅供參考,沒有排除幹擾因素。
總的來說,單線程執行更快一些,應該是由于“數組求和”本身,并不需要其它額外資源,不會阻塞。
而多線程,反而增加了“線程排程”的時間開銷。
還可以看出,CPU計算還是非常快的。“200000000”2億個整數相加,用了不到0.1秒的時間。
插曲
最開始看代碼的時候,誤解了。以為“根據CPU核心個數拆分任務”,這個時候的“多線程”就是“并行”了。
實際上,不一定,除了要看CPU的核數,還要看作業系統的配置設定。
// 根據CPU核心個數拆分任務,建立FutureTask并送出到Executor
for (int i = 0; i < cpuCoreNumber; i++) {
}
最開始,我還在考慮“單線程”、“多核并行+多線程并發”、“單核+多線程并發”,等好幾種情況來實作“數組求和”。
最後,感覺自己還是想多了。“并行”應該不受自己控制,隻能控制是“單線程”或者“多線程”。
“java并發程式設計-Executor架構”這篇文章中的“例子:并行計算數組的和。” 這句話,誤導了我,根本不能保證是“并行計算”。
友情提示:網絡上的文章,僅供參考學習,需要自己的判斷。
關于Java-多核-并行-多線程,我初步認為“多線程可以并行執行,但不受我們自己的控制,取決于作業系統”。
網友的一些看法:
看法1:
java線程可以在運作在多個cpu核上嗎?
我是一直都以為這個問題的答案是肯定的,也就是說可以運作在多核上。
但是有一天見到這樣的一個理論,我就頓時毀三觀了。
JVM在作業系統中是作為一個程序的,java所有的線程都運作自這個JVM程序中,
是以說java線程某個時間隻可能運作在一個核上。
這個說法對我的打擊太大了,我不能接受。于是就開始多方求證。網上搜尋 和朋友一起讨論,
最終證明了java線程是可以運作在多核上的,為什麼呢?
下面一句話将驚醒夢中人:
現代os都将線程作為最小排程機關,程序作為資源配置設定的最小機關。 在windows中程序是不活動的,
隻是作為線程的容器。
也就是說,java中的所有線程确實在JVM程序中,但是CPU排程的是程序中的線程。
看法2:
JAVA中的多線程能在多CPU機器上并行執行嗎?注意,我說的不是并發執行哦 。
我們用java寫一個多線程程式,就啟動了一個JVM程序,是以這些線程都是在這一個JVM程序之中的,我不知道同一時刻,能不能有多個CPU運作同一程序,進而并行執行這同一程序中的不同線程?一直很疑惑
你的思路是對的,CPU就是為了迎合作業系統的多線程進而提高系統的計算效率.但是具體配置設定任務到各個核心中去執行的并非JAVA與JVM而是作業系統.
也就是說,你所執行的多線程,可能會被配置設定到同一個CPU核心中運作.也可能非配到不同的cpu中運作.如果可以控制CPU的配置設定,那也應該是作業系統的api才能實作的了。
我用JAVA建立了一個線程,這時候有主線程和子線程都在運作,那意思雙核CPU有可能在同一時刻點并行運作這兩個線程咯?
我翻了好多JAVA的有關多線程的章節,似乎都沒有說道多核CPU運作JAVA多線程,貌似都是已單核為例講解的,是以我一直覺得可能都是并發的而不是并行的?
不是,你要将你的軟體線程和計算機的CPU處理線程區分開呀.簡單說,你是無法控制CPU對于任務的配置設定的.
更多代碼示例:
http://git.oschina.net/fansunion/Concurrent(逐漸更新中)
參考資料:
java并發程式設計-Executor架構
http://www.iteye.com/topic/366591
java線程可以在運作在多個cpu核上嗎?
http://blog.csdn.net/maosijunzi/article/details/42527553
JAVA中的多線程能在多CPU上并行執行嗎?注意,我說的不是并發執行哦
http://zhidao.baidu.com/link?url=e11sEOSNFoLTfVyP-5FfpktIXEgbMQkbLAzvgh8mn4V16n_qQas89voj5gVhOEkho0jRA7fp_vbnElxKgeQCDrOxGkcu6xAWaUniqpcWg33