Java多线程+分治求和，太牛了-编程知识

shigen坚持更新文章的博客写手，擅长Java、python、vue、shell等编程语言和各种应用程序、脚本的开发。记录成长，分享认知，留住感动。
个人IP：shigen

最近的一个面试，shigen简直被吊打，简历上写了熟悉高并发。完了面试官不按照套路出牌，我说了我用了countdownLanch，他问forkjoin了解吗？LRU怎么设计……一脸懵，尴尬的直接抠脚。

赶紧花时间研究了，顺便看了一下线程池，看到了这样一个经典的案例：

求1-10000_0000的和。

没错，别眼花，是1-1个亿个数字的和。别告诉我，直接循环相加，那就回家等通知吧。

好的，前提就聊到这。看看我这一段炫酷的代码：

代码案例

天啊，task+递归，和着在线程池不断的玩呗。

一看这种分而治之，像极了传说中的二分法，经典的分治思想。等等，我咋这么熟悉！

没错，经典的归并排序，就是这样子的！花了一小时，把这个算法用Java写出来了。shigen之前可是用的python写算法。

java版归并排序

public class MergeSortDemo {// 归并排序static void mergeSort(int[] arr, int left, int right) {if (left < right) {int mid = (left + right) / 2;// 简直直接midmergeSort(arr, left, mid);mergeSort(arr, mid + 1, right);merge(arr, left, mid, right);}}private static void print(int[] arr) {for (int i = 0; i < arr.length; i++) {System.out.print(arr[i] + " ");}System.out.println();}private static void merge(int[] arr, int left, int mid, int right) {// 构建一个临时数组暂存arr[left, right]之间有序的元素int[] temp = new int[right - left + 1];int i = left, j = mid + 1, k = 0;// while的临界条件需注意，此时分段有序数组合并// [1,2,3] + [1,3,4,5,6] mid = 4while (i <= mid && j <= right) {if (arr[i] < arr[j]) {temp[k++] = arr[i++];} else {temp[k++] = arr[j++];}}// 剩下的元素直接追加即可，两个while只会走一个while (i <= mid) {temp[k++] = arr[i++];}while (j <= right) {temp[k++] = arr[j++];}// 将temp[] => arr[left, right]for (i = 0; i < temp.length; i++) {arr[left + i] = temp[i];}}public static void main(String[] args) {int[] arr = {1, 432, 1, 3243, 54, 32, -10, 43, 90};mergeSort(arr, 0, arr.length - 1);print(arr);}}

看似很复杂，其实一点也不简单。注意点写在代码里了。只能说用Java写算法，真的头大。

python版归并排序

python版本归并排序

没错，就短短的四行。简洁多了。

接下来，就是重点，如何求1-1个亿数字的和呢？多线程+分段会是不错的选择。

1-1_0000
1_0001-2_0000
2_0001-3_0000
……
9999_0000-10000_0000

原理就是这个原理，多线程分段的求和，最后再把总体的和算出来。至少两点是确定的，线程池+Futuretask。

多线程求和

public class ThreadPoolDemo {@SneakyThrowspublic static void main(String[] args) {int[] arr = new int[10_0000];for (int i = 0; i < arr.length; i++) {arr[i] = i + 1;}StopWatch stopWatch = new StopWatch();stopWatch.start();ExecutorService executor = Executors.newFixedThreadPool(10);int sum = 0;int chunkSize = arr.length / 10;for (int i = 0; i < 10; i++) {int start = i * chunkSize;int end = (i == 9) ? arr.length : (start + chunkSize);sum += executor.submit(new SumTask(arr, start, end)).get();}executor.shutdown();stopWatch.stop();System.out.println("Sum of 1 to 100000 is: " + sum);System.out.println("代码执行时间：" + stopWatch.getLastTaskTimeMillis() + "毫秒");}
}class SumTask implements Callable<Integer> {private final int[] arr;private final int start;private final int end;public SumTask(int[] arr, int start, int end) {this.arr = arr;this.start = start;this.end = end;}@Overridepublic Integer call() {int sum = 0;for (int i = start; i < end; i++) {sum += arr[i];}return sum;}
}

看着很多，核心的一段就是这个：

for (int i = 0; i < 10; i++) {int start = i * chunkSize;int end = (i == 9) ? arr.length : (start + chunkSize);sum += executor.submit(new SumTask(arr, start, end)).get();
}

创建任务->装进线程池->获得结果->关闭线程池。

但是，在这种情况下，还能继续的优化吗？其实也是可以的，因为现在数组还是太长了，而且计算的线程不是足够的多，性能上肯定不是最优的。

多线程+分治求和

这就是今天的主角：多线程+分治实现求和。还是先看代码：

public class SumRecursive {public static class RecursiveSumTask implements Callable<Long> {// 拆分粒度public static final int THRESHOLD = 10_0000;int low;int high;int[] arr;ExecutorService executorService;RecursiveSumTask(ExecutorService executorService, int[] arr, int low, int high) {this.executorService = executorService;this.arr = arr;this.low = low;this.high = high;}@Overridepublic Long call() throws Exception {long result = 0;if (high - low < THRESHOLD) {for (int i = low; i < high; i++) {result += arr[i];}} else {int mid = (low + high) / 2;RecursiveSumTask leftTask = new RecursiveSumTask(executorService, arr, low, mid);RecursiveSumTask rightTask = new RecursiveSumTask(executorService, arr, mid, high);Future<Long> lr = executorService.submit(leftTask);Future<Long> rr = executorService.submit(rightTask);result = lr.get() + rr.get();}return result;}}@SneakyThrowspublic static void main(String[] args) {int[] arr = new int[10000_0000];for (int i = 0; i < arr.length; i++) {arr[i] = i + 1;}StopWatch stopWatch = new StopWatch();stopWatch.start();ExecutorService executorService = Executors.newCachedThreadPool();RecursiveSumTask recursiveSumTask = new RecursiveSumTask(executorService, arr, 0, arr.length);Long result = executorService.submit(recursiveSumTask).get();executorService.shutdown();stopWatch.stop();System.out.println("Sum of 1 to 100000 is: " + result);System.out.println("代码执行时间：" + stopWatch.getLastTaskTimeMillis() + "毫秒");}}