Základní principy multi-threadingu

Optimalizace kódu v Javě

Pavlos Kosmetatos

Lead Engineer @Wealthyhood

Sekvenční vs. paralelní spuštění

Sekvenční zpracování -> operace probíhají jedna po druhé
Paralelní zpracování -> více operací probíhá současně

Jak?

Moderní CPU mají více jader
Vlákno: nejmenší jednotka spuštění programu
Multi-threading rozděluje práci mezi tato jádra

Jednovláknové zpracování je jako jednopruhová silnice, kde auta jezdí za sebou. Multi-threading je jako vícepruhová silnice, kde auta jedou souběžně!

Použití vláken

Třída Thread umožňuje vytváření nových cest spuštění
Každé vlákno Thread může běžet nezávisle

Runnable task = () -> {
    System.out.println("Processing on thread: " + 
                       Thread.currentThread().getName());
};

Thread thread = new Thread(task);
thread.start();

Processing on thread: Thread-0

Práce s více vlákny

List<Thread> threads = new ArrayList<Thread>();
for (int i = 0; i < 4; i++) {
    Thread thread = new Thread(() -> System.out.println("Processing data on Thread-" + i));
    threads.add(thread);
    thread.start();
}

for (Thread t : threads) {
    t.join(); // Waits for all threads to complete
}

// Processing data on Thread-0
// Processing data on Thread-2
// Processing data on Thread-1
// Processing data on Thread-3

Paralelní streamy

Streamy – funkce Javy 8+ pro zjednodušený paralelismus
Automaticky spravuje vytváření a správu vláken
Dva způsoby vytvoření:
- collection.parallelStream()
- Stream.of(...).parallel()

Příklad paralelních streamů

// Sequential processing
List<Integer> result1 = new ArrayList<>();
for (int i = 0; i < numbers.size(); i++) {
    result1.add(numbers.get(i) * 2);
}

// Sequential processing with stream
List<Integer> result2 = numbers.stream()
    .map(n -> n * 2)
    .collect(Collectors.toList());


// Parallel processing with parallel stream
List<Integer> result3 = numbers.parallelStream()
    .map(n -> n * 2)
    .collect(Collectors.toList());

Kdy použít paralelní zpracování

Operace náročné na CPU
Nezávislé zpracování dat
Velké datové kolekce
Dostupná jádra CPU > 1
Režie paralelizace se nemusí vyplatit pro:
- Malé datové sady
- Jednoduché operace

Shrnutí

Třída Thread pro vytváření paralelních cest spuštění
Paralelní streamy pro zjednodušené zpracování kolekcí
Přínosy závisí na:
- Typu zátěže
- Velikosti dat
- Dostupných jádrech

Pojďme cvičit!

Optimalizace kódu v Javě