使用 forkjoinpool 分治任务的核心做法是继承 forkjointask(通常用 recursiveaction 处理无返回值或 recursivetask<v></v> 处理有返回值),重写 compute() 方法,在任务规模大于阈值时调用 fork() 拆分子任务并 join() 等待结果,否则直接执行计算逻辑。

ForkJoinPool 的默认线程数如何确定
默认情况下,ForkJoinPool 的并行等级(parallelism)等于当前系统的可用处理器数量,即 Runtime.getRuntime().availableProcessors()。这意味着如果你不指定参数,它会自动创建与 CPU 核心数相等的线程来执行任务,旨在最大化 CPU 利用率而不过度切换上下文。

import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.RecursiveTask;
public class SumTask extends RecursiveTask<Long> {
private static final int THRESHOLD = 10000;
private long[] array;
private int start, end;
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) {
long sum = 0;
for (int i = start; i < end; i++) {
sum += array[i];
}
return sum;
} else {
int mid = (start + end) / 2;
SumTask left = new SumTask(array, start, mid);
SumTask right = new SumTask(array, mid, end);
left.fork();
return right.compute() + left.join();
}
}
public static void main(String[] args) {
long[] data = new long[1000000];
for (int i = 0; i < data.length; i++) data[i] = i;
ForkJoinPool pool = ForkJoinPool.commonPool();
System.out.println(pool.getParallelism()); // 输出通常为 CPU 核心数
Long result = pool.invoke(new SumTask(data, 0, data.length));
System.out.println(result);
}
}
为什么推荐使用 invoke() 而不是 submit()
在处理嵌套的分治任务时,必须使用 invoke() 提交根任务。因为 invoke() 会阻塞当前线程直到任务完成并返回结果,这符合分治算法中父任务需要等待子任务结果的逻辑。如果使用 submit(),它会立即返回一个 ForkJoinTask 对象,但不会自动触发任务的执行流同步,导致无法正确获取最终的计算结果或处理异常。
FilePond 是一个 JavaScript 文件上传库,支持通过拖拽、粘贴和 API 方式处理文件、目录、URL 和 Data URI。它包含内置的图像优化功能、异步分块上传功能,并提供了适用于 React、Vue、Angular 和 Svelte 的适配器。
立即学习“Java免费学习笔记(深入)”;

import java.util.concurrent.ForkJoinTask;
import java.util.concurrent.RecursiveTask;
public class ErrorExample extends RecursiveTask<String> {
@Override
protected String compute() {
// 错误示范:submit 不会阻塞等待结果
ForkJoinTask<String> task = submit();
return null;
}
}
当数组长度小于阈值时会发生什么
当传入的数组区间长度小于设定的 THRESHOLD(例如 10000)时,程序不会继续拆分任务,而是直接进入“解决”阶段。此时,当前线程会直接在本地循环遍历该区间内的元素进行累加计算,并将结果作为 compute() 的返回值。这是分治策略的基准情况(Base Case),避免了过小的任务产生额外的线程创建和调度开销。

















