本文介绍了Java8中的并行流和Fork/Join框架，强调了它们在大数据处理中的效率提升。Fork/Join框架利用工作窃取模式提高性能，适合处理大量数据。Java8通过parallel()和sequential()简化了并行流的切换。当数据量大时，Fork/Join能显著缩短运算时间，但小数据量情况下可能因拆分合并开销而不适用。
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。
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（拆到不可再拆时），再将一个个的小任务运算的结果进行join汇总。
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。
Fork/join一般用于大数据，数据量越大，体现越明显，数据量小的话不建议使用，因为拆分合并需要时间。因为用起来比较麻烦所以在工作中用的比较少。
在java8之前实现Fork/join需要自己写一个继承RecursiveTask的类，需要自己写拆分、合并的算法进行实现。
而在java8之后则可以任意通过 parallel（）与sequential()在并行流与顺序流之间进行切换。
比如0-100000000000L的累加：
结论：当数据量比较大的时候，使用Fork/Join可以提升效率，耗费的时间比多线程短。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
