思考:已知:1. 一个待执行的任务列表,2. 指定要启动的线程数;问题是:每个线程实际要执行哪些任务。
策略是:任务列表连续按线程数分段,先保证每线程平均能分配到的任务数,余下的任务从前至后依次附加到线程中--只是数量上,实际每个线程执行的任务都还是连续的。如果出现那种僧多(线程) 粥(任务) 少的情况,实际启动的线程数就等于任务数,一挑一。这里只实现了每个线程各扫自家门前雪,动作快的完成后眼见别的线程再累都是爱莫能助。
实现及演示代码如下:由三个类实现,写在了一个 java 文件中:TaskDistributor 为任务分发器,Task 为待执行的任务,WorkThread 为自定的工作线程。代码中运用了命令模式,如若能配以监听器,用上观察者模式来控制 UI 显示就更绝妙不过了,就能实现像下载中的区块着色跳跃的动感了,在此定义下一步的着眼点了。
代码中有较为详细的注释,看这些注释和执行结果就很容易理解的。main() 是测试方法
package com.unmi.common;
import java.util.ArrayList;
import java.util.List;
/**
* 指派任务列表给线程的分发器
* @author Unmi
* QQ: 1125535 Email: fantasia@sina.com
* MSN: kypfos@msn.com 2008-03-25
*/
public class TaskDistributor {
/**
* 测试方法
* @param args
*/
public static void main(String[] args) {
//初始化要执行的任务列表
List taskList = new ArrayList();
for (int i = 0; i < 108; i++) {
taskList.add(new Task(i));
}
//设定要启动的工作线程数为 5 个
int threadCount = 5;
List[] taskListPerThread = distributeTasks(taskList, threadCount);
System.out.println("实际要启动的工作线程数:"+taskListPerThread.length);
for (int i = 0; i < taskListPerThread.length; i++) {
Thread workThread = new WorkThread(taskListPerThread[i],i);
workThread.start();
}
}
/**
* 把 List 中的任务分配给每个线程,先平均分配,剩于的依次附加给前面的线程
* 返回的数组有多少个元素 (List) 就表明将启动多少个工作线程
* @param taskList 待分派的任务列表
* @param threadCount 线程数
* @return 列表的数组,每个元素中存有该线程要执行的任务列表
*/
public static List[] distributeTasks(List taskList, int threadCount) {
// 每个线程至少要执行的任务数,假如不为零则表示每个线程都会分配到任务
int minTaskCount = taskList.size() / threadCount;
// 平均分配后还剩下的任务数,不为零则还有任务依个附加到前面的线程中
int remainTaskCount = taskList.size() % threadCount;
// 实际要启动的线程数,如果工作线程比任务还多
// 自然只需要启动与任务相同个数的工作线程,一对一的执行
// 毕竟不打算实现了线程池,所以用不着预先初始化好休眠的线程
int actualThreadCount = minTaskCount > 0 ? threadCount : remainTaskCount;
// 要启动的线程数组,以及每个线程要执行的任务列表
List[] taskListPerThread = new List[actualThreadCount];
int taskIndex = 0;
//平均分配后多余任务,每附加给一个线程后的剩余数,重新声明与 remainTaskCount
//相同的变量,不然会在执行中改变 remainTaskCount 原有值,产生麻烦
int remainIndces = remainTaskCount;
for (int i = 0; i < taskListPerThread.length; i++) {
taskListPerThread[i] = new ArrayList();
// 如果大于零,线程要分配到基本的任务
if (minTaskCount > 0) {
for (int j = taskIndex; j < minTaskCount + taskIndex; j++) {
taskListPerThread[i].add(taskList.get(j));
}
taskIndex += minTaskCount;
}
// 假如还有剩下的,则补一个到这个线程中
if (remainIndces > 0) {
taskListPerThread[i].add(taskList.get(taskIndex++));
remainIndces--;
}
}
// 打印任务的分配情况
for (int i = 0; i < taskListPerThread.length; i++) {
System.out.println("线程 " + i + " 的任务数:" +
