Java并发和多线程2：3种方式实现数组求和

本篇演示3个数组求和的样例。


样例1：单线程
样例2：多线程。同步求和（假设没有计算完毕。会堵塞）
样例3：多线程。异步求和（先累加已经完毕的计算结果）


样例1-代码

package cn.fansunion.executorservice;

public class BasicCaculator {

public static long sum(int[] numbers){
long sum = 0;
for(int i=0;i<numbers.length;i++){
sum += numbers[i];
}
return sum;
}
}

样例2-代码
ExecutoreService提供了submit()方法。传递一个Callable，或Runnable，返回Future。假设Executor后台线程池还没有完毕Callable的计算，这调用返回Future对象的get()方法，会堵塞直到计算完毕。

package cn.fansunion.executorservice;

import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.Callable;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.Future;
import java.util.concurrent.FutureTask;
//并发计算数组的和，“同步”求和
public class ConcurrentCalculator {

private ExecutorService exec;
//这个地方，纯粹是“一厢情愿”，“并行执行”不受咱们控制。取决于操作系统的“态度”
private int cpuCoreNumber;
private List<Future<Long>> tasks = new ArrayList<Future<Long>>();

class SumCalculator implements Callable<Long> {
private int[] numbers;
private int start;
private int end;

public SumCalculator(final int[] numbers, int start, int end) {
this.numbers = numbers;
this.start = start;
this.end = end;
}

public Long call() throws Exception {
Long sum = 0L;
for (int i = start; i < end; i++) {
sum += numbers[i];
}
return sum;
}
}

public ConcurrentCalculator() {
cpuCoreNumber = Runtime.getRuntime().availableProcessors();
exec = Executors.newFixedThreadPool(cpuCoreNumber);
}

public Long sum(final int[] numbers) {
// 依据CPU核心个数拆分任务，创建FutureTask并提交到Executor
for (int i = 0; i < cpuCoreNumber; i++) {
int increment = numbers.length / cpuCoreNumber + 1;
int start = increment * i;
int end = increment * i + increment;
if (end > numbers.length)
end = numbers.length;
SumCalculator subCalc = new SumCalculator(numbers, start, end);
FutureTask<Long> task = new FutureTask<Long>(subCalc);
tasks.add(task);
if (!exec.isShutdown()) {
exec.submit(task);
}
}
return getResult();
}

/**
* 迭代每一个仅仅任务，获得部分和。相加返回
*/
public Long getResult() {
Long result = 0l;
for (Future<Long> task : tasks) {
try {
// 假设计算未完毕则堵塞
Long subSum = task.get();
result += subSum;
} catch (InterruptedException e) {
e.printStackTrace();
} catch (ExecutionException e) {
e.printStackTrace();
}
}
return result;
}

public void close() {
exec.shutdown();
}
}

样例3-代码
在刚在的样例中。getResult()方法的实现过程中。迭代了FutureTask的数组，假设任务还没有完毕则当前线程会堵塞。
假设我们希望随意字任务完毕后就把其结果加到result中。而不用依次等待每一个任务完毕，能够使CompletionService。
生产者submit()执行的任务。使用者take()已完毕的任务。并依照完毕这些任务的顺序处理它们的结果 。

也就是调用CompletionService的take方法是，会返回按完毕顺序放回任务的结果。

CompletionService内部维护了一个堵塞队列BlockingQueue，假设没有任务完毕。take()方法也会堵塞。
改动刚才的样例2，使用CompletionService：

package cn.fansunion.executorservice;

import java.util.concurrent.Callable;
import java.util.concurrent.CompletionService;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ExecutorCompletionService;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;

