一、多线程介绍
在编程中，我们不可逃避的会遇到多线程的编程问题，因为在大多数的业务系统中需要并发处理，如果是在并发的场景中，多线程就非常重要了。另外，我们在面试的时候，面试官通常也会问到我们关于多线程的问题，如：如何创建一个线程？我们通常会这么回答，主要有两种方法，第一种：继承Thread类，重写run方法；第二种：实现Runnable接口，重写run方法。那么面试官一定会问这两种方法各自的优缺点在哪，不管怎么样，我们会得出一个结论，那就是使用方式二，因为面向对象提倡少继承，尽量多用组合。
这个时候，我们还可能想到，如果想得到多线程的返回值怎么办呢？根据我们多学到的知识，我们会想到实现Callable接口，重写call方法。那么多线程到底在实际项目中怎么使用呢，他有多少种方式呢？
首先，我们来看一个例子：
这是一种创建多线程的简单方法，很容易理解，在例子中，根据不同的业务场景，我们可以在Thread()里边传入不同的参数实现不同的业务逻辑，但是，这个方法创建多线程暴漏出来的问题就是反复创建线程，而且创建线程后还得销毁，如果对并发场景要求低的情况下，这种方式貌似也可以，但是高并发的场景中，这种方式就不行了，因为创建线程销毁线程是非常耗资源的。所以根据经验，正确的做法是我们使用线程池技术，JDK提供了多种线程池类型供我们选择，具体方式可以查阅jdk的文档。
这里代码我们需要注意的是，传入的参数代表我们配置的线程数，是不是越多越好呢？肯定不是。因为我们在配置线程数的时候要充分考虑服务器的性能，线程配置的多，服务器的性能未必就优。通常，机器完成的计算是由线程数决定的，当线程数到达峰值，就无法在进行计算了。如果是耗CPU的业务逻辑（计算较多），线程数和核数一样就到达峰值了，如果是耗I/O的业务逻辑（操作数据库，文件上传、下载等），线程数越多一定意义上有助于提升性能。
线程数大小的设定又一个公式决定：
Y=N*((a+b)/a)，其中，N:CPU核数，a:线程执行时程序的计算时间，b:线程执行时，程序的阻塞时间。有了这个公式后，线程池的线程数配置就会有约束了，我们可以根据机器的实际情况灵活配置。
二、多线程优化及性能比较
最近的项目中用到了所线程技术，在使用过程中遇到了很多的麻烦，趁着热度，整理一下几种多线程框架的性能比较。目前所掌握的大致分三种，第一种：ThreadPool（线程池）+CountDownLatch（程序计数器），第二种：Fork/Join框架，第三种JDK8并行流，下面对这几种方式的多线程处理性能做一下比较总结。
首先，假设一种业务场景，在内存中生成多个文件对象，这里暂定30000，（Thread.sleep(时间)）线程睡眠模拟业务处理业务逻辑，来比较这几种方式的多线程处理性能。
1） 单线程
这种方式非常简单，但是程序在处理的过程中非常的耗时，使用的时间会很长，因为每个线程都在等待当前线程执行完才会执行，和多线程没有多少关系，所以效率非常低。
首先创建文件对象，代码如下：
public class FileInfo {
private String fileName;//文件名
private String fileType;//文件类型
private String fileSize;//文件大小
private String fileMD5;//MD5码
private String fileVersionNO;//文件版本号
public FileInfo() {
super();
}
public FileInfo(String fileName, String fileType, String fileSize, String fileMD5, String fileVersionNO) {
super();
this.fileName = fileName;
this.fileType = fileType;
this.fileSize = fileSize;
this.fileMD5 = fileMD5;
this.fileVersionNO = fileVersionNO;
}
public String getFileName() {
return fileName;
}
public void setFileName(String fileName) {
this.fileName = fileName;
}
public String getFileType() {
return fileType;
}
public void setFileType(String fileType) {
this.fileType = fileType;
}
public String getFileSize() {
return fileSize;
}
public void setFileSize(String fileSize) {
this.fileSize = fileSize;
}
public String getFileMD5() {
return fileMD5;
}
public void setFileMD5(String fileMD5) {
this.fileMD5 = fileMD5;
}
public String getFileVersionNO() {
return fileVersionNO;
}
public void setFileVersionNO(String fileVersionNO) {
this.fileVersionNO = fileVersionNO;
}
接着，模拟业务处理，创建30000个文件对象，线程睡眠1ms,之前设置的1000ms，发现时间很长，整个Eclipse卡掉了，所以将时间改为了1ms。
public class Test {
private static List<FileInfo> fileList= new ArrayList<FileInfo>();
public static void main(String[] args) throws InterruptedException {
createFileInfo();
long startTime=System.currentTimeMillis();
for(FileInfo fi:fileList){
Thread.sleep(1);
}
long endTime=System.currentTimeMillis();
System.out.println("单线程耗时："+(endTime-startTime)+"ms");
}
private static void createFileInfo(){
