
recursiveaction和recursivetask是java并发api中用于支持分治算法的抽象基类,它们专为forkjoinpool设计。正如其文档所述,它们是“在forkjoinpool中运行任务的抽象基类”。forkjoinpool虽然允许通过线程工厂进行定制,但它要求的是forkjoinpool.forkjoinworkerthreadfactory接口的实现,用于生产forkjoinworkerthread实例。
ForkJoinWorkerThread是Thread的子类,这意味着它们是平台线程(Platform Thread)的特化。虚拟线程(Virtual Thread)则是一种轻量级的线程,由Thread.Builder.OfVirtual创建,与传统的平台线程在实现机制上存在根本差异。因此,ForkJoinPool无法通过其内部的线程工厂机制来创建或使用虚拟线程。这意味着,RecursiveAction和RecursiveTask无法直接与虚拟线程结合使用。
RecursiveAction和RecursiveTask的核心价值在于提供了任务分解的抽象,并与ForkJoinPool的窃取式工作队列(work-stealing queue)机制相结合,以有效地平衡平台线程上的工作负载。然而,当引入虚拟线程时,这种工作负载平衡的必要性发生了变化。虚拟线程非常轻量,可以大量创建,并且由JVM运行时高效地映射到少量平台线程上。如果每个子任务都可以在自己的虚拟线程上运行,那么ForkJoinPool提供的复杂工作调度和负载平衡机制可能不再是必需的。开发者可以更直接地实现任务的递归分解,并利用虚拟线程的优势。
在虚拟线程环境下,我们可以利用CompletableFuture的异步执行能力来构建自定义的递归任务。CompletableFuture.runAsync()或CompletableFuture.supplyAsync()方法可以接受一个Executor,我们可以传入一个创建虚拟线程的Executor,例如Thread::startVirtualThread。
以下是一个简单的示例,演示如何使用CompletableFuture和虚拟线程实现一个递归任务:
import java.util.concurrent.CompletableFuture;
import java.util.concurrent.TimeUnit;
import java.util.concurrent.locks.LockSupport;
public class VirtualThreadRecursiveTask {
/**
* 模拟一个递归任务,使用虚拟线程执行子任务。
* 每个子任务都会在新的虚拟线程中运行。
*/
record PseudoTask(int from, int to) {
public static CompletableFuture<Void> run(int from, int to) {
// 使用Thread::startVirtualThread作为Executor,确保任务在虚拟线程中运行
return CompletableFuture.runAsync(
new PseudoTask(from, to)::compute, Thread::startVirtualThread);
}
protected void compute() {
int mid = (from + to) >>> 1; // 计算中间值
if (mid == from) {
// 达到基本情况,模拟实际处理,可能包含阻塞操作
System.out.println(Thread.currentThread().getName() + " processing: [" + from + ", " + to + ")");
LockSupport.parkNanos(TimeUnit.MILLISECONDS.toNanos(50)); // 模拟耗时操作
} else {
// 递归分解任务
CompletableFuture<Void> sub1 = run(from, mid);
CompletableFuture<Void> sub2 = run(mid, to);
// 等待所有子任务完成。这里的join()会阻塞当前虚拟线程,
// 但由于虚拟线程的特性,它可以在阻塞时被卸载,不会阻塞底层平台线程。
sub1.join();
sub2.join();
}
}
}
public static void main(String[] args) throws InterruptedException {
long startTime = System.currentTimeMillis();
System.out.println("Starting recursive task with virtual threads...");
PseudoTask.run(0, 1_000).join(); // 启动根任务并等待其完成
long endTime = System.currentTimeMillis();
System.out.println("Recursive task completed in " + (endTime - startTime) + " ms.");
}
}注意事项:
为了优化线程创建数量,可以采用类似ForkJoinPool中“工作窃取”的策略,即一个线程处理一部分任务,另一部分任务提交给其他线程。例如,只将一半范围的任务提交到新的虚拟线程,而另一半则在当前虚拟线程中局部处理:
import java.util.concurrent.CompletableFuture;
import java.util.concurrent.TimeUnit;
import java.util.concurrent.locks.LockSupport;
public class OptimizedVirtualThreadRecursiveTask {
/**
* 优化后的递归任务,将一半子任务提交到新的虚拟线程,另一半在当前线程处理。
*/
record PseudoTask(int from, int to) {
public static CompletableFuture<Void> run(int from, int to) {
return CompletableFuture.runAsync(
new PseudoTask(from, to)::compute, Thread::startVirtualThread);
}
protected void compute() {
CompletableFuture<Void> pendingFutures = null; // 用于收集异步子任务的CompletableFuture
// 循环处理,直到达到基本情况
for (int currentFrom = this.from; ; currentFrom = (currentFrom + to) >>> 1) {
int mid = (currentFrom + to) >>> 1;
if (mid == currentFrom) {
// 达到基本情况,模拟实际处理
System.out.println(Thread.currentThread().getName() + " processing: [" + currentFrom + ", " + to + ")");
