一、多線程介紹
在編程中，我們不可逃避的會遇到多線程的編程問題，因為在大多數的業務系統中需要並發處理，如果是在並發的場景中，多線程就非常重要了。另外，我們在面試的時候，面試官通常也會問到我們關於多線程的問題，如：如何創建一個線程？我們通常會這麼回答，主要有兩種方法，第一種：繼承Thread類，重寫run方法；第二種：實現Runnable接口，重寫run方法。那麼面試官一定會問這兩種方法各自的優缺點在哪，不管怎麼樣，我們會得出一個結論，那就是使用方式二，因為面向對象提倡少繼承，盡量多用組合。
這個時候，我們還可能想到，如果想得到多線程的返回值怎麼辦呢？根據我們多學到的知識，我們會想到實現Callable接口，重寫call方法。那麼多線程到底在實際項目中怎麼使用呢，他有多少種方式呢？
首先，我們來看一個例子：
這是一種創建多線程的簡單方法，很容易理解，在例子中，根據不同的業務場景，我們可以在Thread()裡邊傳入不同的參數實現不同的業務邏輯，但是，這個方法創建多線程暴漏出來的問題就是反复創建線程，而且創建線程後還得銷毀，如果對並發場景要求低的情況下，這種方式貌似也可以，但是高並發的場景中，這種方式就不行了，因為創建線程銷毀線程是非常耗資源的。所以根據經驗，正確的做法是我們使用線程池技術，JDK提供了多種線程池類型供我們選擇，具體方式可以查閱jdk的文檔。
這裡代碼我們需要注意的是，傳入的參數代表我們配置的線程數，是不是越多越好呢？肯定不是。因為我們在配置線程數的時候要充分考慮服務器的性能，線程配置的多，服務器的性能未必就優。通常，機器完成的計算是由線程數決定的，當線程數到達峰值，就無法在進行計算了。如果是耗CPU的業務邏輯（計算較多），線程數和核數一樣就到達峰值了，如果是耗I/O的業務邏輯（操作數據庫，文件上傳、下載等），線程數越多一定意義上有助於提升性能。
線程數大小的設定又一個公式決定：
Y=N*((a+b)/a)，其中，N:CPU核數，a:線程執行時程序的計算時間，b:線程執行時，程序的阻塞時間。有了這個公式後，線程池的線程數配置就會有約束了，我們可以根據機器的實際情況靈活配置。
二、多線程優化及性能比較
最近的項目中用到了所線程技術，在使用過程中遇到了很多的麻煩，趁著熱度，整理一下幾種多線程框架的性能比較。目前所掌握的大致分三種，第一種：ThreadPool（線程池）+CountDownLatch（程序計數器），第二種：Fork/Join框架，第三種JDK8並行流，下面對這幾種方式的多線程處理性能做一下比較總結。
首先，假設一種業務場景，在內存中生成多個文件對象，這裡暫定30000，（Thread.sleep(時間)）線程睡眠模擬業務處理業務邏輯，來比較這幾種方式的多線程處理性能。
1） 單線程
這種方式非常簡單，但是程序在處理的過程中非常的耗時，使用的時間會很長，因為每個線程都在等待當前線程執行完才會執行，和多線程沒有多少關係，所以效率非常低。
首先創建文件對象，代碼如下：
public class FileInfo { private String fileName;//文件名private String fileType;//文件類型private String fileSize;//文件大小private String fileMD5;//MD5碼private String fileVersionNO;//文件版本號public FileInfo() { super(); } public FileInfo(String fileName, String fileType, String fileSize, String fileMD5, String fileVersionNO) { super(); this.fileName = fileName; this.fileType = fileType; this.fileSize = fileSize; this.fileMD5 = fileMD5; this.fileVersionNO = fileVersionNO; } public String getFileName() { return fileName; } public void setFileName(String fileName) { this.fileName = fileName; } public String getFileType() { return fileType; } public void setFileType(String fileType) { this.fileType = fileType; } public String getFileSize() { return fileSize; } public void setFileSize(String fileSize) { this.fileSize = fileSize; } public String getFileMD5() { return fileMD5; } public void setFileMD5(String fileMD5) { this.fileMD5 = fileMD5; } public String getFileVersionNO() { return fileVersionNO; } public void setFileVersionNO(String fileVersionNO) { this.fileVersionNO = fileVersionNO; }接著，模擬業務處理，創建30000個文件對象，線程睡眠1ms,之前設置的1000ms，發現時間很長，整個Eclipse卡掉了，所以將時間改為了1ms。
public class Test { private static List<FileInfo> fileList= new ArrayList<FileInfo>(); public static void main(String[] args) throws InterruptedException { createFileInfo(); long startTime=System.currentTimeMillis(); for(FileInfo fi:fileList){ Thread.sleep(1); } long endTime=System.currentTimeMillis(); System.out.println("單線程耗時："+(endTime-startTime)+"ms"); } private static void createFileInfo(){ for(int i=0;i<30000;i++){ fileList.add(new FileInfo("身份證正面照","jpg","101522","md5"+i,"1")); } }}測試結果如下：