//并发计算数组的和。“异步”求和
public class ConcurrentCalculatorAsync {

private ExecutorService exec;
private CompletionService<Long> completionService;
//这个地方。纯粹是“一厢情愿”。“并行执行”不受咱们控制，取决于操作系统的“态度”
private int cpuCoreNumber;

class SumCalculator implements Callable<Long> {
private int[] numbers;
private int start;
private int end;

public SumCalculator(final int[] numbers, int start, int end) {
this.numbers = numbers;
this.start = start;
this.end = end;
}

public Long call() throws Exception {
Long sum = 0l;
for (int i = start; i < end; i++) {
sum += numbers[i];
}
return sum;
}
}

public ConcurrentCalculatorAsync() {
cpuCoreNumber = Runtime.getRuntime().availableProcessors();
exec = Executors.newFixedThreadPool(cpuCoreNumber);
completionService = new ExecutorCompletionService<Long>(exec);
}

public Long sum(final int[] numbers) {
// 依据CPU核心个数拆分任务。创建FutureTask并提交到Executor
for (int i = 0; i < cpuCoreNumber; i++) {
int increment = numbers.length / cpuCoreNumber + 1;
int start = increment * i;
int end = increment * i + increment;
if (end > numbers.length){
end = numbers.length;
}
SumCalculator subCalc = new SumCalculator(numbers, start, end);
if (!exec.isShutdown()) {
completionService.submit(subCalc);
}

}
return getResult();
}

/**
* 迭代每一个仅仅任务。获得部分和。相加返回
*/
public Long getResult() {
Long result = 0l;
for (int i = 0; i < cpuCoreNumber; i++) {
try {
Long subSum = completionService.take().get();
result += subSum;
System.out.println("subSum="+subSum+",result="+result);
} catch (InterruptedException e) {
e.printStackTrace();
} catch (ExecutionException e) {
e.printStackTrace();
}
}
return result;
}

public void close() {
exec.shutdown();
}
}

执行代码

package cn.fansunion.executorservice;

import java.math.BigDecimal;
//数组求和3个Demo
public class ArraySumDemo {
public static void main(String[] args) {
int n = 200000000;
int[] numbers = new int
;
for(int i=1;i<=n;i++){
numbers[i-1]=i;
}
basic(numbers);

long time = System.currentTimeMillis();
concurrentCaculatorAsync(numbers);
long endTime=System.currentTimeMillis();
System.out.println("多核并行计算，异步相加："+time(time,endTime));

long time2 = System.currentTimeMillis();
concurrentCaculator(numbers);
long endTime2=System.currentTimeMillis();
System.out.println("多核并行计算，同步相加："+time(time2,endTime2));
}

private static void basic(int[] numbers) {
long time1 = System.currentTimeMillis();
long sum=BasicCaculator.sum(numbers);
long endTime1 = System.currentTimeMillis();
System.out.println("单线程："+time(time1,endTime1));
System.out.println("Sum:"+sum);
}

private static double time(long time, long endTime) {
long costTime = endTime-time;
BigDecimal bd = new BigDecimal(costTime);
//本来想着，把毫秒转换成秒的，最后发现计算太快了
BigDecimal unit = new BigDecimal(1L);
BigDecimal s= bd.divide(unit,3);
return s.doubleValue();
}

//并行计算，“同步”求和
private static void concurrentCaculator(int[] numbers) {
ConcurrentCalculator calc = new ConcurrentCalculator();
Long sum = calc.sum(numbers);
System.out.println(sum);
calc.close();
}

//并行计算，“异步”求和
private static void concurrentCaculatorAsync(int[] numbers) {
ConcurrentCalculatorAsync calc = new ConcurrentCalculatorAsync();
Long sum = calc.sum(numbers);
System.out.println("Sum:"+sum);
calc.close();
}
}

控制台输出
单线程：93.0
Sum:20000000100000000
subSum=3750000175000002,result=3750000175000002
subSum=1250000075000001,result=5000000250000003
subSum=6250000275000003,result=11250000525000006
subSum=8749999574999994,result=20000000100000000
Sum:20000000100000000
多核并行计算，异步相加：786.0
20000000100000000
多核并行计算。同步相加：650.0


