在參考資料中，對斐波納契數(shù)列(Fibonacci)進行求解來展示RecursiveTask的用法，很好。
另外，在JSR166y演進的過程中，其算法經(jīng)過調(diào)整，導(dǎo)致原示范代碼中存在一些問題，需要進行些許調(diào)整。歷史遺留代碼，如下：
Fibonacci f1 = new Fibonacci(n - 1);
f1.fork();
Fibonacci f2 = new Fibonacci(n - 2);
f2.fork();
return f2.join() + f1.join();
但現(xiàn)在已不建議使用。真要如此執(zhí)行，會一直阻塞等待（至少我本機是如此）。查看RecursiveTask的源代碼，也發(fā)現(xiàn)示范doc中，兩個RecursiveTask類型結(jié)果相互匯聚，推薦示范為：
Fibonacci f1 = new Fibonacci(n - 1);
f1.fork();
Fibonacci f2 = new Fibonacci(n - 2);
return f2.compute() + f1.join();
嗯，這里同時提供一個單線程版本的參考實現(xiàn)，與之作為對比：
在測試時，發(fā)現(xiàn)速度太慢，于是萌生了改進了其算法的想法，于是一個非遞歸、單線程版本實現(xiàn)出現(xiàn)了：
使用JUNIT 4進行測試類：
該貼的代碼，都貼完了，可以預(yù)測一下哪一個算法的速度排名嗎 ？嗯，貼出運行JUNIT測試輸出結(jié)果吧：
Fork/Join 算法 ...
1836311903
用時 : 2203
單線程遞歸算法 ...
1836311903
用時 : 1016
單線程改進遞增算法 ...
1836311903
用時 : 0
在測試類中，把MAX設(shè)置為55或更大的數(shù)字，以上兩個算法就可能等待過長的時間（實在沒有耐心等待那么長時間），而算法三，即使設(shè)置再大，也是瞬時完成。
上面的測試類中，把results數(shù)組以static修飾，公共共享方式，存放在常量區(qū)，在速度上會比原始測試代碼讀取方面更為迅速，快了不少。
本機的CPU雙核的效果沒有體現(xiàn)出來。權(quán)威一些的解析：
在Java 7 生命周期內(nèi)，大的（32+）多核系統(tǒng)將大量出現(xiàn)，有了這個框架可以讓人們對計算密集型任務(wù)獲得相對簡單的增速方法。目前，forkjoin在如Sun Niagaras和Azuls這樣的機器上工作得最好，它們只是即將普及的并行處理器。Forkjoin在標準SMP上工作的也不錯。總體來講，少于4處理器的話你不并能獲得太多增速效果——其主要目標是針對成打到成百處理器范圍。
另一方面，也是任務(wù)劃分過于細小，優(yōu)勢體現(xiàn)不出來。當然，不是所有的任務(wù)都適合Fork/Join模式，以及適合多線程，就看具體任務(wù)具體分析了。