看了下Java Tutorials中的fork/join章节，整理下。
　　什么是fork/join框架
　　fork/join框架是ExecutorService接口的一个实现，可以帮助开发人员充分利用多核处理器的优势，编写出并行执行的程序，提高应用程序的性能；设计的目的是为了处理那些可以被递归拆分的任务。
　　fork/join框架与其它ExecutorService的实现类相似，会给线程池中的线程分发任务，不同之处在于它使用了工作窃取算法，所谓工作窃取，指的是对那些处理完自身任务的线程，会从其它线程窃取任务执行。
　　fork/join框架的核心是ForkJoinPool类，该类继承了AbstractExecutorService类。ForkJoinPool实现了工作窃取算法并且能够执行 ForkJoinTask任务。
　　基本使用方法
　　在使用fork/join框架之前，我们需要先对任务进行分割，任务分割代码应该跟下面的伪代码类似：
　　if (任务足够小){
　　直接执行该任务;
　　}else{
　　将任务一分为二;
　　执行这两个任务并等待结果;
　　}
　　首先，我们会在ForkJoinTask的子类中封装以上代码，不过一般我们会使用更加具体的ForkJoinTask类型，如 RecursiveTask（可以返回一个结果）或RecursiveAction。
　　当写好ForkJoinTask的子类后，创建该对象，该对象代表了所有需要完成的任务；然后将这个任务对象传给ForkJoinPool实例的invoke()去执行即可。
　　例子-图像模糊
　　为了更加直观的理解fork/join框架是如何工作的，可以看一下下面这个例子。假定我们有一个图像模糊的任务需要完成，原始图像数据可以用一个整型数组表示，每一个整型元素包含了一个像素点的颜色值（RBG，存放在整型元素的不同位中）。目标图像同样是由一个整型数组构成，每个整型元素包含RBG颜色信息；
　　执行模糊操作需要遍历原始图像整型数组的每个元素，并对其周围的像素点做均值操作（RGB均值），然后将结果存放到目标数组中。由于图像是一个大数组，这个处理操作会花费一定的时间。但是有了fork/join框架，我们可以充分利用多核处理器进行并行计算。如下是一个可能的代码实现（图像做水平方向的模糊操作）：
　　Tips：该例子仅仅是阐述fork/join框架的使用，并不推荐使用该方法做图像模糊，图像边缘处理也没做判断
public class ForkBlur extends RecursiveAction {
private static final long serialVersionUID = -8032915917030559798L;
private int[] mSource;
private int mStart;
private int mLength;
private int[] mDestination;
private int mBlurWidth = 15; // Processing window size， should be odd.
public ForkBlur(int[] src， int start， int length， int[] dst) {
mSource = src;
mStart = start;
mLength = length;
mDestination = dst;
}
// Average pixels from source， write results into destination.
protected void computeDirectly() {
int sidePixels = (mBlurWidth - 1) / 2;
for (int index = mStart; index < mStart + mLength; index++) {
// Calculate average.
float rt = 0， gt = 0， bt = 0;
for (int mi = -sidePixels; mi <= sidePixels; mi++) {
int mindex = Math.min(Math.max(mi + index， 0)， mSource.length - 1);
int pixel = mSource[mindex];
rt += (float) ((pixel & 0x00ff0000) >> 16) / mBlurWidth;
gt += (float) ((pixel & 0x0000ff00) >> 8) / mBlurWidth;
bt += (float) ((pixel & 0x000000ff) >> 0) / mBlurWidth;
}
// Re-assemble destination pixel.
int dpixel = (0xff000000)
| (((int) rt) << 16)
| (((int) gt) << 8)
| (((int) bt) << 0);
mDestination[index] = dpixel;
}
}
...
　　现在，我们开始编写compute()的实现方法，该方法分成两部分：直接执行模糊操作和任务的划分；一个数组长度阈值sThreshold可以帮助我们决定任务是直接执行还是进行划分；
@Override
protected void compute() {
if (mLength < sThreshold) {
computeDirectly();
return;
}
int split = mLength / 2;
invokeAll(new ForkBlur(mSource， mStart， split， mDestination)，
new ForkBlur(mSource， mStart + split， mLength - split，
mDestination));
}
　　接下来按如下步骤即可完成图像模糊任务啦：
　　1、创建图像模糊任务
　　ForkBlur fb = new ForkBlur(src， 0， src.length， dst);
　　2、创建ForkJoinPool
　　ForkJoinPool pool = new ForkJoinPool();
　　3、执行图像模糊任务
　　pool.invoke(fb);