taskListPerThread[i].size() + " 区间["
+ taskListPerThread[i].get(0).getTaskId() + ","
+ taskListPerThread[i].get(taskListPerThread[i].size() - 1).getTaskId() + "]");
}
return taskListPerThread;
}
}
/**
* 要执行的任务,可在执行时改变它的某个状态或调用它的某个操作
* 例如任务有三个状态,就绪,运行,完成,默认为就绪态
* 要进一步完善,可为 Task 加上状态变迁的监听器,因之决定UI的显示
*/
class Task {
public static final int READY = 0;
public static final int RUNNING = 1;
public static final int FINISHED = 2;
private int status;
//声明一个任务的自有业务含义的变量,用于标识任务
private int taskId;
//任务的初始化方法
public Task(int taskId){
this.status = READY;
this.taskId = taskId;
}
/**
* 执行任务
*/
public void execute() {
// 设置状态为运行中
setStatus(Task.RUNNING);
System.out.println("当前线程 ID 是:" + Thread.currentThread().getName()
+" | 任务 ID 是:"+this.taskId);
// 附加一个延时
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
e.printStackTrace();
}
// 执行完成,改状态为完成
setStatus(FINISHED);
}
public void setStatus(int status) {
this.status = status;
}
public int getTaskId() {
return taskId;
}
}
/**
* 自定义的工作线程,持有分派给它执行的任务列表
*/
class WorkThread extends Thread {
//本线程待执行的任务列表,你也可以指为任务索引的起始值
private List taskList = null;
private int threadId;
/**
* 构造工作线程,为其指派任务列表,及命名线程 ID
* @param taskList 欲执行的任务列表
* @param threadId 线程 ID
*/
public WorkThread(List taskList,int threadId) {
this.taskList = taskList;
this.threadId = threadId;
}
/**
* 执行被指派的所有任务
*/
public void run() {
for (Task task : taskList) {
task.execute();
}
}
}
执行结果如下,注意观察每个线程分配到的任务数量及区间。直到所有的线程完成了所分配到的任务后程序结束:
线程 0 的任务数:22 区间[0,21]
线程 1 的任务数:22 区间[22,43]
线程 2 的任务数:22 区间[44,65]
线程 3 的任务数:21 区间[66,86]
线程 4 的任务数:21 区间[87,107]
实际要启动的工作线程数:5
当前线程 ID 是:Thread-0 | 任务 ID 是:0
当前线程 ID 是:Thread-1 | 任务 ID 是:22
当前线程 ID 是:Thread-2 | 任务 ID 是:44
当前线程 ID 是:Thread-3 | 任务 ID 是:66
当前线程 ID 是:Thread-4 | 任务 ID 是:87
当前线程 ID 是:Thread-0 | 任务 ID 是:1
当前线程 ID 是:Thread-1 | 任务 ID 是:23
当前线程 ID 是:Thread-2 | 任务 ID 是:45
分享到:
相关推荐
### Python多线程Ping服务器在线情况 在现代网络管理和监控任务中,经常需要检查大量服务器的在线状态。传统的逐个Ping方法效率低下且耗时。本文将详细介绍如何使用Python的多线程技术来批量Ping服务器,并高效地...
标题中的“Vedio1.0_fūck.vedio_MMFPEG推流_推流_vediopro_多线程_”可能是一个软件或者项目的版本标识,其中包含了多个关键概念,我们将逐一解析。 1. **MMFPEG推流**:MMFPEG(可能是打错了,应该是FFmpeg)是一...
队列作为一种先进先出(FIFO)的数据结构,是多线程间协调任务分配的理想选择。在我们的日志服务器中,主线程接收到日志消息后,可以将其放入一个队列中,工作线程则从队列中取出日志进行处理。这样能确保日志按照...
线程池是一种多线程处理形式,它将多个任务分发到一组预先创建的线程中,而不是为每个任务创建新的线程。这种方式可以有效管理系统资源,避免频繁创建和销毁线程导致的开销。在C++11中,线程库(thread library)被...
然而,需要注意的是,由于Python的全局解释器锁(GIL)的存在,多线程在CPU密集型任务上可能并不能充分利用多核优势。为了解决这个问题,我们可以使用`multiprocessing`模块,它允许可并行执行的进程,每个进程有...
