Java 理论与实践: 应用 fork-join 框架1
阙值 = 500k阙值 = 50k阙值 = 5k阙值 = 500阙值 = -50Pentium-4 HT（2 个线程）1.01.071.02.82.2Dual-Xeon HT（4 个线程）.883.023.22.22.438-way Opteron（8 个线程）1.05.295.734.532.038-core Niagara（32 个线程）.9810.4617.2115.346.49
结果很令人振奋，因为它们在选择各种参数时显示了不错的加速比。因此，只要避免为问题和底层硬件选择完全不合理的参数，就会获得不错的结果。使用 chip-multithreading 技术，最优的加速比不太明显；像 Hyperthreading 这样的 CMT 方法所提供的性能要低于等价数量的实际内核提供的性能，但是性能损失取决于许多因素，包括正在执行的代码的缓存丢失率（miss rate）。
此处选择的顺序阙值范围从 500K（数组的大小，表示没有并行性）到 50。在这个例子中，阙值为 50 实在太小，有些不切实际，而且结果显示，顺序阙值太低时，fork-join 任务管理开销将起决定作用。但是表 1 也显示只要避免这种不切实际的过高和过低的参数，就会获得不错的结果。选择?Runtime.availableProcessors()?作为工作线程的数量通常会获得与理想结果相近的结果，因为在 fork-join 池中执行的任务都是和 CPU 绑定的，但是，只要避免设置过大或过小的池，这个参数对结果就不会有太大影响。
MaxWithFJ?类中不需要显式同步。它操作的数据对于问题的生命周期来说是不变的，并且?ForkJoinExecutor?中有足够的内部同步可以保证问题数据对于子任务的可视性，也可以保证子任务结果对于跟它们结合的任务的可视性。
结束语
fork-join 方法提供了一种表示可并行化算法的简单方式，而不用提前了解目标系统将提供多大程度的并行性。所有的排序、搜索和数字算法都可以进行并行分解（以后，像?Arrays.sort()?这样的标准库机制将会使用 fork-join 框架，允许应用程序免费享有并行分解的益处）。随着处理器数量的增长，我们将需要在程序内部使用更多的并行性，以有效利用这些处理器；对计算密集型操作（比如排序）进行并行分解，使程序能够更容易利用未来的硬件。
