当前位置: 首页 > article >正文

Java JUC(一)并发编程实现:锁CAS

JUC Java 并发包 高级并发工具集合是 Java 高性能并发编程的核心库包括线程池、锁、原子类和并发集合等让多线程开发更安全、高效、易维护。核心模块典型类线程池Executor, ExecutorService, ThreadPoolExecutor, ScheduledThreadPoolExecutor 线程管理与复用异步任务执行并发集合ConcurrentHashMap, ConcurrentLinkedQueue, CopyOnWriteArrayList 线程安全集合替代 synchronized 集合锁 同步器ReentrantLock, ReentrantReadWriteLock, StampedLock, Semaphore, CountDownLatch, CyclicBarrier 提供更灵活高效的线程同步与互斥原子类AtomicInteger, AtomicLong, AtomicReference, AtomicReferenceArray 原子操作避免显式加锁工具类ThreadLocalRandom, ForkJoinPool, Phaser 提供高性能随机数、多线程任务分解、线程协作接下来将从并发编程的角度进行拆解首先并发的三个基本原则入手即原子性一个操作不可被中断要么全部完成要么完全不做可见性一个线程修改的值其他线程可以及时看到有序性程序执行顺序按照代码顺序执行线程可能乱序cpu指令重排并发问题JUC 工具说明原子性AtomicInteger、AtomicReference、ReentrantLockCAS 或锁保证操作不可中断可见性volatile 并发集合确保修改被其他线程看到有序性volatile、锁、ConcurrentHashMap防止指令重排保证操作顺序高级抽象线程池、同步器、阻塞队列避免手写低级同步提升性能与安全性一. volatile关键字是怎么实现有序性和可见性的强制内存读写禁止指令重排是轻量级同步机制适合状态标志或单次赋值场景但不能保证原子性。如 、i i 1因为这些操作底层由多步指令组成多个线程交错执行时仍可能产生竞态。原子性需要锁或原子类来保证。二. 原子性如何保证悲观锁synchronized / ReentrantLock通过排他性阻塞保证原子性属于悲观策略乐观锁CAS原子类通过不加锁、冲突检测和重试实现原子性属于乐观策略。原子性本质可以通过悲观锁或乐观锁实现只是机制不同悲观锁阻塞等待乐观锁自旋重试1 悲观锁能力synchronizedAQS可重入✅✅公平锁❌✅可选可中断❌✅超时获取锁❌✅条件变量wait/notifyCondition共享锁❌✅读写锁、Semaphore灵活性低高1.1 synchronizedsynchronized属于Java自带的锁是 JVM 层面实现的阻塞锁可以用来修饰代码块、参数、方法等等修饰的角色不同锁的对象不同。底层实现对象头 每个对象都有对象头Mark Word存储锁状态、哈希码、GC信息等锁信息、持有线程ID等信息MonitorJVM 提供的同步原语每个对象有一个 Monitor线程获取锁 → Monitor 管理锁的竞争、阻塞、唤醒锁的状态JDK1.6synchronized 有三种轻量化策略 重量级锁锁升级机制锁类型特点场景偏向锁偏向第一次获取锁的线程无竞争时无需同步操作单线程频繁访问轻量级锁竞争少使用 CAS 自旋尝试获取锁多线程偶尔竞争重量级锁竞争激烈线程阻塞挂起OS mutex多线程频繁竞争退偏向 / 升级锁会根据竞争情况自动升级动态适应并发强度获取锁流程当首个线程来获取锁默认是偏向锁如果偏向锁遇到其他线程竞争时JVM 会撤销偏向锁将对象头升级为轻量级锁Mark Word 指向持有线程的栈 Lock Record竞争的线程自旋 CAS 获取锁尝试指向自己的Lock Record。若自旋失败超过阈值则升级为重量级锁由操作系统挂起线程设计内核态的切换保证多线程安全。锁升级就是通过原子地修改对象头 Mark Word 来切换锁状态而线程的竞争和安全性都依赖于 CAS 或 JVM 内部原子操作释放锁流程偏向锁线程退出临界区直接清空对象头恢复无锁状态轻量级锁当释放锁使用自身的 Lock Record CAS 尝试清空对象头并摧毁自己的Lock Record。