LockSupport.parkNanos(TimeUnit.MILLISECONDS.toNanos(50));
break; // 退出循环
} else {
// 提交一半任务到新的虚拟线程
CompletableFuture<Void> subTaskFuture = run(currentFrom, mid);
if (pendingFutures == null) {
pendingFutures = subTaskFuture;
} else {
// 将新的子任务Future与之前的Future组合
pendingFutures = CompletableFuture.allOf(pendingFutures, subTaskFuture);
}
// 另一半任务 (mid到to) 将在下一次循环中由当前虚拟线程处理
}
}
// 等待所有异步提交的子任务完成
if (pendingFutures != null) {
pendingFutures.join();
}
}
}
public static void main(String[] args) throws InterruptedException {
long startTime = System.currentTimeMillis();
System.out.println("Starting optimized recursive task with virtual threads...");
PseudoTask.run(0, 1_000_000).join(); // 启动根任务并等待其完成,处理更大范围
long endTime = System.currentTimeMillis();
System.out.println("Optimized recursive task completed in " + (endTime - startTime) + " ms.");
}
}这种优化策略对于PseudoTask.run(0, 1_000_000)这样的大范围任务会产生显著差异,它将创建大约100万个虚拟线程,而不是200万个。这体现了在虚拟线程环境下,开发者仍然需要考虑任务分解的粒度与效率,尽管虚拟线程本身非常轻量。
Java的孵化模块jdk.incubator.concurrent中引入了StructuredTaskScope,它提供了一种更结构化的方式来管理并发任务的生命周期。StructuredTaskScope允许在一个作用域内启动多个子任务,并等待所有子任务完成,或者在任何子任务失败时关闭整个作用域。这与递归任务的分解和聚合模式非常契合。
import jdk.incubator.concurrent.StructuredTaskScope;
import java.util.concurrent.TimeUnit;
import java.util.concurrent.locks.LockSupport;
public class StructuredTaskScopeRecursiveTask {
/**
* 使用StructuredTaskScope实现递归任务。
* 注意:StructuredTaskScope是孵化API,可能在未来版本中发生变化。
*/
record PseudoTask(int from, int to) {
public static void run(int from, int to) {
// 使用ShutdownOnFailure策略,任何子任务失败都会导致整个作用域关闭
try (var scope = new StructuredTaskScope.ShutdownOnFailure()) {
new PseudoTask(from, to).compute(scope);
scope.join(); // 等待所有子任务完成
scope.throwIfFailed(); // 抛出任何失败的异常
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
throw new IllegalStateException("Task interrupted", e);
} catch (Exception e) {
throw new RuntimeException("Task failed", e);
}
}
protected Void compute(StructuredTaskScope<Object> scope) {
// 同样采用只提交一半任务的优化策略
for (int currentFrom = this.from; ; currentFrom = (currentFrom + to) >>> 1) {
int mid = (currentFrom + to) >>> 1;
if (mid == currentFrom) {
// 达到基本情况,模拟实际处理
System.out.println(Thread.currentThread().getName() + " processing: [" + currentFrom + ", " + to + ")");
LockSupport.parkNanos(TimeUnit.MILLISECONDS.toNanos(50));
break;
} else {
var sub = new PseudoTask(currentFrom, mid);
// 使用scope.fork()启动子任务,它会在虚拟线程中运行
scope.fork(() -> sub.compute(scope));
}
}
return null; // 返回Void
}
}
public static void main(String[] args) {
long startTime = System.currentTimeMillis();
System.out.println("Starting recursive task with StructuredTaskScope...");
PseudoTask.run(0, 1_000_000); // 启动根任务
long endTime = System.currentTimeMillis();
System.out.println("StructuredTaskScope recursive task completed in " + (endTime - startTime) + " ms.");
}
}StructuredTaskScope的特点:
注意事项:
尽管RecursiveAction和RecursiveTask无法直接与虚拟线程配合使用,但这并不意味着分治算法无法在Loom中高效实现。相反,虚拟线程提供了更灵活和强大的工具来构建并发的递归任务。
在选择实现方案时,开发者应根据项目的具体需求、对API稳定性的要求以及任务的性质(I/O密集型或CPU密集型)进行权衡。对于I/O密集型的递归任务,虚拟线程的优势尤为明显,因为它能显著提高并发度而无需担心线程开销。
以上就是在Loom中利用虚拟线程实现递归任务:告别ForkJoinPool的限制的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号