zoukankan      html  css  js  c++  java
  • Java多线程-新特性-有返回值的线程

     

    在Java5之前,线程是没有返回值的,常常为了“有”返回值,破费周折,而且代码很不好写。或者干脆绕过这道坎,走别的路了。

    现在Java终于有可返回值的任务(也可以叫做线程)了。

    可返回值的任务必须实现Callable接口,类似的,无返回值的任务必须Runnable接口。

    执行Callable任务后,可以获取一个Future的对象,在该对象上调用get就可以获取到Callable任务返回的Object了。

    下面是个很简单的例子:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    package com.ljq.test.thread;
     
    import java.util.concurrent.Callable;
    import java.util.concurrent.ExecutionException;
    import java.util.concurrent.ExecutorService;
    import java.util.concurrent.Executors;
    import java.util.concurrent.Future;
     
    public class CallableFutureTest {
        @SuppressWarnings("unchecked")
        public static void main(String[] args) throws ExecutionException,
                InterruptedException {
            CallableFutureTest test = new CallableFutureTest();
     
            // 创建一个线程池
            ExecutorService pool = Executors.newFixedThreadPool(2);
            // 创建两个有返回值的任务
            Callable c1 = test.new MyCallable("A");
            Callable c2 = test.new MyCallable("B");
     
            // 执行任务并获取Future对象
            Future f1 = pool.submit(c1);
            Future f2 = pool.submit(c2);
     
            // 从Future对象上获取任务的返回值,并输出到控制台
            System.out.println(">>>" + f1.get().toString());
            System.out.println(">>>" + f2.get().toString());
     
            // 关闭线程池
            pool.shutdown();
        }
     
        @SuppressWarnings("unchecked")
        class MyCallable implements Callable {
            private String name;
     
            MyCallable(String name) {
                this.name = name;
            }
     
            public Object call() throws Exception {
                return name + "任务返回的内容";
            }
        }
    }
  • 相关阅读:
    KMP字符串匹配算法
    彩色图像处理之色彩学基础
    Dijkstra单源最短路径算法
    论文笔记 [6] 图像幻构中的 Feature Enhancement
    论文笔记 [5] SRCNN
    论文笔记 [4] ARCNN(Artifacts Reduction CNN)
    论文笔记 [3] CNN去compression artifacts
    LeetCode小白菜笔记[11]:Search Insert Position
    论文笔记[2] 基于深度学习的CNN图像质量评估和预测
    Geophysics背景知识(3)
  • 原文地址:https://www.cnblogs.com/dreamOfChen/p/4896382.html
Copyright © 2011-2022 走看看