Question

我有一个名为List<String>的{{1}}和一个名为lines的巨型（~3G）Set<String>。我需要找到位于voc的{{1}}中的所有行。我可以这样做多线程吗？

目前我有这个简单的代码：

lines

有没有办法同时搜索几行？可能有现成的解决方案吗？

PS：我正在使用voc，因为它在填充期间表现更好。

Answer 1

这是一个可能的实现。请注意，错误/中断处理已被省略，但这可能会给您一个起点。我包含了一个main方法，因此您可以将其复制并粘贴到IDE中以进行快速演示。

修改：为了提高可读性和列表分区而稍微清理了一下

import java.util.ArrayList;
import java.util.HashSet;
import java.util.List;
import java.util.Set;
import java.util.concurrent.Callable;
import java.util.concurrent.CompletionService;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ExecutorCompletionService;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;

public class ParallelizeListSearch {

    public static void main(String[] args) throws InterruptedException, ExecutionException {
        List<String> searchList = new ArrayList<String>(7);
        searchList.add("hello");
        searchList.add("world");
        searchList.add("java");
        searchList.add("debian");
        searchList.add("linux");
        searchList.add("jsr-166");
        searchList.add("stack");

        Set<String> targetSet = new HashSet<String>(searchList);

        Set<String> matchSet = findMatches(searchList, targetSet);
        System.out.println("Found " + matchSet.size() + " matches");
        for(String match : matchSet){
            System.out.println("match:  " + match);
        }
    }

    public static Set<String> findMatches(List<String> searchList, Set<String> targetSet) throws InterruptedException, ExecutionException {
        Set<String> locatedMatchSet = new HashSet<String>();

        int threadCount = Runtime.getRuntime().availableProcessors();   

        List<List<String>> partitionList = getChunkList(searchList, threadCount);

        if(partitionList.size() == 1){
            //if we only have one "chunk" then don't bother with a thread-pool
            locatedMatchSet = new ListSearcher(searchList, targetSet).call();
        }else{  
            ExecutorService executor = Executors.newFixedThreadPool(threadCount);
            CompletionService<Set<String>> completionService = new ExecutorCompletionService<Set<String>>(executor);

            for(List<String> chunkList : partitionList)
                completionService.submit(new ListSearcher(chunkList, targetSet));

            for(int x = 0; x < partitionList.size(); x++){
                Set<String> threadMatchSet = completionService.take().get();
                locatedMatchSet.addAll(threadMatchSet);
            }

            executor.shutdown();
        }


        return locatedMatchSet;
    }

    private static class ListSearcher implements Callable<Set<String>> {

        private final List<String> searchList;
        private final Set<String> targetSet;
        private final Set<String> matchSet = new HashSet<String>();

        public ListSearcher(List<String> searchList, Set<String> targetSet) {
            this.searchList = searchList;
            this.targetSet = targetSet;
        }

        @Override
        public Set<String> call() {
            for(String searchValue : searchList){
                if(targetSet.contains(searchValue))
                    matchSet.add(searchValue);
            }

            return matchSet;
        }

    }

    private static <T> List<List<T>> getChunkList(List<T> unpartitionedList, int splitCount) {
        int totalProblemSize = unpartitionedList.size();
        int chunkSize = (int) Math.ceil((double) totalProblemSize / splitCount);

        List<List<T>> chunkList = new ArrayList<List<T>>(splitCount);

        int offset = 0;
        int limit = 0;
        for(int x = 0; x < splitCount; x++){
            limit = offset + chunkSize;
            if(limit > totalProblemSize)
                limit = totalProblemSize;
            List<T> subList = unpartitionedList.subList(offset, limit);
            chunkList.add(subList);
            offset = limit;
        }

        return chunkList;
    }

}

Answer 2

绝对可以使用多个线程并行化。您可以执行以下操作：

将列表拆分为不同的“块”，每个线程将执行一次搜索。
让每个线程查看其块，检查每个字符串是否在集合中，如果是，则将字符串添加到结果集中。

例如，您可能有以下线程例程：

public void scanAndAdd(List<String> allStrings, Set<String> toCheck,
                       ConcurrentSet<String> matches, int start, int end) {
    for (int i = start; i < end; i++) {
        if (toCheck.contains(allStrings.get(i))) {
            matches.add(allStrings.get(i));
        }
    }
}

然后，您可以生成所需数量的线程，以运行上述方法并等待所有线程完成。然后，生成的匹配将存储在matches。

为简单起见，我的输出设置为ConcurrentSet，它会自动消除由于写入引起的竞争条件。由于您只对要检查的字符串和字符串列表进行读取，因此从allStrings读取或在toCheck中执行查找时不需要同步。

希望这有帮助！

Answer 3

如果您正在寻找此功能，只需在不同的线程之间拆分行（至少在Oracle JVM中）将工作分散到所有CPU中。我喜欢使用CyclicBarrier，让这些线程更容易控制。

http://javarevisited.blogspot.cz/2012/07/cyclicbarrier-example-java-5-concurrency-tutorial.html

Answer 4

另一种选择是使用Akka，它可以非常简单地完成这些事情。

实际上，在与Akka进行了一些搜索工作之后，我可以告诉你的一件事就是它支持两种并行化方式：通过Composable Futures或Agents。对于您想要的，可组合期货将是完全足够的。然后，Akka实际上并没有增加那么多：Netty正在提供大规模并行的io基础设施，而Futures是jdk的一部分，但Akka确实将这两者放在一起并在需要时扩展它们非常简单。

并行化Java集中的搜索

4 个答案: