参考:http://m.blog.csdn.net/article/details?id=51287803
Java SE5的java.util.concurrent包中的执行器(Executor)将为你管理Thread对象,从而简化了并发编程。Executor在客户端和执行任务之间提供了一个间接层,Executor代替客户端执行任务。Executor允许你管理异步任务的执行,而无须显式地管理线程的生命周期。Executor在Java SE5/6中时启动任务的优选方法。Executor引入了一些功能类来管理和使用线程Thread,其中包括线程池,Executor,Executors,ExecutorService,CompletionService,Future,Callable等
创建线程池
Executors类,提供了一系列工厂方法用于创先线程池,返回的线程池都实现了ExecutorService接口。
public static ExecutorService newFixedThreadPool(int nThreads)
创建固定数目线程的线程池。
public static ExecutorService newCachedThreadPool()
创建一个可缓存的线程池,调用execute 将重用以前构造的线程(如果线程可用)。如果现有线程没有可用的,则创建一个新线程并添加到池中。终止并从缓存中移除那些已有 60 秒钟未被使用的线程。
public static ExecutorService newSingleThreadExecutor()
创建一个单线程化的Executor。
public static ScheduledExecutorService newScheduledThreadPool(int corePoolSize)
创建一个支持定时及周期性的任务执行的线程池,多数情况下可用来替代Timer类。
见类图,接口Executor只有一个方法execute,接口ExecutorService扩展了Executor并添加了一些生命周期管理的方法,如shutdown、submit等。一个Executor的生命周期有三种状态,运行 ,关闭 ,终止。
Callable,Future用于返回结果
Future<V>代表一个异步执行的操作,通过get()方法可以获得操作的结果,如果异步操作还没有完成,则,get()会使当前线程阻塞。FutureTask<V>实现了Future<V>和Runable<V>。Callable代表一个有返回值得操作。
实例:用ExecutorService 实现对一个大数组并行求和
package executor; import java.util.*; import java.util.concurrent.*; /* * 并行计算求和. * 本例中,把一个整数数组的求和分解到每个线程中,每个线程求该数值的部分和, * 然后主程序把各个和再次求和就能得到最后的数字。从这个架构上跟mapreduce有点神似。 * */ public class ExecutorServiceParalelSumdemo { private int coreCpuNum; private ExecutorService executor; /* * save the result of each thread's sum calculation * */ private List<FutureTask<Long>> tasks = new ArrayList<FutureTask<Long>>(); public ExecutorServiceParalelSumdemo(){ coreCpuNum = Runtime.getRuntime().availableProcessors(); System.out.println("this host has "+coreCpuNum+ " CPU(s)"); //for before Java 8.0 //executor = Executors.newFixedThreadPool(coreCpuNum); //this CPU parallelism API is Java8 or later ONLY executor = Executors.newWorkStealingPool(coreCpuNum); } /* * thread main body */ class CalculatorTask implements Callable<Long>{ int nums[]; int start; int end; public CalculatorTask(final int nums[],int start,int end){ this.nums = nums; this.start = start; this.end = end; } @Override public Long call() throws Exception { long sum =0; for(int i=start;i<end;i++){ sum += nums[i]; } return sum; } } private long getFinalSum(){ long sum = 0; System.out.println(tasks.size() + " future tasks in pool"); for(int i=0;i<tasks.size();i++){ try { /* * If this future's thread not return its result, * get() will block here. So perf issue introduced. * we can use CompletionService to solve this potential issue. */ sum += tasks.get(i).get(); } catch (InterruptedException e) { e.printStackTrace(); } catch (ExecutionException e) { e.printStackTrace(); } } return sum; } public long ParallelSum(int[] nums){ int start,end,increment; // 根据CPU核心个数拆分任务,创建每个thread和对应的 FutureTask,并提交到ExecutorService中。 for(int i=0;i<coreCpuNum;i++) { increment = (nums.length/coreCpuNum)+1; start = i*increment; end = start+increment; if(end > nums.length){ end = nums.length; } //create thread tasks CalculatorTask calculator = new CalculatorTask(nums, start, end); //create each future result per thread task FutureTask<Long> task = new FutureTask<Long>(calculator); tasks.add(task); if(!executor.isShutdown()){ //execute() can't return result executor.submit(task); } } return getFinalSum(); } public void close(){ executor.shutdown(); } }
