Java同步器框架剖析
同步器(Synchronizer)框架是java并发的核心基础,充分理解其设计原理能够更精准的使用/扩展部分工具,进而提高应用程序的性能。本文的分析依托源码,纯属个人见解。希望阅读者能够批判阅读。
闲话少说,我们直接来说AbstractQueuedSynchronizer类,这个是同步器框架的核心类。它的实现思路:1,用volatile+原子操作来维护同步状态,2,如果锁获取失败将需要排队,3,通过LockSupport进行线程阻塞/唤醒操作。
我们先来看一下同步器的结构图,然后针对每个步骤进行逐一分析。
如图,我们很容易将此图转化成uml类图,我们也能够看出这是模板方法设计模式,AbstractQueuedSynchronizer把锁的获取/释放交给子类去处理。它本身所处理的问题是一旦获取失败/取消成功以后需要怎么做。
我们从ReetrantLock锁开始根据调用过程来分析一次锁获取过程:当我们执行了lock.lock();意味着我们直接调用了AbstractQueuedSynchronizer的acquire方法。Acquire的代码如下:
1,tryAcquire方法,这个是子类方法,上文提到了,子类负责锁的获取,框架本身负责失败后的处理。如果1成功,直接返回了,如果1失败,转2
2,addWaiter方法,这个方法的核心目标是将操作失败的线程添加到队列的尾部。我通过图来简单解释一下这个队列,因为他跟我们常规所认识的队列概念有些出入。根据注释可知这个是CLH queue队列的改进版,不过这些概念已经不重要了,主要是我们通过自己的分析能完全理解它的设计思路。
我们把这个大框看做是AbstractQueuedSynchronizer类,Head,tail是其中两个属性,同时他们分别又指向了队列的头部跟尾部,队列在插入的时候从尾部添加,删除的时候从头部移除。
假设当前的内存如上图所示,这时候调用了addWaiter方法操作过程如下
A直接将新增节点添加到链表尾部,
B将尾部节点的引用指向新增节点
通过以上两个步骤完成了线程的排队,代码如下:
这里需要解释两点:1,对于尾部更新compareAndSetTail(pred, node)是采用了原子操作。因为是原子操作,所以无论此时有多少线程并发执行该方法,只有一个能够执行成功,其他线程将进入enq方法循环尝试,直到更新成功为止。这里的实现思路是典型的乐观锁形式,相比于线程切换,让cpu多尝试几次往往会大大提供程序的伸缩性,如果你的应用因为太多的阻塞/线程频繁调度而烦恼,不妨试试这种方法。2,这种非常规的数据结构有什么好处么?首先是将插入和删除分开,从而减少了访问热点。其次相对来说比较容易找到需要唤醒的节点。
3,acquireQueued 方法,这个方法不太好理解。,简单来说他主要做了两件事儿。A阻塞当前线程。B一旦有线程唤醒该线程,尝试重新获得锁。
以下是这段代码的核心部分:
for (;;) {
final Node p = node.predecessor();
//如果前置队列是头结点并且获取锁成功,
if (p == head && tryAcquire(arg)) {//a
setHead(node);
p.next = null; // help GC
failed = false;
return interrupted;
}
if (shouldParkAfterFailedAcquire(p, node) &&
parkAndCheckInterrupt())//b
interrupted = true;
}
假设当前线程执行的情况是2中添加第四个节点的情况,那么程序将直接执行b操作部分。
b操作的核心就是阻塞当前线程,更具体的是通过LockSupport类的park方法来实现的。如果你想了解LockSupport到底是怎么实现阻塞的,那么抱歉了,jdk中并没有提供其实现源码。本质上,他也不是jdk能够实现得了的。Java的线程原生的映射到了操作系统的轻量级进程,能够直接阻塞操作系统进程的,恐怕只有操作系统提供的系统调用了。我们可以简单的把它理解为 java调用操作的系统的一个包装。至此,一个获取锁的操作在获取失败后完全阻塞了。