可以看到，生成30000個文件對象消耗的時間比較長，接近1分鐘，效率比較低。
2） ThreadPool （線程池） +CountDownLatch （程序計數器）
顧名思義，CountDownLatch為線程計數器，他的執行過程如下：首先，在主線程中調用await()方法，主線程阻塞，然後，將程序計數器作為參數傳遞給線程對象，最後，每個線程執行完任務後，調用countDown()方法表示完成任務。 countDown()被執行多次後，主線程的await()會失效。實現過程如下：
public class Test2 { private static ExecutorService executor=Executors.newFixedThreadPool(100); private static CountDownLatch countDownLatch=new CountDownLatch(100); private static List<FileInfo> fileList= new ArrayList<FileInfo>(); private static List<List<FileInfo>> list=new ArrayList<>(); public static void main(String[] args) throws InterruptedException { createFileInfo(); addList(); long startTime=System.currentTimeMillis(); int i=0; for(List<FileInfo> fi:list){ executor.submit(new FileRunnable(countDownLatch,fi,i)); i++; } countDownLatch.await(); long endTime=System.currentTimeMillis(); executor.shutdown(); System.out.println(i+"個線程耗時："+(endTime-startTime)+"ms"); } private static void createFileInfo(){ for(int i=0;i<30000;i++){ fileList.add(new FileInfo("身份證正面照","jpg","101522","md5"+i,"1")); } } private static void addList(){ for(int i=0;i<100;i++){ list.add(fileList); } }}FileRunnable類：
/** * 多線程處理* @author wangsj * * @param <T> */public class FileRunnable<T> implements Runnable { private CountDownLatch countDownLatch; private List<T> list; private int i; public FileRunnable(CountDownLatch countDownLatch, List<T> list, int i) { super(); this.countDownLatch = countDownLatch; this.list = list; this.i = i; } @Override public void run() { for(T t:list){ try { Thread.sleep(1); } catch (InterruptedException e) { e.printStackTrace(); } countDownLatch.countDown(); } }}測試結果如下：
3） Fork/Join 框架
Jdk從版本7開始，出現了Fork/join框架，從字面來理解，fork就是拆分，join就是合併，所以，該框架的思想就是。通過fork拆分任務，然後join來合併拆分後各個人物執行完畢後的結果並彙總。比如，我們要計算連續相加的幾個數，2+4+5+7=？ ，我們利用Fork/join框架來怎麼完成呢，思想就是拆分子任務，我們可以把這個運算拆分為兩個子任務，一個計算2+4，另一個計算5+7，這是Fork的過程，計算完成後，把這兩個子任務計算的結果匯總，得到總和，這是join的過程。
Fork/Join框架執行思想：首先，分割任務，使用fork類將大任務分割為若干子任務，這個分割過程需要按照實際情況來定，直到分割出的任務足夠小。然後，join類執行任務，分割的子任務在不同的隊列裡，幾個線程分別從隊列裡獲取任務並執行，執行完的結果放到一個單獨的隊列裡，最後，啟動線程，隊列裡拿取結果並合併結果。
使用Fork/Join框架要用到幾個類，關於類的使用方式可以參考JDK的API，使用該框架，首先需要繼承ForkJoinTask類，通常，只需要繼承他的子類RecursiveTask或RecursiveAction即可，RecursiveTask，用於有返回結果的場景，RecursiveAction用於沒有返回結果的場景。 ForkJoinTask的執行需要用到ForkJoinPool來執行，該類用於維護分割出的子任務添加到不同的任務隊列。
下面是實現代碼：