个人看法：3段代码的时间仅供參考，没有排除干扰因素。

总的来说，单线程执行更快一些，应该是因为“数组求和”本身，并不须要其他额外资源。不会堵塞。
而多线程，反而添加了“线程调度”的时间开销。


还能够看出，CPU计算还是非常快的。“200000000”2亿个整数相加。用了不到0.1秒的时间。

插曲
最開始看代码的时候，误解了。

以为“依据CPU核心个数拆分任务”。这个时候的“多线程”就是“并行”了。
实际上。不一定，除了要看CPU的核数，还要看操作系统的分配。
// 依据CPU核心个数拆分任务，创建FutureTask并提交到Executor
for (int i = 0; i < cpuCoreNumber; i++) {


}
最開始。我还在考虑“单线程”、“多核并行+多线程并发”、“单核+多线程并发”,等好几种情况来实现“数组求和”。

最后。感觉自己还是想多了。“并行”应该不受自己控制，仅仅能控制是“单线程”或者“多线程”。

“java并发编程-Executor框架”这篇文章中的“样例：并行计算数组的和。

” 这句话，误导了我，根本不能保证是“并行计算”。

友情提示：网络上的文章，仅供參考学习，须要自己的推断。

关于Java-多核-并行-多线程。我初步觉得“多线程能够并行执行，但不受我们自己的控制，取决于操作系统”。

网友的一些看法：


看法1：
   java线程能够在执行在多个cpu核上吗？
   
   我是一直都以为这个问题的答案是肯定的，也就是说能够执行在多核上。
可是有一天见到这种一个理论。我就顿时毁三观了。

JVM在操作系统中是作为一个进程的，java全部的线程都执行自这个JVM进程中，
所以说java线程某个时间仅仅可能执行在一个核上。


这个说法对我的打击太大了，我不能接受。于是就開始多方求证。网上搜索 和朋友一起讨论。
终于证实了java线程是能够执行在多核上的，为什么呢？
以下一句话将惊醒梦中人：
现代os都将线程作为最小调度单位。进程作为资源分配的最小单位。

在windows中进程是不活动的，
仅仅是作为线程的容器。


也就是说。java中的全部线程确实在JVM进程中，可是CPU调度的是进程中的线程。

看法2：
   JAVA中的多线程能在多CPU机器上并行执行吗？注意。我说的不是并发执行哦 。
   我们用java写一个多线程程序，就启动了一个JVM进程，所以这些线程都是在这一个JVM进程之中的，我不知道同一时刻，能不能有多个CPU执行同一进程。进而并行执行这同一进程中的不同线程？一直非常疑惑

你的思路是对的,CPU就是为了迎合操作系统的多线程从而提高系统的计算效率.可是详细分配任务到各个内核中去执行的并不是JAVA与JVM而是操作系统.
也就是说,你所执行的多线程,可能会被分配到同一个CPU内核中执行.也可能非配到不同的cpu中执行.假设能够控制CPU的分配,那也应该是操作系统的api才干实现的了。


我用JAVA创建了一个线程，这时候有主线程和子线程都在执行，那意思双核CPU有可能在同一时刻点并行执行这两个线程咯？
我翻了好多JAVA的有关多线程的章节。似乎都没有说道多核CPU执行JAVA多线程，貌似都是已单核为例解说的，所以我一直觉得可能都是并发的而不是并行的？

不是,你要将你的软件线程和计算机的CPU处理线程区分开呀.简单说,你是无法控制CPU对于任务的分配的.

很多其他代码演示样例：
http://git.oschina.net/fansunion/Concurrent（逐步更新中）


參考资料：
java并发编程-Executor框架
http://www.iteye.com/topic/366591


java线程能够在执行在多个cpu核上吗？
http://blog.csdn.net/maosijunzi/article/details/42527553


JAVA中的多线程能在多CPU上并行执行吗？注意，我说的不是并发执行哦
http://zhidao.baidu.com/link?url=e11sEOSNFoLTfVyP-5FfpktIXEgbMQkbLAzvgh8mn4V16n_qQas89voj5gVhOEkho0jRA7fp_vbnElxKgeQCDrOxGkcu6xAWaUniqpcWg33