CompletableFuture的底层ForkJoinPool

什么是 ForkJoinPool？它和普通线程池（ThreadPoolExecutor）有什么区别？

答案要点：

ForkJoinPool 是 Java 7 引入的线程池，专为 分治任务 设计，支持递归任务拆分（Fork）和结果合并（Join）。

核心区别：

工作窃取算法（Work-Stealing）：空闲线程从其他线程的任务队列尾部窃取任务，提高 CPU 利用率

任务拆分与合并：天然支持递归任务的并行化，而普通线程池需要手动拆分任务

适用场景：ForkJoinPool 适合 CPU 密集型任务（如并行计算），普通线程池适合通用异步任务

---

ForkJoinPool 的“工作窃取算法”是如何工作的？为什么它能提高效率？

答案要点：

每个线程维护一个双端队列（Deque），存放自己的任务

当线程的任务队列为空时，会从其他线程的队列 尾部 窃取任务

高效原因：

减少线程空闲时间，最大化 CPU 利用率。

任务拆分和窃取是动态的，适合处理不均衡的任务负载

---

为什么 CompletableFuture 默认使用 ForkJoinPool？有什么优缺点？

答案要点：

优点：

工作窃取算法适合处理大量短小的异步任务

公共线程池复用，避免频繁创建/销毁线程的开销

缺点：

公共线程池是全局共享的，如果任务阻塞（如 I/O），可能影响其他依赖公共池的任务

默认并行级别可能不适合所有场景（需根据 CPU 核心数调整）

改进方案：为 CompletableFuture 指定自定义线程池：

ExecutorService customPool = Executors.newFixedThreadPool(10);
CompletableFuture.runAsync(() -> {...}, customPool);

---

如果 ForkJoinPool 的公共线程池被阻塞，会对系统产生什么影响？如何避免？

答案要点：

影响：

所有依赖公共线程池的功能（如并行流、CompletableFuture）性能下降

可能导致任务排队积压，甚至线程饥饿

避免方法：

禁止在公共线程池中执行阻塞操作（如同步 I/O）

为阻塞任务分配独立的线程池

---

核心设计

1. ForkJoinPool的任务会被内部存储了一个WorkQueue数组，提交给ForkJoinPool的任务会被分配到指定的WorkQueue上执行

2. 每个WorkQueue内部维护了一个ForkJoinTask数组用来存储待执行的任务，以及一个独立的ForkJoinWorkerThread用来真正执行任务

---

ForkJoinPool的执行过程

提交任务

以submit方法为例，我们看下ForkJoinPool是如何处理提交的任务的，真正处理的方法是externalPush，如下所示，

1. 判断工作队列数组是否为空

2. 通过按位与得到当前任务分配的工作队列

3. 尝试通过CAS锁定该队列

4. 判断工作队列中的任务数组是否为空

5. 释放锁

执行任务

ForkJoinPool执行任务的过程如下

runWork（）

1. 判断工作队列是否需要扩容

2. 阻塞调用对应WorkQueue的runTask方法

3. 如果无法获取到执行资源，就等待任务调用

WorkQueue的rukTask（）

1. 标记当前状态为忙碌

2. 调用当前任务执行

3. 继续执行当前队列中等待执行的任务

4. 尝试从其他WorkQueue中窃取任务执行

总结

ForkJoinPool通过内部维护WorkQueue数组的方式，将ForkJoinTask任务分配到指定的工作队列中执行，通过将鸡蛋分散在多个篮子这种分治思想提升线程的工作效率，并且针对线程执行过程中出现的空闲情况，设计出了工作窃取的算法，促使工作线程尽可能的饱和执行，在线程安全方面，通过Unsafe的CAS操作配合原子类，保证了多线程场景下的竞争安全问题

---

既然forkjoinpool这么高效，那为什么我们实际使用场景中还是要指定自定义线程池

1.公共线程池阻塞问题

默认的ForkJoinPool.commonPool()是全局共享的，如果任务中包含阻塞操作（如I/O、同步锁、数据库查询等），可能导致公共线程池中的线程被长时间占用。这会降低系统的吞吐量，甚至引发线程饥饿（所有线程被阻塞，后续任务无法执行）

若所有类似任务都使用默认线程池，大量阻塞操作会迅速耗尽公共线程池的线程

---

2.任务选型

CPU密集型任务和IO密集型任务

IO密集型任务不适合ForkJoinPool使用，因为它会长时间占用线程

ForkJoinPool在任务分治和CPU密集型场景中表现出色

---

3.控制线程池参数

ForkJoinPool.commonPool()的默认配置可能不适用于所有场景