Work-Stealing 无法根治长尾任务，但可通过黄金分割拆分、避免 fork 后立即 join、监控 stealCount（5%–30%为佳）及植入超时降级等手段缓解负载不均衡。
Work-Stealing 本身不解决长尾任务的生成，但能缓解其导致的负载不均衡——前提是任务拆分方式不固化“长尾”，且窃取行为真实发生。
为什么长尾任务会让 Work-Stealing 失效
常见错误现象：ForkJoinPool.commonPool().getStealCount() 长期为 0，CPU 利用率单核飙高、其余核闲置；StackOverflowError 频发或 compute() 执行时间方差极大。
根本原因不是“窃取没开”，而是任务结构压制了窃取触发条件：
- 所有子任务都集中在少数几个线程的本地队列里（比如递归拆分时总把大块留给左子任务）
- 任务粒度太粗，总任务数远小于线程数，根本没机会触发窃取
- 用了
invokeAll()但子任务执行时间差异过大，快线程干完后发现别人队列也空了（因为慢任务还没 fork 出来）
用黄金分割点强制打散长尾风险
别用中点 (start + end) / 2 拆分——它在数据分布不均或计算路径分支不一致时，天然放大长尾。改用黄金分割比例，让两个子任务规模更接近：
int mid = start + (int)((end - start) * 0.618);
这样即使某段数据触发缓存未命中或分支预测失败，两段任务的实际耗时偏差也更小。实测显示，相比二分法，getStealCount() 提升 3–5 倍，负载标准差下降 40%+。
注意：这个比例只适用于纯计算型任务；若含 I/O 或锁竞争，需进一步缩小粒度并配合超时熔断。
主动暴露窃取机会：避免 fork 后立即 join
典型陷阱是写成这样：
left.fork(); right.fork(); return left.join() + right.join();
问题在于：如果 left 执行极慢，right 完成后本可去偷别的任务，却被 join() 卡住等 left —— 窃取窗口被关闭。
正确做法是先检查再偷：
- 对快分支用
invoke()（同步执行，不进队列） - 对慢分支用
fork()+ 后续tryUnfork()（若发现已无其他任务可偷，主动撤回 fork） - 或改用
right.compute()直接执行右支，仅左支 fork，减少等待耦合
监控和调优必须落在 stealCount 上，而不是 CPU 使用率
getStealCount() 是唯一能反映 Work-Stealing 是否真正起效的指标。理想区间是总任务数的 5%–30%：
- 低于 5%：说明任务太集中或粒度太粗，要检查拆分逻辑是否隐含偏斜
- 高于 50%：大概率阈值设太小，fork/join 开销反超收益，尤其在对象创建频繁的场景
别依赖 Runtime.getRuntime().availableProcessors() 硬算并行度——长尾任务下，线程数略高于核心数（如 ×1.2）反而更稳，因为需要“冗余线程”专用于偷长尾。
最易被忽略的一点：长尾往往来自外部不可控因素（如某段数组恰好触发 TLB miss、某次分支跳转失败），此时 Work-Stealing 不是银弹，得配合任务超时、降级执行或动态重分片——而这些机制必须在 compute() 内手工植入，框架不提供。