public class Test3 { private static List<FileInfo> fileList= new ArrayList<FileInfo>();// private static ForkJoinPool forkJoinPool=new ForkJoinPool(100);// private static Job<FileInfo> job=new Job<>(fileList.size()/100, fileList); public static void main(String[] args) { createFileInfo(); long startTime=System.currentTimeMillis(); ForkJoinPool forkJoinPool=new ForkJoinPool(100); //分割任務Job<FileInfo> job=new Job<>(fileList.size()/100, fileList)； //提交任務返回結果ForkJoinTask<Integer> fjtResult=forkJoinPool.submit(job);//阻塞while(!job.isDone()){ System.out.println("任務完成！"); } long endTime=System.currentTimeMillis(); System.out.println("fork/join框架耗時："+(endTime-startTime)+"ms"); } private static void createFileInfo(){ for(int i=0;i<30000;i++){ fileList.add(new FileInfo("身份證正面照","jpg","101522","md5"+i,"1")); } }}/** * 執行任務類* @author wangsj * */public class Job<T> extends RecursiveTask<Integer> { private static final long serialVersionUID = 1L; private int count; private List<T> jobList; public Job(int count, List<T> jobList) { super(); this.count = count; this.jobList = jobList; } /** * 執行任務，類似於實現Runnable接口的run方法*/ @Override protected Integer compute() { //拆分任務if(jobList.size()<=count){ executeJob(); return jobList.size(); }else{ //繼續創建任務，直到能夠分解執行List<RecursiveTask<Long>> fork = new LinkedList<RecursiveTask<Long>>(); //拆分子任務，這裡採用二分法int countJob=jobList.size()/2; List<T> leftList=jobList.subList(0, countJob); List<T> rightList=jobList.subList(countJob, jobList.size()); //分配任務Job leftJob=new Job<>(count,leftList); Job rightJob=new Job<>(count,rightList); //執行任務leftJob.fork(); rightJob.fork(); return Integer.parseInt(leftJob.join().toString()) +Integer.parseInt(rightJob.join().toString()); } } /** * 執行任務方法*/ private void executeJob() { for(T job:jobList){ try { Thread.sleep(1); } catch (InterruptedException e) { e.printStackTrace(); } } }測試結果如下：
4） JDK8 並行流
並行流是jdk8的新特性之一，思想就是將一個順序執行的流變為一個並發的流，通過調用parallel()方法來實現。並行流將一個流分成多個數據塊，用不同的線程來處理不同的數據塊的流，最後合併每個塊數據流的處理結果，類似於Fork/Join框架。
並行流默認使用的是公共線程池ForkJoinPool，他的線程數是使用的默認值，根據機器的核數，我們可以適當調整線程數的大小。線程數的調整通過以下方式來實現。
System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "100");以下是代碼的實現過程，非常簡單：
public class Test4 {private static List<FileInfo> fileList= new ArrayList<FileInfo>();public static void main(String[] args) {// System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "100"); createFileInfo(); long startTime=System.currentTimeMillis(); fileList.parallelStream().forEach(e ->{ try { Thread.sleep(1); } catch (InterruptedException f) { f.printStackTrace(); } }); long endTime=System.currentTimeMillis(); System.out.println("jdk8並行流耗時："+(endTime-startTime)+"ms");}private static void createFileInfo(){ for(int i=0;i<30000;i++){ fileList.add(new FileInfo("身份證正面照","jpg","101522","md5"+i,"1")); }}}下面是測試，第一次沒有設置線程池的數量，採用默認，測試結果如下：
我們看到，結果並不是很理想，耗時較長，接下來設置線程池的數量大小，即添加如下代碼：
System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "100");接著進行測試，結果如下：
這次耗時較小，比較理想。
三、總結
綜上幾種情況來看，以單線程作為參考，耗時最長的還是原生的Fork/Join框架，這裡邊儘管配置了線程池的數量，但效果較精確配置了線程池數量的JDK8並行流較差。並行流實現代碼簡單易懂，不需要我們寫多餘的for循環，一個parallelStream方法全部搞定，代碼量大大的減少了，其實，並行流的底層還是使用的Fork/Join框架，這就要求我們在開發的過程中靈活使用各種技術，分清各種技術的優缺點，從而能夠更好的為我們服務。