当前位置：首页 > news >正文

多线程学习之路

news 2025/9/4 12:28:20

多线程的创建方式主要有以下几种：

1. 继承 Thread 类

通过继承 Thread 类并重写 run() 方法来创建线程。

class MyThread extends Thread {@Overridepublic void run() {// 线程执行的任务System.out.println("Thread is running");}
}public class Main {public static void main(String[] args) {MyThread thread = new MyThread();thread.start(); // 启动线程}
}

2. 实现 Runnable 接口

通过实现 Runnable 接口并实现 run() 方法，然后将 Runnable 对象传递给 Thread 类的构造函数。

class MyRunnable implements Runnable {@Overridepublic void run() {// 线程执行的任务System.out.println("Thread is running");}
}public class Main {public static void main(String[] args) {MyRunnable myRunnable = new MyRunnable();Thread thread = new Thread(myRunnable);thread.start(); // 启动线程}
}

3. 实现 Callable 接口

通过实现 Callable 接口并实现 call() 方法，Callable 可以返回结果并抛出异常。通常与 ExecutorService 一起使用。

import java.util.concurrent.Callable;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.Future;class MyCallable implements Callable<String> {@Overridepublic String call() throws Exception {// 线程执行的任务return "Thread is running";}
}public class Main {public static void main(String[] args) {ExecutorService executor = Executors.newSingleThreadExecutor();MyCallable myCallable = new MyCallable();Future<String> future = executor.submit(myCallable);try {String result = future.get(); // 获取线程执行结果System.out.println(result);} catch (InterruptedException | ExecutionException e) {e.printStackTrace();} finally {executor.shutdown();}}
}

4. 使用线程池

通过 ExecutorService 和 Executors 工具类创建线程池，提交任务给线程池执行。

import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;public class Main {public static void main(String[] args) {ExecutorService executor = Executors.newFixedThreadPool(5);for (int i = 0; i < 10; i++) {Runnable task = new MyRunnable();executor.execute(task);}executor.shutdown();}
}

5. 使用 CompletableFuture（Java 8+）

CompletableFuture 提供了更高级的异步编程方式，支持链式调用和组合多个异步任务。

import java.util.concurrent.CompletableFuture;public class Main {public static void main(String[] args) {CompletableFuture<Void> future = CompletableFuture.runAsync(() -> {// 异步执行的任务System.out.println("Thread is running");});future.join(); // 等待任务完成}
}

6. 使用 Timer 和 TimerTask

Timer 和 TimerTask 可以用于创建定时任务，TimerTask 实现了 Runnable 接口。

import java.util.Timer;
import java.util.TimerTask;public class Main {public static void main(String[] args) {Timer timer = new Timer();TimerTask task = new TimerTask() {@Overridepublic void run() {// 定时执行的任务System.out.println("Thread is running");}};timer.schedule(task, 0, 1000); // 延迟0毫秒，每隔1000毫秒执行一次}
}

7. 使用 ForkJoinPool（Java 7+）

ForkJoinPool 是用于并行执行任务的线程池，特别适合分治算法和递归任务。

import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.RecursiveAction;class MyRecursiveAction extends RecursiveAction {@Overrideprotected void compute() {// 并行执行的任务System.out.println("Thread is running");}
}public class Main {public static void main(String[] args) {ForkJoinPool pool = new ForkJoinPool();MyRecursiveAction task = new MyRecursiveAction();pool.invoke(task);}
}

8.list.parallelStream()

import java.util.Arrays;
import java.util.List;

public class ParallelStream {public static void main(String[] args) {List<Integer> list = Arrays.asList(1,2,3,4,5,6,7,8,9,10);list.parallelStream().forEach(System.out::println);}}

parallelStream 是基于 Fork/Join 框架实现的，它允许将任务拆分成多个子任务并行处理，最后将结果合并。以下是 parallelStream 的底层实现原理：

Fork/Join 框架
parallelStream 的并行处理依赖于 Java 7 引入的 Fork/Join 框架。该框架的核心思想是：
分治（Divide and Conquer）：将一个大任务拆分成多个小任务（Fork），并行执行这些小任务，最后将结果合并（Join）。
工作窃取（Work Stealing）：每个线程维护一个任务队列，当某个线程完成任务后，可以从其他线程的队列中“窃取”任务来执行，从而提高 CPU 利用率。
并行流的执行流程
当调用 parallelStream() 时，Java 会创建一个并行流，其底层执行流程如下：
(1) 任务拆分
数据源（如集合）会被拆分成多个子任务。
拆分的方式取决于数据源的类型：
对于 ArrayList 等可拆分的数据结构，会按照索引范围拆分成多个子任务。
对于 HashSet 等不可直接拆分的数据结构，会先转换为数组再进行拆分。
(2) 并行执行
每个子任务会被提交到 Fork/Join 线程池（ForkJoinPool.commonPool()）中执行。
默认情况下，线程池的大小为 CPU 核心数 - 1（可以通过 -Djava.util.concurrent.ForkJoinPool.common.parallelism 参数调整）。
(3) 结果合并
每个子任务执行完成后，结果会被合并（Join）。
合并的方式取决于流的操作类型（如 reduce、collect 等）。
并行流的性能优化
数据量：并行流适合处理大规模数据，小数据量时串行流（stream()）可能更快，因为并行化会引入额外的开销（如任务拆分、线程调度等）。
数据结构：数据源的结构影响拆分效率。ArrayList 和数组等支持随机访问的数据结构更适合并行流，而 LinkedList 等链表结构则不适合。
操作类型：某些操作（如 filter、map）适合并行化，而某些操作（如 limit、findFirst）可能会限制并行化的效果。