同步关键字

简介: 同步关键字

1、synchronized 实现原理

 在Java的对象头里面, 有一块数据叫Mark Word。在64位机器上, Mark Word是8字节(64位)的, 这64位中有两个重要字段:锁标志位和占用锁的thread ID。


2、wait 和 notify

  生产者 - 消费者模型

  生产者-消费者模型是一个常见的多线程编程模型。

 

                                        生产者-消费者模型


一个内存队列,多个生产者线程从我那个内存队列数据;多个消费者线程从内存队列中取数据要实现这样一个编程模型, 需要做下面几件事情:


  1. 内存队列本身要加锁,才能实现线程安全。
  2. 阻塞,当内存队列满了,生产者放不进去时,会被阻塞;当内存队列是空的时候,消费者无事可做,会被阻塞。
  3. 双向管理。消费者被阻塞之后,生产者放入新数据,要notify()消费者;反之,生产者被阻塞之后, 消费者消费了数据,要notify()生产者。
    第一件事必须要做,第二件事和第三件事不一定要做。

    如何阻塞?
    方法1:线程自己阻塞自己,也就是生产者、消费者线程各自调用wait()和notify().
    方法2:用一个阻塞队列,当取不到或者放不进去数据的时候,入队/出队函数本身就是阻塞的。

    如何双向通知?
    方法1:wait()和notify()机制。
    方法2:Condition机制


3、为什么必须和synchronized一起使用

    开两个线程,线程A调用f1(),线程B调用f2()。两个线程之间要通信,对于同一个对象来说,一个线程调用该对象wait(),例外一个线程调用该对象的notify(),该对象本身需要同步!所以,在调用wait()、notify()之前,要先通过synchronized关键字同步给对象,也就是给对象加锁。


4、为什么wait()的时候必须释放锁

    wait()内部伪代码

1、synchronized 实现原理
  在Java的对象头里面, 有一块数据叫Mark Word。在64位机器上, Mark Word是8字节(64位)的, 这64位中有两个重要字段:锁标志位和占用锁的thread ID。
2、wait 和 notify
   生产者 - 消费者模型
   生产者-消费者模型是一个常见的多线程编程模型。
图片
                                         生产者-消费者模型
一个内存队列,多个生产者线程从我那个内存队列数据;多个消费者线程从内存队列中取数据要实现这样一个编程模型, 需要做下面几件事情:
内存队列本身要加锁,才能实现线程安全。
阻塞,当内存队列满了,生产者放不进去时,会被阻塞;当内存队列是空的时候,消费者无事可做,会被阻塞。
双向管理。消费者被阻塞之后,生产者放入新数据,要notify()消费者;反之,生产者被阻塞之后, 消费者消费了数据,要notify()生产者。
第一件事必须要做,第二件事和第三件事不一定要做。
如何阻塞?
方法1:线程自己阻塞自己,也就是生产者、消费者线程各自调用wait()和notify().
方法2:用一个阻塞队列,当取不到或者放不进去数据的时候,入队/出队函数本身就是阻塞的。
如何双向通知?
方法1:wait()和notify()机制。
方法2:Condition机制
3、为什么必须和synchronized一起使用
     开两个线程,线程A调用f1(),线程B调用f2()。两个线程之间要通信,对于同一个对象来说,一个线程调用该对象wait(),例外一个线程调用该对象的notify(),该对象本身需要同步!所以,在调用wait()、notify()之前,要先通过synchronized关键字同步给对象,也就是给对象加锁。
4、为什么wait()的时候必须释放锁
     wait()内部伪代码

    5、wait() 和 notify() 的问题

  生产者本来只想通知消费者,但它把其他的生产者也通知了;消费者本来只想通知生产者,但它把其他的消费者也通知了。原因是wait()和notify()作用的对象和synchronized作用的对象是同一个,每个对象没有区分标识。精确唤醒我们可以用Condition来实现。


6、volatile 关键字

    volatile 三重功效

  •     64位写入的原子性
  •     内存可见性
  •     禁止重排序


 6.1  64位写入的原子性(Half Write)

