编写并发程序 Inversion

做完了 scala parallel 课程作业后，觉得 scala 写并发程序的便捷性是 java 永远都追不上的。scala 的Future 和 Promise，java 里 Future 和 CompleteFuture 实现了类似的功能，但是使用的便捷性还差的很远，java.util.Future 本身 API 较少，不支持链式操作。CompleteFuture 丰富了 Future 的 API，但是也不好用。

这里用 Scala parallel 学到的东西计算 Inversion. Inversion 叫做逆序对，它的 nlogn 算法的思想是在 merge sort 的 Merge 阶段计算逆序对的个数。先列出单线程解法。

public static long sort(List<Integer> numbers, int left, int right) {

　　if(left >= right) return 0L;

　　if(left + 1 == right) return 0L;

　　int mid = (right - left) / 2 + left;

　　long leftInversion = sort(numbers, left, mid);

　　long rightInversion = sort(numbers, mid, right);

　　long mergeInversion = merge(numbers, left, mid, right);

　　return (leftInversion + rightInversion + mergeInversion);

}

public static long merge(List<Integer> numbers, int left, int mid, int right) {

　　List<Integer> buf = new ArrayList<>();

　　int leftCursor = left, rightCursor = mid;

　　long inversion = 0;

　　

　　while(leftCursor < mid && rightCursor < right) {

　　　　if(numbers.get(leftCursor) <= numbers.get(rightCursor)) buf.add(numbers.get(leftCursor ++));

　　　　else {

　　　　　　buf.add(numbers.get(rightCursor ++));

　　　　　　inversion += (mid - leftCursor);

　　　　}

　　　　while(leftCursor < mid) buf.add(numbers.get(leftCursor ++));

　　　　while(rightCursor < right) buf.add(numbers.get(rightCursor ++));

　　　　for(int i = 0; i < (right - left); i ++) numbers.set(i+left, buf.get(i));

　　　　return inversion;

　　}

}

做 benchmark 一定要注意同一段程序要 run 多遍，以最后一遍的运行时间为准，因为预热阶段包括对内存的填充，线程的创建等等。

在我的 4 核 i7 mac 上跑了三轮，10万数字的 inversion, 时间分别是 100ms, 70ms, 40ms.

然后是并行解法。并行解法使用了 ForkJoinPool，别的 threadPool 也是一样的，但是性能上是否有区别就不知道了。

为了避免每次执行任务都要创建 ForkJoinTask, 先写一个 wrapper.

public abstract class TaskScheduler {

　　public abstract <T> ForkJoinTask<T> schedule(Function<Void, T> func);

}

public class DefaultTaskScheduler extends TaskScheduler {

　　public <T> ForkJoinTask<T> schedule(Function<Void, T> func) {

　　　　ForkJoinTask<T> task = new ForkJoinTask<T>() {

　　　　　　protected T compute() { return func.apply(null); }

　　　　};

　　　　ForkJoinCom.pool.execute(task);

　　　　return task;

　　}

}

有了这个 Wrapper 以后，就可以通过 schedule 函数直接把运算逻辑变成 ForkJoinTask。

merge 是顺序执行的，写不出它的并行实现，但是 sort 函数是分而治之算法，每次把 List 划分为不相交的两段，可以并行的对这两段排序。

public static long parSort(List<Integer> nums, int left, int right, int threshold) {

　　if(right - left <= threshold) return Inversion.sort(nums, left, right);

　　int mid = (right - left) /2 + left;

　　ForkJoinTask<Long> leftTask = ForkJoinCom.scheduler.schedule(Void -> parSort(nums, left, mid, threshold));

　　ForkJoinTask<Long> rightTask = ForkJoinCom.scheduler.schedule(Void -> parSort(nums, mid, right, threshold));

　　long leftInversions = leftTask.join();

　　long rightInversions = rightTask.join();

　　long mergeInversions = Inversion.merge(numbers, left, mid, right);

　　return leftInversions + rightInversions + mergeInversions;

}

到这里，并行解法就算写完了，但是性能提升的并不明显。尝试调整 threshold, 调整 ForkJoinPool 的线程数目，效果依然不明显。回忆 scala 作业题里老师给出的实现，突然想到，当 leftTask, rightTask 正在执行的时候，当前线程只是傻等着，什么都没干，这是对 CPU 资源的浪费。照着这个思路稍微修改了下 parSort 方法:

ForkJoinTask<Long> leftTask = ForkJonCom.scheduler.schedule(Void -> parSort(nums, left, mid, threshold));

//     ForkJoinTask<Long> rightTask = ForkJonCom.scheduler.schedule(Void -> parSort(nums, mid, right, threshold));

  

long rightInversion = parSort(nums, mid, right, threshold);

long leftInversion = leftTask.join(); 

 

经过修改，parSort 的第三轮成绩是 16ms, 比单线程算法快了一倍多。