CAS 成功 → 对象头恢复无锁/原始状态CAS 失败 → 说明自旋线程已经抢到锁CAS 成功把对象头改为自己的 Lock Recordmonitorexit /monitorenter相关重量级锁通过 Monitor管理等待队列释放锁时唤醒队列线程必要时涉及线程挂起/唤醒内核态切换保证多线程安全降级锁锁降级只发生在 重量级锁 → 轻量级锁当前线程持有重量级锁Monitor释放锁时Monitor 检测等待队列中没有其他线程阻塞JVM 可以把对象头的锁标记改回轻量级锁状态Mark Word 指向线程栈 Lock Record避免下一次进入临界区再次升级到重量级锁降低内核态切换开销注意锁不会从轻量级降到偏向锁因为偏向锁依赖线程 ID且存在撤销偏向锁的成本为什么要降级重量级锁涉及 操作系统内核态切换 线程挂起/唤醒如果锁竞争消失继续保持重量级锁会浪费性能降级到轻量级锁 → 线程再次进入临界区可以用用户态 CAS 竞争开销低总的来说synchronized可重入不公平无法保证FIFO)不可中断执行/阻塞不可超时获取无法实现共享条件变量只能通过wait/notify进行通知灵活性比较低1.2 AQS锁AQS锁即抽象队列同步器原理是通过CAS修改一个volatile的int型state变量一个FIFO的管理等待队列实现。AQS 的等待队列采用 FIFO 机制线程竞争失败后会入队并通过 LockSupport.park() 挂起进入内核态阻塞只有队头节点被 unpark 唤醒并尝试 CAS 获取锁其它线程始终处于 WAITING 状态从而避免大量线程同时竞争导致的“惊群效应”同时通过“短暂自旋 阻塞”结合的策略在减少内核态切换开销和避免 CPU空转之间取得平衡。此外AQS 比 synchronized的优势主要在于更加灵活和可扩展支持可中断、超时获取锁、公平锁、多条件队列以及共享锁等高级特性。获取锁流程排他模式假设 ReentrantLock.lock()尝试快速获取锁调用 tryAcquire(state) 如果 state0 → CAS 设置 state → 成功拿锁如果state0 → 进入等待队列 加入 FIFO 队列 用 enq() 方法把当前线程封装成 Node 添加到尾部阻塞/自旋等待前驱节点释放锁时调用 unpark 唤醒后继线程 线程不断尝试 CAS tryAcquire 获取锁持锁线程拿到锁的线程执行临界区释放锁通过 release() → state 减 1 唤醒等待队列头节点线程释放锁流程排他锁 release():state state - 1if state 0:unpark(head.next.thread)共享锁如 Semaphore / CountDownLatch releaseShared() CAS 保证 状态修改原子性state state 1unpark(head.next.thread) 、常见的AQS锁独占锁ReentrantLock、写锁、Semaphore(1)共享锁读锁、Semaphore(n)、CountDownLatch条件队列ReentrantLock.Condition 核心都是通过 state CLH 队列 park/unpark 来实现线程排队、阻塞和唤醒的。2 乐观锁CAS乐观锁与其说是真正存在的锁不如说是一种compare and swap的思想即读取的时候获取旧值在更改的时候先对比旧值是否一致一致才更改否则更新失败。这个判断更新的操作是原子性的是通过cpu原子指令CMPXCHG实现的。乐观锁Java中的应用主要是在各种锁中更新状态的操作JUC 包中原子类AtomicInteger、AtomicReference、AtomicLong 等对于这种类型的数据是可以实现不加锁的原子修改的。CAS 的优缺点优点✅ 特点原子性、不加锁、非阻塞性能高避免了重量级锁的上下文切换缺点ABA 问题变量先是 A → B → ACAS 会误以为没变(解决方案Atomic-StampedReference加版本号)循环重试开销 CAS 失败需要自旋重试 → 高竞争下 CPU 占用高只能保证一个变量的原子操作 多变量原子更新需要组合方案如锁或VarHandle

