高并发下Java多线程编程基础

摘要： Java线程同步与异步 线程池 无锁化的实现方案 分布锁的实现方案 分享的目的： 进一步掌握多线程编程和应用的技巧，希望对大家在平时的开发中应对高并发编程有所帮助 Java线程同步与异步 1. 同步相关的方法有 wait, notify, notifyAll 2.

Java线程同步与异步

线程池

无锁化的实现方案

分布锁的实现方案

分享的目的：

进一步掌握多线程编程和应用的技巧，希望对大家在平时的开发中应对高并发编程有所帮助

Java线程同步与异步 1. 同步相关的方法有

wait, notify, notifyAll

2. 关键字

synchronized

3. JDK锁的框架

AQS (AbstractQueuedSynchronizer)

4. AQS的实现类

java.util.concurrent.locks.ReentrantLock java.util.concurrent.locks.ReentrantReadWriteLock java.util.concurrent.CountDownLatch java.util.concurrent.Semaphore

5. 例子——两个线程交替打印出100以内的奇数和偶数 主程序：

输出结果示例：

... ... ...

思考：

读者可以用两种其它方法实现，加深自己对Java线程同步和互斥的理解 用 ReentrantLock？ 还是用wait和notify ？

线程池 作用:

控制线程并发数量，一般用在控制单机并发度上, 也是实现流控的一种方案；

实现原理: 1. 参数含义

corePoolSize： 核心线程的数量, 在CPU密集型和IO密集型的任务中，这个参数的设置不太一样：

在CPU密集型的应用中：

通常这个参数被设置为： 机器cpu核数-1, 例如机器有4个核，这个参数就被设置为3, 这样做的即兼顾了最大的并发度，又兼顾了其它非重要的核心任务的执行；

在IO密集的任务中：

通常这个参数被设置为机器cpu核数*（1.5 - 3）,具体情况还需要根据实际业务情况进行压测比较，然后再给出最优的值； maximumPoolSize： 最大核心线程的数量 poolSize： 当前线程的数量

当用户向线程池中新提交一个线程的时候，会有如下情况：

情况1.

如果当前线程池中线程的数量小于corePoolSize, 就会创建一个新的线程, 并添加到线程池中;

情况2.

如果当前线程池中线程的数量等于corePoolSize, 并且等待队列中还没有满，则把当前用户添加的线程对象放在等待队列中;

情况3.

如果当前线程池中线程的数量大于等于corePoolSize并且小于maximunPoolSize，并且等待队列已经满，则创建一个新的线程，并添加到线程池中;

情况4.

如果当前线程池中线程的数量等于maximunPoolSize, 则会根据线程创建线程时候的拒绝策略，进行相应的处理;

2. java线程对象中run方法和start方法的区别:

2.1 线程对象直接调用run方法，JVM是不会有感知，是不会直接产生一个新的线程, 此时程序运行的方式依然是串行的; 2.2 线程对象直接调用start方法，JVM才会有感知，会产生一个新的线程， 此时才会产生并发多线程; 线程池正是充分利用了run方法和start的区别来实现线程的复用；

3. 线程池的核心代码

下面均是以jdk1.6的线程池的源码，jdk1.7和jdk1.8线程池实现在上有些变化，但核心思想不变，有兴趣可以自己去研究

提交线程的核心代码：

执行用户任务的核心代码：

无锁化的实现方案 用线程池的方案 1. netty的reactor线程模型，参考netty官方或网上相关的资料 2. 异地机房数据库之间的数据同步：

用表名+主键名做hash ，hash值相同的记录被写到同一个Kafka的Partition中去，假设一个Partition用一个线程进行消费， 这样不同线程之间写入目标数据库的时候，就不会存在数据库行锁的竞争关系，间接实现了无锁化的操作, 即线程之间并行，线程内部串行, 如下图所示;

用CAS的命令 1. JDK中各种类型值的原子操作

AtomicInteger AtomicLong AtomicBoolean

2. jdk中各种锁的实现, 本质也是volitate变量+CAS

java.util.concurrent.locks.ReentrantLock java.util.concurrent.Semaphore java.util.concurrent.CountDownLatch

分布锁的实现方案 1. tair

incr和decr操作，相当于是乐观锁

2. Redis/memcache

setNx命令

3. Zookeeper

充分利用watcher机制，创建临时结点，谁创建成功，谁就获得当前的锁

4. 数据库：利用数据库的行锁

// 加锁SQL update trade_base set status = 1 where trade_no=“XXX” and status = 0； // 解锁SQL update trade_base set status = 0 where trade_no=“XXX” and status = 1； 注意trade_base表上一要有trade_no的列的唯一索引

当然具体用那种分布锁，还需要结合业务自身的需要，一般来说，在并发量不是别大，数据库完全可以扛得住的情况下，用数据库实现分布锁最快，最方便，而且性能的损失也非常地小； 当然现在很多场景下，都是分库分表，并且加锁和解锁分别都只影响一行，对数据库来说，加锁和解锁的 sql也是非常轻量的sql操作，因此在性能损失上不用过多的担心；

原文链接

本文为云栖社区原创内容，未经允许不得转载。