ForkJoinPool适用于分而治之的并行计算场景，基于工作窃取算法高效利用多核资源。通过继承RecursiveTask或RecursiveAction实现任务拆分与合并，以SumTask计算数组和为例，当任务规模小于阈值时直接计算，否则拆分为子任务递归执行并聚合结果。使用ForkJoinPool.invoke提交任务，建议通过try-with-resources管理资源。需合理设置拆分阈值、避免阻塞操作、注意默认并行度及异常处理，适用于树遍历、数据聚合等可递归拆解的计算密集型任务。
在Java中，ForkJoinPool 是实现并行计算的重要工具，特别适用于可以拆分成多个小任务的“分而治之”场景。它基于工作窃取（work-stealing）算法，能高效利用多核CPU资源处理大任务。下面介绍如何使用 ForkJoinPool 实现并行计算。
理解ForkJoinPool的核心机制
ForkJoinPool 是从 Java 7 引入的并发工具类，属于 java.util.concurrent 包。它专为执行大量细粒度任务设计，适合递归拆分任务的场景。
其核心思想是：
- 拆分（Fork）：将一个大任务拆成多个子任务，并提交到线程池异步执行。
- 合并（Join）：等待子任务完成，并合并它们的结果。
任务需继承 RecursiveTask
立即学习“Java免费学习笔记（深入）”；
编写可拆分的任务类
以计算一个大数组的和为例，展示如何定义 RecursiveTask 子类：
JavaStoryDevelop
下载
你接手一个需求时，是不是经常这样："改一个小字段 → 结果把不相关的代码也改了"、"需求说得很模糊 → 做着做着发现跑偏了"、"数据库加个字段 → 上线才发现漏了数据兼容"、"做了个新功能 → 一个月后自己都忘了当时怎么设计的"、"写到一半被中断 → 再回来不知道从哪继续"；这个 Skill 就是专门解决这些问题的。 它会自动探测你的项目环境（JDK、Spring Boot、ORM、数据库、前端框架），记在
public class SumTask extends RecursiveTask<Long> {
private static final int THRESHOLD = 1000; // 拆分阈值
private long[] array;
private int start, end;
<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
right.fork(); // 异步执行右任务
return left.join() + right.join(); // 合并结果
}
}}
启动并行计算任务
使用 ForkJoinPool 提交任务并获取结果：
public class ParallelSumExample {
public static void main(String[] args) {
long[] data = new long[100_000];
Arrays.fill(data, 1); // 填充测试数据
<pre class='brush:java;toolbar:false;'> ForkJoinPool pool = new ForkJoinPool();
SumTask task = new SumTask(data, 0, data.length);
long result = pool.invoke(task);
System.out.println("总和: " + result);
pool.shutdown(); // 释放资源
}}
也可以使用 try-with-resources 方式更安全地管理资源：
try (ForkJoinPool pool = new ForkJoinPool()) {
long result = pool.invoke(task);
System.out.println("结果: " + result);
}
调优与最佳实践
实际使用中需注意以下几点：
- 合理设置拆分阈值：太小会导致任务过多，调度开销大；太大则无法充分利用并行性。
- 避免阻塞操作：ForkJoinPool 的工作线程不适合执行 I/O 阻塞任务。
- 默认并行度：通常等于 CPU 核心数，可通过构造函数自定义。
- 异常处理：子任务抛出异常时，join() 会重新抛出 ExecutionException 或 RuntimeException。
基本上就这些。ForkJoinPool 特别适合树形结构遍历、大规模数据聚合等可递归拆解的问题。掌握它的使用方式，能有效提升计算密集型任务的性能。