相关文章:

Java JUC(一)并发编程实现:锁CAS

JUC Java 并发包 高级并发工具集合,是 Java 高性能并发编程的核心库,包括线程池、锁、原子类和并发集合等,让多线程开发更安全、高效、易维护。核心模块典型类线程池Executor, ExecutorService, ThreadPoolExecutor, ScheduledThreadPoolEx…...

W25Q128 SPI Flash实战指南:从寄存器配置到常用指令全解析

W25Q128 SPI Flash实战指南:从寄存器配置到常用指令全解析 在嵌入式系统开发中,外部存储设备的选择往往决定了产品的数据存储能力和性能表现。W25Q128作为一款128Mbit(16MB)容量的SPI Flash存储器,凭借其高性价比、低功耗和灵活的接口配置&am…...

CLIP ViT-H-14 GPU利用率提升技巧:FP16推理+TensorRT加速实践

CLIP ViT-H-14 GPU利用率提升技巧:FP16推理TensorRT加速实践 1. 项目背景与挑战 CLIP ViT-H-14作为当前最先进的视觉语言模型之一,在图像特征提取领域展现出强大能力。但在实际部署中,我们面临两个主要挑战: 显存占用高&#x…...

Ostrakon-VL-8B赋能餐饮运维:基于视觉的硬件设备故障预判

Ostrakon-VL-8B赋能餐饮运维:基于视觉的硬件设备故障预判 1. 引言 想象一下,一家连锁餐厅的经理,每天最头疼的事情之一,可能就是后厨那台“脾气不定”的制冰机。它可能在最繁忙的午市突然罢工,也可能在深夜悄悄漏水&…...

构建社区照护桥梁:.NET Core3.1+MVC社区呼叫系统设计与实现

在人口老龄化加剧和社区服务需求日益增长的背景下,如何高效连接有照护需求的居民与专业的照护人员,成为社区管理面临的一大挑战。为此,我们设计并开发了一套 社区呼叫系统,旨在通过信息化手段,打造一个集需求发布、派单…...

电池管理(BMS)控制系统 电动客车电池管理系统SOC估算单元设计 设计一款电池管理系统,它包...

电池管理(BMS)控制系统 电动客车电池管理系统SOC估算单元设计设计一款电池管理系统,它包含着以下功能: 1、搭建考虑温度的二阶RC电池Simulink模型,监测并且采集每节电池的电压、采集一部分电池的温度,同时采集动力电池的总压以及电…...

青岑CTF MISC 我不要革命失败 Writeup

题目信息 - 题目名称:我不要革命失败题目类型:MISC题目分值:500题目描述:小吉的机械革命笔记本又双叒叕蓝屏了!这次他不想再坐以待毙!他发来了他在 C:\Windows\Minidump\ 下的蓝屏文件,请你帮忙…...

探索eviews与Stata在计量经济学中的应用:VAR模型、VECM模型及脉冲响应与方差分解...

eviews stata计量经济学模型,VAR模型,VECM模型,脉冲响应,方差分解。计量经济学里头的VAR模型,简直就是时间序列分析的万金油。这玩意儿全称叫向量自回归模型,说白了就是几个变量互相解释对方。比如研究GDP和…...

高质量就业分析网络安全就业现状:哪些岗位最缺人、薪资多少?

高质量就业分析|网络安全就业现状:哪些岗位最缺人、薪资多少? 打开招聘软件,你会发现一个极为矛盾的现象:一边是未散的传统互联网"裁员潮",求职竞争白热化;另一边是网络安全岗位持续"求贤若…...

基于位置的阻抗控制,自适应变阻抗控制,平面力跟踪仿真,有结果图,simscape simuli...