程序走到此似乎已经到了尽头了,也的确如此,如果没有人来叫醒他,他将长睡不起。但是分析还得继续才行,假设此时有线程执行完调用了release方法,release的实现思路非常简单,如果当前线程释放成功,就用LockSupport唤醒最前头的线程节点。假设Nd4节点之前的节点都已经执行完了,那么回到当前线程,他从b操作醒来,继续执行,从而回到a操作,有一个小注意点是头节点是空节点,从第二个起才会存储真正阻塞的线程,所以有了node.predecessor()操作。注意:此处当前线程要重新调用tryAcquire重新竞争,运气不好他会失败继续阻塞的,这也是非公平锁的实现核心。
至此,同步框架的分析接近尾声了,缪缪几行代码,但是完全理解起来并没有吃点甜点来的轻松。回顾一下1,他通过模板方法设计模式构造整个架构,我们可以通过继承来灵活的扩展适合我们的同步工具。2,他通过volatile+原子操作的int变量来维护锁状态。可以说原子操作和volatile的结合构成了整个并发框架的基础。Volatile是很早就出现在我们视野中的修饰词,但是一直抑郁不得志,因为单纯的可见性并无法解决并发问题。单纯的原子操作也无非只是一个计算机指令,他可以保证同时只有一个操作成功,但是没法保证更新后对其他线程立刻可见,java的线程模型有时候也是很蛋疼的东西。只有把这两个东西结合在一起,这让我想起了‘金风玉露一相逢’的诗句,算了,这个扯的有点多了。3,他用了一个变形的双向链表结构进行线程排队,优点已经说过了,好的数据结构我们可以借鉴。4,他是通过LockSupport系统工具来完成线程阻塞,唤醒的。5,他设计的精巧之处就是抢占式思维,这是他能够提供性能的主要手段之一。
相关推荐
基于改进粒子群算法的DG储能选址定容优化模型:解决电力系统时序性问题的可靠程序解决方案,基于改进粒子群算法的DG储能选址定容模型优化解决电力系统问题,DG储能选址定容模型matlab 程序采用改进粒子群算法,考虑时序性得到分布式和储能的选址定容模型,程序运行可靠 这段程序是一个改进的粒子群算法,主要用于解决电力系统中的优化问题。下面我将对程序进行详细分析。 首先,程序开始时加载了一些数据文件,包括gfjl、fljl、fhjl1、cjgs和fhbl。这些文件可能包含了电力系统的各种参数和数据。 接下来是一些参数的设置,包括三种蓄电池的参数矩阵、迭代次数、种群大小、速度更新参数、惯性权重、储能动作策略和限制条件等。 然后,程序进行了一些初始化操作,包括初始化种群、速度和适应度等。 接下来是主要的迭代过程。程序使用粒子群算法的思想,通过更新粒子的位置和速度来寻找最优解。在每次迭代中,程序计算了每个粒子的适应度,并更新个体最佳位置和全局最佳位置。 在每次迭代中,程序还进行了一些额外的计算,如潮流计算、储能约束等。这些计算可能涉及到电力系统的潮流计算、功率平衡等知识点。 最后,程序输
数学建模相关主题资源2
内容概要:本文详细介绍了一系列用于科学研究、工程项目和技术开发中至关重要的实验程序编写与文档报告撰写的资源和工具。从代码托管平台(GitHub/GitLab/Kaggle/CodeOcean)到云端计算环境(Colab),以及多种类型的编辑器(LaTeX/Microsoft Word/Overleaf/Typora),还有涵盖整个研究周期的各种辅助工具:如可视化工具(Tableau)、数据分析平台(R/Pandas)、项目管理工具(Trello/Jira)、数据管理和伦理审核支持(Figshare/IRB等),最后提供了典型报告的具体结构指导及其范本实例链接(arXiv/PubMed)。这为实验流程中的各个环节提供了系统的解决方案,极大地提高了工作的效率。 适合人群:高校学生、科研工作者、工程技术人员以及从事学术写作的人员,无论是新手入门还是有一定经验的人士都能从中受益。 使用场景及目标:帮助读者高效地准备并开展实验研究活动;促进团队间协作交流;规范研究报告的形式;提高对所收集资料的安全性和隐私保护意识;确保遵循国际公认的伦理准则进行实验。
四轮毂驱动电动汽车稳定性控制策略:基于滑模与模糊神经网络的转矩分配与仿真研究,四轮毂驱动电动汽车稳定性控制:基于滑模与模糊神经网络的转矩分配策略及联合仿真验证,四轮毂驱动电动汽车稳定性控制,分布式驱动转矩分配。 上层基于滑模,模糊神经网络控制器决策横摆力矩,下层基于动态载荷分配,最优分配,平均分配均可做。 simulink与carsim联合仿真。 ,四轮毂驱动;电动汽车稳定性控制;分布式驱动;转矩分配;滑模控制;模糊神经网络控制器;横摆力矩;动态载荷分配;最优分配;平均分配;Simulink仿真;Carsim仿真,四驱电动稳定性控制:滑模与模糊神经网络决策的转矩分配研究
