今天，处理器的内核数量在不断增加，以什么样的方法开发程序才能发挥出新硬件的效能呢？这正变成一个愈发重要的问题摆在了开发者面前。IBM Developerworks已经发布了一篇介绍Fork-Join并发类库的连载文章，Fork-Join类库会作为即将来到的Java 7的一部分进行发布。作者以前也报道过Java 7中最初的fork/join提案，其中还包含来自最初创建者Doug Lea的反馈。Doug Lea在他的论文“Fork/Join Parallelism in Java”中，首次把fork/join的概念引入到Java中。Doug Lea的util.concurrent包是JSR-166的基础，后者是发布在Java 5中的java.util.concurrentl类库。Fork/Join是对JSR-166的简单修订。
连载文章的第一部分详细介绍了fork-join类库的核心概念，以及它要解决的问题：
硬件的发展趋势非常清晰；Moore定律表明不会出现更高的时钟频率，但是每个芯片上会集成更多的内核。很容易想象让十几个处理器繁忙地处理一个粗粒度的任务边界（比如一个用户请求），但是这项技术不会扩大到数千个处理器——在这种环境下短时间内流量可能会呈指数级增长，但最终硬件趋势将会占上风。当跨入多内核时代时，我们需要找到更细粒度的并行性，否则将面临即便有许多工作需要去做而处理器却仍处于空闲的风险。如果希望跟上技术发展的脚步，软件平台也必须配合主流硬件平台的转变。最终，Java 7将会包含一种框架，用于表示某种更细粒度级别的并行算法：fork-join框架。
第二部分深入探讨了在第一部分里定义的概念，涉及到分而治之（divide-and-conquer）的编程技术：
Fork-join融合了分而治之技术；获取问题后，递归地将它分成多个子问题，直到每个子问题都足够小，以至于可以高效地串行地解决它们。递归的过程将会把问题分成两个或者多个子问题，然后把这些问题放入队列中等待处理（fork步骤），接下来等待所有子问题的结果（join步骤），把多个结果合并到一起。
文章接下来展示了一个使用fork/join实现合并排序（merge-sort）算法的示例。
这个连载系列的最后一部分介绍了ParallelArray类。ParallelArray是一个可用于fork/join算法的数据结构，它提供了一个通用目的API，以高度并发的方式执行数据集的搜索、过滤和转换。
从事Java的BGGA闭包提案的团队已经采纳了fork-join框架与闭包协同工作。他们还在站点上提供了一个可以工作的实现。Developerworks上的那篇连载文章列举了两个使用ParallelArray类的例子，它们之间的区别在于是否使用了闭包：
下面的例子是查找一组学生中最好的GPA，它用到了当前Java 7的fork/join提案：
ParallelArray students = new ParallelArray(fjPool, data);
double bestGpa = students.withFilter(isSenior)
.withMapping(selectGpa)
.max();
public class Student {
String name;
int graduationYear;
double gpa;
}
static final Ops.Predicate isSenior = new Ops.Predicate() {
public boolean op(Student s) {
return s.graduationYear == Student.THIS_YEAR;
}
};
static final Ops.ObjectToDouble selectGpa = new Ops.ObjectToDouble() {
public double op(Student student) {
return student.gpa;
}
};下面的例子与上面的相同，不过使用了BGGA闭包提案：
double bestGpa = students.withFilter({Student s => (s.graduationYear == THIS_YEAR) })
.withMapping({ Student s => s.gpa })
.max();
根据当前的状况估计，Java 7会在2009年早期发布。