for(int i=0;i<30000;i++){
fileList.add(new FileInfo("身份证正面照","jpg","101522","md5"+i,"1"));
}
}
}
测试结果如下：
可以看到，生成30000个文件对象消耗的时间比较长，接近1分钟，效率比较低。
2） ThreadPool （线程池） +CountDownLatch （程序计数器）
顾名思义，CountDownLatch为线程计数器，他的执行过程如下：首先，在主线程中调用await()方法，主线程阻塞，然后，将程序计数器作为参数传递给线程对象，最后，每个线程执行完任务后，调用countDown()方法表示完成任务。countDown()被执行多次后，主线程的await()会失效。实现过程如下：
public class Test2 {
private static ExecutorService executor=Executors.newFixedThreadPool(100);
private static CountDownLatch countDownLatch=new CountDownLatch(100);
private static List<FileInfo> fileList= new ArrayList<FileInfo>();
private static List<List<FileInfo>> list=new ArrayList<>();
public static void main(String[] args) throws InterruptedException {
createFileInfo();
addList();
long startTime=System.currentTimeMillis();
int i=0;
for(List<FileInfo> fi:list){
executor.submit(new FileRunnable(countDownLatch,fi,i));
i++;
}
countDownLatch.await();
long endTime=System.currentTimeMillis();
executor.shutdown();
System.out.println(i+"个线程耗时："+(endTime-startTime)+"ms");
}
private static void createFileInfo(){
for(int i=0;i<30000;i++){
fileList.add(new FileInfo("身份证正面照","jpg","101522","md5"+i,"1"));
}
}
private static void addList(){
for(int i=0;i<100;i++){
list.add(fileList);
}
}
}
FileRunnable类：
/**
* 多线程处理
* @author wangsj
*
* @param <T>
*/
public class FileRunnable<T> implements Runnable {
private CountDownLatch countDownLatch;
private List<T> list;
private int i;
public FileRunnable(CountDownLatch countDownLatch, List<T> list, int i) {
super();
this.countDownLatch = countDownLatch;
this.list = list;
this.i = i;
}
@Override
public void run() {
for(T t:list){
try {
Thread.sleep(1);
} catch (InterruptedException e) {
e.printStackTrace();
}
countDownLatch.countDown();
}
}
}
测试结果如下：
3） Fork/Join 框架
Jdk从版本7开始，出现了Fork/join框架，从字面来理解，fork就是拆分，join就是合并，所以，该框架的思想就是。通过fork拆分任务，然后join来合并拆分后各个人物执行完毕后的结果并汇总。比如，我们要计算连续相加的几个数，2+4+5+7=？，我们利用Fork/join框架来怎么完成呢，思想就是拆分子任务，我们可以把这个运算拆分为两个子任务，一个计算2+4，另一个计算5+7，这是Fork的过程，计算完成后，把这两个子任务计算的结果汇总，得到总和，这是join的过程。
Fork/Join框架执行思想：首先，分割任务，使用fork类将大任务分割为若干子任务，这个分割过程需要按照实际情况来定，直到分割出的任务足够小。然后，join类执行任务，分割的子任务在不同的队列里，几个线程分别从队列里获取任务并执行，执行完的结果放到一个单独的队列里，最后，启动线程，队列里拿取结果并合并结果。
使用Fork/Join框架要用到几个类，关于类的使用方式可以参考JDK的API，使用该框架，首先需要继承ForkJoinTask类，通常，只需要继承他的子类RecursiveTask或RecursiveAction即可，RecursiveTask，用于有返回结果的场景，RecursiveAction用于没有返回结果的场景。ForkJoinTask的执行需要用到ForkJoinPool来执行，该类用于维护分割出的子任务添加到不同的任务队列。
下面是实现代码：
public class Test3 {
private static List<FileInfo> fileList= new ArrayList<FileInfo>();
// private static ForkJoinPool forkJoinPool=new ForkJoinPool(100);
// private static Job<FileInfo> job=new Job<>(fileList.size()/100, fileList);
public static void main(String[] args) {
createFileInfo();
long startTime=System.currentTimeMillis();
ForkJoinPool forkJoinPool=new ForkJoinPool(100);
//分割任务
