forkjoinpool通过工作窃取算法实现分治任务的高效并行执行，适合计算密集型操作。它将大任务拆分为小任务（fork），完成后合并结果（join），配合recursivetask或recursiveaction使用。每个线程维护双端队列，空闲时从其他队列头部窃取任务，提升资源利用率。以并行求和为例，当任务规模小于阈值（如1000）时直接计算，否则递归拆分。合理设置阈值至关重要：过小增加调度开销，过大降低并行度，通常根据数据量和cpu核心数调整。应避免在任务中进行io或阻塞操作，防止影响性能。推荐复用forkjoinpool实例或使用commonpool()，减少创建开销。正确掌握任务拆分逻辑与阈值控制，可显著提升多核环境下的计算效率。
在Java中，ForkJoinPool 是为了高效执行分治算法而设计的线程池，特别适合可以拆分为多个小任务的计算密集型操作。它基于“工作窃取”（work-stealing）算法，让空闲线程从其他线程的任务队列中“窃取”任务，从而提升并行效率。
理解ForkJoinPool核心机制
ForkJoinPool 的核心在于将一个大任务拆分成多个子任务（fork），然后等待它们完成（join），最终合并结果。它主要配合 ForkJoinTask 使用，常用实现类是 RecursiveTask（有返回值）和 RecursiveAction（无返回值）。
关键点：
- 工作窃取：每个线程维护自己的双端队列，任务被推入尾部；当线程空闲时，会从其他线程的队列头部“偷”任务执行。
- 轻量级任务：适合大量细粒度任务，避免阻塞操作。
- 递归分解：任务不断拆分直到足够小，再直接计算。
使用RecursiveTask实现并行求和
以数组求和为例，展示如何用 ForkJoinPool 实现并行计算。
立即学习“Java免费学习笔记（深入）”；
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() {
// 如果任务足够小，直接计算
if (end - start <= THRESHOLD) {
long sum = 0;
for (int i = start; i < end; i++) {
sum += array[i];
}
return sum;
}
// 拆分为两个子任务
int mid = (start + end) / 2;
SumTask leftTask = new SumTask(array, start, mid);
SumTask rightTask = new SumTask(array, mid, end);
// 并行执行
leftTask.fork();
rightTask.fork();
// 合并结果
return leftTask.join() + rightTask.join();
}
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();
}}
这段代码中，当数组范围小于阈值时直接求和，否则拆成两半并行处理。ForkJoinPool 自动调度这些任务，利用多核提升性能。
合理设置任务拆分阈值
阈值（THRESHOLD）决定了任务拆分的粒度。太小会导致任务过多，调度开销大；太大则并行度不足。
- 通常根据数据规模和CPU核心数调整，比如每核处理几千到几万个元素。
- 可通过实验对比不同阈值下的执行时间找到最优值。
- 避免创建远超硬件并发能力的任务数量。
注意事项与最佳实践
ForkJoinPool 强大但需注意使用方式：
- 只用于纯计算任务，不要在任务中进行IO或阻塞调用。
- 避免递归过深导致栈溢出，合理设置阈值。
- 共享同一个 ForkJoinPool 实例，避免频繁创建销毁。
- 可以用
ForkJoinPool.commonPool()获取公共池，适用于轻量任务。
基本上就这些。掌握任务拆分逻辑和阈值控制，就能有效利用 ForkJoinPool 提升计算性能。
