ForkJoinPool是Java中实现分治并行计算的核心工具，通过工作窃取算法高效利用多核资源。1. 核心组件包括ForkJoinPool（线程池）、ForkJoinTask（轻量任务）及其子类RecursiveTask（有返回值）和RecursiveAction（无返回值）。2. 以并行求和为例，SumTask继承RecursiveTask，当任务规模小于阈值时直接计算，否则拆分为左右子任务，左任务调用fork()异步执行，右任务由当前线程compute()执行，最后join()合并结果。3. 关键实践：合理设置拆分阈值避免开销过大，避免阻塞操作，使用invoke()提交任务，及时shutdown()释放资源，注意异常处理。4. 适用于可拆解的递归算法（如排序、树遍历）和数据聚合场景，不适用于I/O密集型任务；简单场景可用parallelStream()替代，其底层也基于ForkJoinPool。掌握分治思想与粒度控制是关键。
在Java中，ForkJoinPool 是实现分治并行计算的核心工具。它专为可以递归拆分为子任务的计算密集型任务设计，通过工作窃取（work-stealing）算法高效利用多核CPU资源。要使用它，通常配合 RecursiveTask（有返回值）或 RecursiveAction（无返回值）来定义可拆分的任务。
1. 理解 Fork/Join 框架基本组件
ForkJoinPool 的核心是将大任务“分而治之”：
- ForkJoinPool：线程池，管理工作者线程和任务队列。
- ForkJoinTask：轻量级任务，比普通线程更轻，支持 fork() 和 join()。
- RecursiveTask<V>：继承自 ForkJoinTask，用于有返回结果的任务。
- RecursiveAction：用于无返回结果的任务。
2. 使用 RecursiveTask 实现并行求和
以数组求和为例，展示如何用分治法并行计算：
import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.RecursiveTask;
<p>public class SumTask extends RecursiveTask<Long> {
private final long[] array;
private final int start;
private final int end;
private static final int THRESHOLD = 1000; // 任务拆分阈值</p><pre class='brush:java;toolbar:false;'>public SumTask(long[] array, int start, int end) {
this.array = array;
this.start = start;
this.end = end;
}
@Override
protected Long compute() {
if (end - start <= THRESHOLD) {
// 小任务直接计算
long sum = 0;
for (int i = start; i < end; i++) {
sum += array[i];
}
return sum;
} else {
// 拆分为两个子任务
int mid = (start + end) / 2;
SumTask left = new SumTask(array, start, mid);
SumTask right = new SumTask(array, mid, end);
left.fork(); // 异步执行左任务
long rightResult = right.compute(); // 当前线程执行右任务
long leftResult = left.join(); // 等待左任务结果
return leftResult + rightResult;
}
}
public static void main(String[] args) {
long[] data = new long[100_000];
for (int i = 0; i < data.length; i++) {
data[i] = i + 1;
}
ForkJoinPool pool = new ForkJoinPool();
SumTask task = new SumTask(data, 0, data.length);
long result = pool.invoke(task);
System.out.println("Sum: " + result);
pool.shutdown();
}}
立即学习“Java免费学习笔记（深入）”；
3. 关键点说明与最佳实践
要让 ForkJoinPool 发挥最大效果，注意以下几点：
- 合理设置阈值：任务太小会导致调度开销大于收益；太大则无法充分利用并行性。
- 避免阻塞操作：ForkJoinPool 不适合 I/O 或等待外部资源的任务。
- 使用 pool.invoke()：启动任务推荐使用 invoke()，它会把任务交给工作线程执行。
- 及时 shutdown：使用完毕调用 shutdown() 避免资源泄漏。
- 异常处理：compute() 中抛出的异常会被封装，可通过 getException() 获取。
4. 何时使用 ForkJoinPool
适合场景包括：
- 递归算法如归并排序、快速排序、树遍历等。
- 大规模数据的聚合计算（求和、最大值、统计等）。
- 任务可被自然拆解且子任务独立。
不适合高延迟或依赖外部系统的任务。现代 Java 中，对于简单并行流操作，也可考虑使用 parallelStream()，底层其实也用了 ForkJoinPool。
基本上就这些。掌握 ForkJoinPool 的关键是理解“分而治之”和任务粒度控制。不复杂但容易忽略细节。