基于位置的阻抗控制,自适应变阻抗控制,平面力跟踪仿真,有结果图,simscape simulink matlab,机械臂采用ur5直接上干货。咱今天聊机械臂的力控制,拿UR5当例子,在Simulink里搞基于位置的阻抗控制。…...

无人棋牌室真正的核心,不是“无人”,而是这套系统逻辑

很多人第一次接触无人棋牌室,会把重点放在“无人”这两个字上。但如果从运营角度看,“无人”只是结果,不是本质。真正的核心是:👉 有没有一套稳定运行的系统逻辑一、无人只是表象,系统才是本质一个棋牌室能…...

AI教材生成新玩法!利用低查重技巧,让你的教材脱颖而出

梳理教材的知识点真是一项“精细活”,关键在于如何保持平衡与衔接。这项工作让人很挠头,因为总是担心重要的知识点被遗漏,或者无法掌控知识的难度梯度——小学教材可能会写得太复杂,让学生无法理解;而高中教材则可能显…...

all-MiniLM-L6-v2参数详解:384维隐藏层+知识蒸馏技术原理与调用影响

all-MiniLM-L6-v2参数详解:384维隐藏层知识蒸馏技术原理与调用影响 1. 模型核心参数解析 all-MiniLM-L6-v2是一个专门为高效语义表示设计的轻量级句子嵌入模型。理解其核心参数对于正确使用和优化模型性能至关重要。 1.1 架构参数详解 Transformer层数&#xff…...

广告喷印行业:一部不断革新的进化史

广告喷印行业,作为现代商业传播的核心驱动力之一,其发展历程宛如一部波澜壮阔的科技与创意交织的史诗,深刻塑造了我们所生活的视觉信息环境。故事起始于手工绘制广告的年代。彼时,商业宣传高度依赖画师的技艺,他们以木…...

手眼标定后的常见误区:为什么你的手眼矩阵总是不对?

手眼标定后的常见误区:为什么你的手眼矩阵总是不对? 在机器人视觉引导系统中,手眼标定是连接机械臂与视觉传感器的关键桥梁。许多开发者在完成标定后,往往会遇到一个令人困惑的问题:明明标定过程顺利,但实际…...

java导出excel表

1.工作台:今日数据、订单管理、菜品总览、套餐总览、订单信息接口设计:如上类型转换2.Apache POI:处理微软各种文件的开源项目,可以在java程序中对各种文件读写,一般来说POI主要操作excel文件。(如交易明细…...

STM32H7 单片机优化实战:DTCMRAM配置与性能提升指南(STM32CubeIDE环境)

1. DTCMRAM基础概念与STM32H7内存架构 在STM32H7系列单片机中,DTCMRAM(Data Tightly Coupled Memory)是一个特殊的高速内存区域。这块内存最大的特点就是零等待周期访问,这意味着CPU可以直接以最高主频访问这块内存,不…...

【车载以太网C语言性能优化黄金法则】:20年AUTOSAR专家亲授3大内存泄漏陷阱与实时性达标实测数据

第一章:车载以太网C语言性能优化的底层逻辑与AUTOSAR约束全景车载以太网(100BASE-T1 / 1000BASE-T1)在ADAS与域控制器中承担高带宽、低延迟通信任务,其C语言实现直接受限于MCU资源(如ARM Cortex-R5F缓存行大小、DMA通道…...

3个核心价值:SheetJS商业落地合规指南

3个核心价值:SheetJS商业落地合规指南 【免费下载链接】sheetjs 📗 SheetJS Spreadsheet Data Toolkit -- New home https://git.sheetjs.com/SheetJS/sheetjs 项目地址: https://gitcode.com/gh_mirrors/sh/sheetjs 价值维度:开源协议…...

Anaconda+D2L环境搭建保姆级教程:从虚拟环境创建到Jupyter配置

AnacondaD2L环境搭建全流程指南:从零开始构建深度学习实验环境 作为一名长期在机器学习领域实践的开发者,我深知环境配置往往是初学者面临的第一个"拦路虎"。特别是当你想快速上手《动手学深度学习》这类优质课程时,一个稳定、隔离…...

