RecursiveTask是ForkJoinPool中用于实现有返回值分治算法的抽象类，需继承并重写compute()方法。它适用于将大任务拆为子任务并行执行后合并结果，如数组求和、最大值查找等场景。通过fork()异步提交任务，join()等待结果，结合阈值控制避免过度拆分，利用工作窃取提升并发效率。使用时需注意任务粒度、无共享状态及异常处理，适合归并排序、数据聚合等可递归分解的问题，能有效提升计算密集型任务性能。
在Java并发编程中，RecursiveTask 是 ForkJoinPool 框架中的核心类之一，用于实现可返回结果的分治算法。它继承自 ForkJoinTask，适用于将一个大任务拆分成多个子任务并行执行，最终合并结果。
什么是RecursiveTask？
RecursiveTask 是一个抽象类，用于表示有返回值的递归任务。你需要继承它并重写 compute() 方法，在该方法中实现任务的拆分与结果的合并逻辑。compute() 方法的返回值即为任务的计算结果。
与之对应的 RecursiveAction 用于无返回值的任务，而 RecursiveTask 更适合如求和、查找最大值、排序等需要返回结果的场景。
如何使用RecursiveTask实现分治任务
以“计算数组元素总和”为例，展示 RecursiveTask 的典型用法：
立即学习“Java免费学习笔记（深入）”；
1. 继承 RecursiveTask 并指定返回类型
例如，我们要返回 long 类型的和：
public class SumTask extends RecursiveTask{ private static final int THRESHOLD = 1000; // 单个任务处理的最大数组长度 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 zuojiankuohaophpcn= THRESHOLD) { // 小任务：直接计算 long sum = 0; for (int i = start; i zuojiankuohaophpcn end; i++) { sum += array[i]; } return sum; } else { // 大任务：拆分 int mid = (start + end) / 2; SumTask leftTask = new SumTask(array, start, mid); SumTask rightTask = new SumTask(array, mid, end); leftTask.fork(); // 异步提交左任务 long rightResult = rightTask.compute(); // 当前线程执行右任务 long leftResult = leftTask.join(); // 等待左任务完成并获取结果 return leftResult + rightResult; } }}
2. 提交任务到 ForkJoinPool
使用 ForkJoinPool 执行任务：
public class Main {
public static void main(String[] args) {
long[] data = new long[10000];
for (int i = 0; i < data.length; i++) {
data[i] = i + 1;
}
SumTask task = new SumTask(data, 0, data.length);
ForkJoinPool pool = new ForkJoinPool();
long result = pool.invoke(task); // 启动任务并等待结果
System.out.println("总和：" + result);
pool.shutdown();
}}
关键点解析
fork()：将任务提交到线程池异步执行，不阻塞当前线程。
join()：阻塞当前线程，直到该任务完成并返回结果。
compute()：核心方法，自行判断是直接计算还是拆分任务。
阈值控制：避免过度拆分，提升性能。通常根据数据规模和CPU核心数设定。
工作窃取机制：ForkJoinPool 内部使用工作窃取（work-stealing）算法，空闲线程会从其他线程的任务队列中“窃取”任务执行，提高资源利用率。
适用场景与注意事项
RecursiveTask 适合以下场景：
- 可递归分解的问题，如归并排序、快速排序
- 大规模数据的聚合计算（求和、最大值、平均值）
- 树形结构遍历、图的搜索等
使用时注意：
- 避免拆分过细，导致任务调度开销大于计算收益
- 确保任务无共享状态，避免竞态条件
- 异常处理需在 compute() 中自行捕获，否则可能导致任务静默失败
基本上就这些。RecursiveTask 提供了一种优雅的方式实现并行分治算法，合理使用能显著提升计算密集型任务的性能。