在上述例子中,getResult()方法的实现过程中,迭代了FutureTask的数组,如果任务还没有完成则当前线程会阻塞,如果我们希望任意任务完成后就把其结果加到result中,而不用依次等待每个任务完成,可以使用CompletionService。
它与ExecutorService最主要的区别在于submit的task不一定是按照加入时的顺序完成的。CompletionService对ExecutorService进行了包装,内部维护一个保存Future对象的BlockingQueue。只有当这个Future对象状态是结束的时候,才会加入到这个Queue中,take()方法其实就是Producer-Consumer中的Consumer。它会从Queue中取出Future对象,如果Queue是空的,就会阻塞在那里,直到有完成的Future对象加入到Queue中。所以,先完成的必定先被取出。这样就减少了不必要的等待时间。
CompletionService版本的求和例子
package executor; import java.util.*; import java.util.concurrent.*; public class CompletionServiceDemo { /* * 并行计算求和. * 本例中,把一个整数数组的求和分解到每个线程中,每个线程求该数值的部分和, * 然后主程序把各个和再次求和就能得到最后的数字。从这个架构上跟mapreduce有点神似。 * */ private int coreCpuNum; private ExecutorService executor; /* * CompletionService与ExecutorService最主要的区别在于 *前者submit的task不一定是按照加入时的顺序完成的。CompletionService对ExecutorService进行了包装, *内部维护一个保存Future对象的BlockingQueue。 *只有当这个Future对象状态是结束的时候,才会加入到这个Queue中,take()方法其实就是Producer-Consumer中的Consumer。 *它会从Queue中取出Future对象,如果Queue是空的,就会阻塞在那里,直到有完成的Future对象加入到Queue中。 *所以,先完成的必定先被取出。这样就减少了不必要的等待时间。 * */ /* * CompletionService has a internal bloking queue to save the result of each * thread's sum calculation. so List<FutureTask<Long>> tasks appears unnecessary now * */ private CompletionService<Long> mcs; /* * save the result of each thread's sum calculation * */ public CompletionServiceDemo(){ coreCpuNum = Runtime.getRuntime().availableProcessors(); System.out.println("this host has "+coreCpuNum+ " CPU(s)"); //for before Java 8.0 //executor = Executors.newFixedThreadPool(coreCpuNum); //this CPU parallelism API is Java8 or later ONLY executor = Executors.newWorkStealingPool(coreCpuNum); mcs=new ExecutorCompletionService<>(executor); } /* * thread main body */ class CalculatorTask implements Callable<Long>{ int nums[]; int start; int end; public CalculatorTask(final int nums[],int start,int end){ this.nums = nums; this.start = start; this.end = end; } @Override public Long call() throws Exception { long sum =0; for(int i=start;i<end;i++){ sum += nums[i]; } return sum; } } private long getFinalSum(){ long sum = 0; for(int i=0;i<coreCpuNum;i++){ try { /* * get one complete result from CompletionServer internal * blocking queue */ sum += mcs.take().get(); } catch (InterruptedException e) { e.printStackTrace(); } catch (ExecutionException e) { e.printStackTrace(); } } return sum; } public long ParallelSum(int[] nums){ int start,end,increment; // 根据CPU核心个数拆分任务,创建每个thread和对应的 FutureTask,并提交到ExecutorService中。 for(int i=0;i<coreCpuNum;i++) { increment = (nums.length/coreCpuNum)+1; start = i*increment; end = start+increment; if(end > nums.length){ end = nums.length; } //create thread tasks CalculatorTask mthread = new CalculatorTask(nums, start, end); if(!executor.isShutdown()){ mcs.submit(mthread); } } return getFinalSum(); } public void close(){ executor.shutdown(); } }