横评后发现!全场景通用降AI率平台,千笔·专业降AIGC智能体 VS speedai

在AI技术迅猛发展的今天,学术写作领域正经历着前所未有的变革。越来越多的学生和研究者开始依赖AI工具辅助论文撰写,以提高效率、优化内容结构。然而,随之而来的“AI率超标”问题也日益严峻——无论是知网、维普还是Turnitin等查重系统&#…...

大数据领域的核心技术与应用解析

大数据领域的核心技术与应用解析关键词:大数据、分布式存储、分布式计算、实时处理、数据挖掘、应用场景、技术挑战摘要:本文从“超市每天产生10万条销售数据如何处理”的生活场景切入,用“图书馆管理”“餐厅备菜”等通俗比喻,系…...

【Android12】深入解析蓝牙功能配置:从开关设置到自动连接优化

1. Android12蓝牙功能基础配置 Android12对蓝牙功能进行了多项优化和改进,让开发者能够更灵活地控制蓝牙模块。我们先从最基础的蓝牙开关设置开始讲起。 在Android12中,蓝牙的默认开关状态是通过frameworks/base/packages/SettingsProvider/res/values/d…...

MySQL安全加固十大硬核操作及CDN的隐形守护

作为后端程序员,我们每天与MySQL打交道,深知它承载着企业核心数据——用户信息、交易流水、业务逻辑,一旦被入侵,轻则数据泄露、业务停摆,重则面临合规处罚、品牌崩塌。业内共识:90%的MySQL安全事故&#x…...

「技术杂记」基于LLM的Agent架构组成

0. Agent与LLM调用的区别 LLM调用是单纯的输入-输出,而Agent是具备规划、记忆、工具使用能力的自主系统。 一般,我们打开一个对话窗口,输入一个问题,模型立刻给出回答——这就是一次典型的LLM调用 一般 LLM 调用Agent&#xff…...

手把手教你用Cesium+Three.js搭建一个数字孪生城市demo(含完整源码)

从零构建数字孪生城市:Cesium与Three.js融合实战指南 数字孪生技术正在重塑城市规划与管理方式。想象一下,在虚拟空间中精确复刻一座城市的每一条街道、每一栋建筑,甚至实时反映交通流量与能源消耗——这正是数字孪生城市带来的变革。本文将带…...

通达信〖连阳龙头出击〗副图与选股指标,步步为赢,连阳蓄势龙头共振出击!

通达信〖连阳龙头出击〗副图与选股指标,步步为赢,连阳蓄势龙头共振出击! 本指标为通达信“连阳龙头出击”选股模型,融合连阳形态、均线多头排列、MACD水上金叉三大核心信号,精准捕捉主力建仓后即将主升的个股。 核心…...

GLM-4-9B-Chat-1M入门必看:长文本流式输出+前端实时渲染方案

GLM-4-9B-Chat-1M入门必看:长文本流式输出前端实时渲染方案 1. 认识这个超长文本处理神器 如果你正在寻找一个能一次性处理超长文档的AI模型,GLM-4-9B-Chat-1M绝对值得关注。这个模型最大的特点就是能处理长达100万个token的文本,相当于约2…...

109_神经网络的决策层:线性层(Linear Layer)与数据展平详解

在经过卷积层提取特征、池化层压缩空间、激活函数引入非线性后,神经网络进入了最后的决策阶段。线性层(Linear Layer),也称为全连接层(Fully Connected Layer),负责将这些抽象特征映射到最终的分…...

CTF新手必看:用Stegsolve破解Misc图片隐写的完整流程(附盲水印解决方案)

CTF新手入门:Stegsolve图片隐写分析与盲水印实战指南 引言 第一次参加CTF比赛时,面对Misc类题目中的图片隐写,我完全摸不着头脑。直到一位资深选手向我推荐了Stegsolve这个神器,才真正打开了新世界的大门。如果你也正在为如何从一…...