Master-Worker模式：常用的并行计算模式，核心思想是系统由两类进行协作工作：Master进程 和Worker进程。
Master负责接收和分配任务，Worker负责处理子任务。当各个Worker子进程处理完成后，会将结果返回给Master，由Master做归纳与总结。
好处是将一个大任务分解成若干个小任务，并行执行，提高系统吞吐量。
实际具体的业务处理方法handle()不应该写在核心框架中，最好写在Worker子类中，且是抽象的，模板方法。在Main函数中可以new自己的子类，进行解耦。
package demo5;
public class Task {
private int id;
private String name;
private int price;
/**
* @return the id
*/
public int getId() {
return id;
}
/**
* @param id
* the id to set
*/
public void setId(int id) {
this.id = id;
}
/**
* @return the name
*/
public String getName() {
return name;
}
/**
* @param name
* the name to set
*/
public void setName(String name) {
this.name = name;
}
/**
* @return the price
*/
public int getPrice() {
return price;
}
/**
* @param price
* the price to set
*/
public void setPrice(int price) {
this.price = price;
}
}
package demo5;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.ConcurrentLinkedQueue;
public abstract class Worker implements Runnable {
private ConcurrentLinkedQueue<Task> workQueue;
private ConcurrentHashMap<String, Object> resultMap;
public void setWorkerQueue(ConcurrentLinkedQueue<Task> workQueue) {
this.workQueue = workQueue;
}
public void setResultMap(ConcurrentHashMap<String, Object> resultMap) {
this.resultMap = resultMap;
}
public abstract Object handle(Task input);
@Override
public void run() {
while (true) {
Task input = this.workQueue.poll();
if (input == null) {
break;
}
// 真正去做业务处理
Object output = handle(input);
this.resultMap.put(Integer.toString(input.getId()), output);
}
}
}
package demo5;
public class MyWorker extends Worker {
public Object handle(Task input) {
Object output = null;
try {
Thread.sleep(500);
output = input.getPrice();
} catch (InterruptedException e) {
e.printStackTrace();
}
return output;
}
}
package demo5;
import java.util.HashMap;
import java.util.Map;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.ConcurrentLinkedQueue;
public class Master {
// 1.应该有一个盛装任务的集合
private ConcurrentLinkedQueue<Task> workQueue = new ConcurrentLinkedQueue<Task>();
// 2.使用HashMap去盛装所有worker对象
private HashMap<String, Thread> workers = new HashMap<String, Thread>();
// 3.使用一个容器盛装每一个worker并发执行任务的结果集
private ConcurrentHashMap<String, Object> resultMap = new ConcurrentHashMap<String, Object>();
// 4.构造方法
public Master(Worker worker, int workerCount) {
// 每一个worker对象都需要有Master的引用workQueue用于任务的领取，resultMap用于任务的提交
worker.setWorkerQueue(this.workQueue);
worker.setResultMap(this.resultMap);
for (int i = 0; i < workerCount; i++) {
// key表示每一个worker的名字,value表示线程执行对象
workers.put("子节点" + Integer.toString(i), new Thread(worker));
}
}
// 5.提交方法
public void submit(Task task) {
this.workQueue.add(task);
}
// 6.需要有一个执行的方法，启动应用程序，让所有的worker工作
public void execute() {
for (Map.Entry<String, Thread> me : workers.entrySet()) {
me.getValue().start();
}
}
// 7.判断线程是否执行完毕
public boolean isComplete() {
for (Map.Entry<String, Thread> me : workers.entrySet()) {
if (me.getValue().getState() != Thread.State.TERMINATED) {
return false;
}
}
return true;
}
// 8.返回结果集数据
public int getResult() {
int ret = 0;
for (Map.Entry<String, Object> me : resultMap.entrySet()) {
ret += (Integer) me.getValue();
}
return ret;
}
}
package demo5;
import java.util.Random;
public class Main {
public static void main(String[] args) {
System.out.println("我的机器可用processor数量：" + Runtime.getRuntime().availableProcessors());
Master master = new Master(new MyWorker(), Runtime.getRuntime().availableProcessors());
Random r = new Random();
for (int i = 0; i <= 100; i++) {
Task t = new Task();
t.setId(i);
t.setName("任务" + i);
t.setPrice(r.nextInt(1000));
master.submit(t);
}
master.execute();
long start = System.currentTimeMillis();
while (true) {
if (master.isComplete()) {
long end = System.currentTimeMillis() - start;
int result = master.getResult();
System.out.println("最终结果:" + result + ", 执行耗时： " + end);
break;
}
}
}
}