本资源提供了一份详细的PyCharm安装教程,涵盖下载、安装、配置、激活及使用步骤,适合新手快速搭建Python开发环境。
毕业设计
原版宋体.ttf,原版宋体安装文件,安装方式,直接右键安装。
利用Xilinx FPGA内嵌的软核处理器MicroBlaze,加上自主编写的AXI_IIC控制器,实现对IMX327传感器IIC总线的控制,同时辅以UART调试串口,实现系统状态的实时监控与调试。
在 GEE(Google Earth Engine)中,XEE 包是一个用于处理和分析地理空间数据的工具。以下是对 GEE 中 XEE 包的具体介绍: 主要特性 地理数据处理:提供强大的函数和工具,用于处理遥感影像和其他地理空间数据。 高效计算:利用云计算能力,支持大规模数据集的快速处理。 可视化:内置可视化工具,方便用户查看和分析数据。 集成性:可以与其他 GEE API 和工具无缝集成,支持多种数据源。 适用场景 环境监测:用于监测森林砍伐、城市扩展、水体变化等环境问题。 农业分析:分析作物生长、土地利用变化等农业相关数据。 气候研究:研究气候变化对生态系统和人类活动的影响。
毕业设计
整个文件的代码
名字微控制器_STM32_DFU_引导加载程序_dapboo_1740989527.zip
详细介绍及样例数据:https://blog.csdn.net/T0620514/article/details/145991332
anaconda配置pytorch环境
立体仓库控制组态王6.55与三菱PLC联机仿真程序:视频教程与IO表接线图CAD详解,9仓位立体仓库控制系统优化方案:组态王6.55与三菱PLC联机仿真程序视频教程及IO表接线图CAD详解,9仓位立体仓库控制组态王6.55和三菱PLC联机仿真程序+视频+带io表接线图CAD ,关键词:立体仓库;控制组态王6.55;三菱PLC;联机仿真程序;视频;io表接线图;CAD,立体仓库控制组态王与三菱PLC联机仿真程序资源包
基于Maxwwell设计的经典外转子永磁同步电机案例:直流母线24V,大功率与高效率驱动设计,基于Maxwell设计的经典永磁同步电机案例:200W功率,外转子结构,直流母线电压与电机参数详解,基于maxwwell设计的经典200W,2200RPM 外转子,直流母线24V,42极36槽,定子外径81.5 轴向长度15 ,0.86Nm, 永磁同步电机(PMSM)设计案例,该案例可用于生产,或者学习用 ,经典设计案例; 200W; 2200RPM外转子; 直流母线24V; 42极36槽; 定子外径81.5; 轴向长度15; 永磁同步电机(PMSM); 生产学习用。,经典200W永磁同步电机设计案例:Maxwell外转子,高效率2200RPM直流母线系统
C# Modbus RTU协议主站设计工程源码详解:支持多从站访问与多线程实现,带注释开源dll文件,C# Modbus RTU协议主站设计工程源码解析:多线程实现访问多个从站功能的开源dll文件,C# Modbus RTU协议主站设计工程源码带注释,开源dll文件,支持访问多个从站,多线程实现 ,C#; Modbus RTU协议; 主站设计; 工程源码; 注释; 开源dll; 多从站访问; 多线程实现,《C# Modbus RTU主站源码:多线程支持访问多从站开源DLL文件详解》
MATLAB Simulink下的四旋翼无人机PID控制仿真模型研究,MATLAB Simulink下的四旋翼无人机PID控制仿真模型研究,MATLAB Simulink 四旋翼仿真模型 四轴无人机PID控制 ,MATLAB; Simulink; 四旋翼仿真模型; 四轴无人机; PID控制,MATLAB Simulink四旋翼仿真模型中四轴无人机的PID控制研究
复现文献中COMSOL模拟天然气水合物两相渗流的研究,COMSOL模拟天然气水合物两相渗流:文献复现与分析,comsol天然气水合物两相渗流,文献复现 ,comsol; 天然气水合物; 两相渗流; 文献复现,复现文献:comsol模拟天然气水合物两相渗流研究