GPars（5）：Fork-Join

Fork/join主要用于问题分解处理，分而治之。

Fork/join算法将问题划分红多个小的子问题，对每一个子问题运用一样的算法，当子问题足够小时，问题就能够直接获得解决。全部子问题都解决了，结合起来父问题也就获得了解决。

JSR-166y类库对Fork/join支持至关不错，但有些问题若是不注意，还会遇到麻烦。并且还得本身处理threads、pools及synchronization barriers（同步障）。GPars隐藏了这些东西，让你用起Fork/join来更加方便。下例是统计一指定目录及其子目录下文件个数的算法：

import groovyx.gpars.AbstractForkJoinWorker
import static groovyx.gpars.Parallelizer.*
public final class FileCounter extends AbstractForkJoinWorker

   
   
   
   

  
   
  { private final File file; def FileCounter(final File file) { this.file = file } protected void compute() { long count = 0; file.eachFile { if (it.isDirectory()) { println "Forking a thread for $it" //fork一个子任务 forkOffChild(new FileCounter(it)) } else { count++ } } //用子任务结果计算并保存本任务结果 setResult(count + ((childrenResults)?.sum() ?: 0)) } } doParallel(1) { pool -> //1个线程也能搞定 println """Number of files: ${orchestrate( new FileCounter( new File("...目录名...") ) )}""" } 

  

上例中Parallelizer.orchestrate()方法根据传递进的AbstractForkJoinWorker类型的参数（根任务）建立一个ForkJoinOrchestrator并运行该AbstractForkJoinWorker，等待结果返回。childrenResults是AbstractForkJoinWorker的属性，等待子任务结果返回，返回值为List类型。

Fork/Join操做之因此能安全地由成若干小线程运行，要归功于内部TaskBarrier类对线程的同步。当算法中一个线程被阻塞等待其子问题得以完成时，该线程会被归还到池内，以用于任务队列中其余可运行子问题。尽管算法建立了许多任务（因为子目录不少），并且都要等其子目录任务完成，但最少只需一个线程就足以保持运算进行。

GPars指南中还给出了一个比较复杂的Mergesort的例子，有兴趣的读者能够参考。

本系列的其余文章：

• GPars（1）：入门
• GPars（2）：并发集合之Parallelizer
• GPars（3）：并发集合之Map-Reduce
• GPars（4）：Asynchronizer