Vulkan是一种高效、低级别的图形和计算API,由Khronos Group开发,旨在提供更好的性能和多线程能力。对于需要大量图形处理的FFmpeg应用,如视频编码和解码,集成Vulkan可以显著提升性能,尤其是在多核处理器上。 总...
在Python编程语言中,多进程(Multiprocessing)是一种并发执行任务的方法,特别是在处理大量数据或者需要充分利用多核CPU资源时非常有用。...然而,选择多进程还是多线程,需要根据具体任务的特点和需求来决定。
3. **多线程或多进程爬虫**:利用多线程或多进程提高爬虫效率。 4. **反爬虫策略应对**:学习如何绕过网站的反爬机制,如设置 User-Agent、使用代理 IP 等。 #### 常用框架 1. **Scrapy**:一个快速高效的爬虫框架...
8. **嵌入式操作系统**:可能需要使用FreeRTOS等实时操作系统,以提高任务调度和多线程处理能力。 9. **用户界面**:可能需要开发简单的图形界面,用于设置参数、监控状态,这可能涉及LCD屏幕驱动和触摸屏交互。 ...
在Python编程语言中,HTTP(超文本传输协议)是一个...总之,通过Python的requests库和多线程技术,我们可以高效、稳定地完成HTTP文件下载任务。无论是在开发小型脚本还是构建大型应用程序,这些基础知识都会非常有用。
深入研究这些文件,我们可以学习到xbin的架构设计、算法实现、错误处理策略、多线程编程、网络通信等方面的知识。对于开发者来说,这是一个宝贵的参考资料,可以帮助他们提升编程技能,了解最佳实践,并且能够有效地...
Reduce端通过TaskTracker获取Map任务完成信息,使用多个线程从完成的Map任务中拉取数据。 4. **Shell判断文件是否存在及处理**: 在Shell脚本中,可以使用条件语句`if [ ! -f "$file" ]; then touch "$file"`来...
3. **多线程处理**:VasDolly支持多线程打包,能快速处理多个渠道,节省时间。 三、`build_channels_apk.zip`工具 `build_channels_apk.zip`是对VasDolly进行封装的工具,它提供了一个更加便捷的接口,使得开发者...
这种架构通常采用非阻塞I/O或多线程/进程模型,以提高系统的并行处理能力和响应速度。 Python的`asyncio`库为实现异步I/O提供了强大的支持。`asyncio`基于事件循环(event loop),允许程序同时处理多个任务,而无需...
为解决这一问题,该系统利用多核架构和多线程技术,构建了一个支持多客户端并行执行频谱监测任务的流水线处理架构。 系统的核心是TI公司的OMAP-L138双核数字信号处理器,它集成了ARM926EJ-STM处理器和TMS320C6748 ...
8. **多线程与异步任务处理**:由于Android应用往往需要处理复杂的后台任务,这部分内容指导开发者如何正确管理和调度线程,确保程序运行流畅且响应迅速。 9. **性能优化与调试技巧**:为了提高应用的性能表现,这...
在多线程环境下,P2P客户端可以同时处理多个任务,如搜索文件、接收数据块、上传数据块等。通过并发执行这些任务,提高了文件传输速度和系统资源利用率。P2Ptracker.py文件很可能是一个P2P网络中的追踪器服务器脚本...
5. 多线程:Servlet默认是多线程的,意味着多个请求可以同时在同一个Servlet实例上执行。 6. 销毁:当服务器关闭或者Servlet不再需要时,服务器会调用Servlet的destroy()方法释放资源。这是Servlet生命周期的最后...
1. **多线程与并发**:高性能服务器通常利用多线程或异步I/O处理多个客户端请求。线程可以并行执行任务,提高系统资源利用率。在Linux中,可以使用pthread库创建和管理线程,同时要关注死锁、竞态条件和资源饥饿等...
6. **多线程**:FFmpeg4.0改进了多线程处理,使得在多核CPU上运行时性能更优。 7. **API**:FFmpeg还提供了C语言的API,允许开发人员在自己的应用程序中集成FFmpeg的功能,实现自定义的多媒体处理。 在实际应用中...