Job<FileInfo> job=new Job<>(fileList.size()/100, fileList)；
//提交任务返回结果
ForkJoinTask<Integer> fjtResult=forkJoinPool.submit(job);
//阻塞
while(!job.isDone()){
System.out.println("任务完成！");
}
long endTime=System.currentTimeMillis();
System.out.println("fork/join框架耗时："+(endTime-startTime)+"ms");
}
private static void createFileInfo(){
for(int i=0;i<30000;i++){
fileList.add(new FileInfo("身份证正面照","jpg","101522","md5"+i,"1"));
}
}
}
/**
* 执行任务类
* @author wangsj
*
*/
public class Job<T> extends RecursiveTask<Integer> {
private static final long serialVersionUID = 1L;
private int count;
private List<T> jobList;
public Job(int count, List<T> jobList) {
super();
this.count = count;
this.jobList = jobList;
}
/**
* 执行任务，类似于实现Runnable接口的run方法
*/
@Override
protected Integer compute() {
//拆分任务
if(jobList.size()<=count){
executeJob();
return jobList.size();
}else{
//继续创建任务，直到能够分解执行
List<RecursiveTask<Long>> fork = new LinkedList<RecursiveTask<Long>>();
//拆分子任务，这里采用二分法
int countJob=jobList.size()/2;
List<T> leftList=jobList.subList(0, countJob);
List<T> rightList=jobList.subList(countJob, jobList.size());
//分配任务
Job leftJob=new Job<>(count,leftList);
Job rightJob=new Job<>(count,rightList);
//执行任务
leftJob.fork();
rightJob.fork();
return Integer.parseInt(leftJob.join().toString())
+Integer.parseInt(rightJob.join().toString());
}
}
/**
* 执行任务方法
*/
private void executeJob() {
for(T job:jobList){
try {
Thread.sleep(1);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}
测试结果如下：
4） JDK8 并行流
并行流是jdk8的新特性之一，思想就是将一个顺序执行的流变为一个并发的流，通过调用parallel()方法来实现。并行流将一个流分成多个数据块，用不同的线程来处理不同的数据块的流，最后合并每个块数据流的处理结果，类似于Fork/Join框架。
并行流默认使用的是公共线程池ForkJoinPool，他的线程数是使用的默认值，根据机器的核数，我们可以适当调整线程数的大小。线程数的调整通过以下方式来实现。
System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "100");
以下是代码的实现过程，非常简单：
public class Test4 {
private static List<FileInfo> fileList= new ArrayList<FileInfo>();
public static void main(String[] args) {
// System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "100");
createFileInfo();
long startTime=System.currentTimeMillis();
fileList.parallelStream().forEach(e ->{
try {
Thread.sleep(1);
} catch (InterruptedException f) {
f.printStackTrace();
}
});
long endTime=System.currentTimeMillis();
System.out.println("jdk8并行流耗时："+(endTime-startTime)+"ms");
}
private static void createFileInfo(){
for(int i=0;i<30000;i++){
fileList.add(new FileInfo("身份证正面照","jpg","101522","md5"+i,"1"));
}
}
}
下面是测试，第一次没有设置线程池的数量，采用默认，测试结果如下：
我们看到，结果并不是很理想，耗时较长，接下来设置线程池的数量大小，即添加如下代码：
System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "100");
接着进行测试，结果如下：
这次耗时较小，比较理想。
三、总结
综上几种情况来看，以单线程作为参考，耗时最长的还是原生的Fork/Join框架，这里边尽管配置了线程池的数量，但效果较精确配置了线程池数量的JDK8并行流较差。并行流实现代码简单易懂，不需要我们写多余的for循环，一个parallelStream方法全部搞定，代码量大大的减少了，其实，并行流的底层还是使用的Fork/Join框架，这就要求我们在开发的过程中灵活使用各种技术，分清各种技术的优缺点，从而能够更好的为我们服务。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