     多线程场景下,线程A调用set(100),线程B调用get(),在某些场景下,返回值可能不是100

     这是因为JVM规范没有要求64位的long或者double的写入是原子的。在32位的机器上,一个64位变量的写入可能被拆分成两个32位的写操作来执行。这样一来,读取线程就可能读到一半的值。

解决方法是:在long 前面加上volatile 关键字

 

 6.2  内存可见性

     不仅64位,32位或者位数更小的赋值和取值操作,其实也有问题。比如一个线程修改变量值为true之后,另外一个线程去读,读到的是false,但是之后能读到true。也就是最终一致性,不是强一致性。

所以,内存可见性,指的是写完之后立即对其他线程可见,它的反面不是不可见,而是稍后才能看见。


解决这个问题很容易,给变量加上volatile关键字即可


 6.3  重排序:DCL问题

  单例模式的线程安全,常见的写法为DCL(Double Checking Locking)

public class Sington{
     private static Sington instance;
     private static Sington getInstance{
         if(instance == null){
             synchronized(Sington.class){
                if(instance == null){
                     instance = new Instance();
                }
             }
         }
         return instance;
     }
}

上述的 instance = new Instance()代码有问题:其底册会分为三个操作:

 1、分配一块内存

 2、在内存上初始化成员变量

 3、把instance 引用指向内存

操作2和3 可能重排序。即先把instance指向内存,再初始化成员变量,因为二者先后没有依赖关系。此时,另一个线程可能拿到一个未完全初始化的对象,直接去访问里面的成员变量,就可能出错。这就是典型的“构造函数溢出”问题。

解决方法:为instance变量加上volatile修饰。

目录
相关文章
|
存储 SQL 搜索推荐
Hive之数仓的分层及建模理论
转载:https://blog.csdn.net/qq_56870570/article/details/118938411
2367 0
|
传感器 物联网
物联网在废物管理中的应用
废物管理中的物联网应用正在使市民和城市都参与使我们的废物处理方式更具可持续性的项目。基于实际的处理单元填充水平(由填充水平传感器测量)来优化垃圾收集路线就是一种非常有效的应用。最终,真正改变废物管理方式将需要公共和私人利益相关者之间更深入的合作。
429 0
物联网在废物管理中的应用
|
1天前
|
存储 机器学习/深度学习 人工智能
打破硬件壁垒!煎饺App:强悍AI语音工具,为何是豆包AI手机平替?
直接上干货!3000 字以上长文,细节拉满,把核心功能、使用技巧和实测结论全给大家摆明白,读完你就知道这款 “安卓机通用 AI 语音工具"——煎饺App它为何能打破硬件壁垒?它接下来,咱们就深度拆解煎饺 App—— 先给大家扒清楚它的使用逻辑,附上“操作演示”和“🚀快速上手不踩坑 : 4 条核心操作干货(必看)”,跟着走零基础也能快速上手;后续再用真实实测数据,正面硬刚煎饺 App的语音助手口令效果——创建京东「牛奶自动下单神器」口令 ,从修改口令、识别准确率到场景实用性,逐一测试不掺水,最后,再和豆包 AI 手机语音助手的普通版——豆包App对比测试下,简单地谈谈煎饺App的能力边界在哪?
|
3天前
|
云安全 监控 安全
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
Z-Image:冲击体验上限的下一代图像生成模型
通义实验室推出全新文生图模型Z-Image,以6B参数实现“快、稳、轻、准”突破。Turbo版本仅需8步亚秒级生成,支持16GB显存设备,中英双语理解与文字渲染尤为出色,真实感和美学表现媲美国际顶尖模型,被誉为“最值得关注的开源生图模型之一”。
1039 5
|
10天前
|
机器学习/深度学习 人工智能 数据可视化
1秒生图!6B参数如何“以小博大”生成超真实图像?
Z-Image是6B参数开源图像生成模型,仅需16GB显存即可生成媲美百亿级模型的超真实图像,支持中英双语文本渲染与智能编辑,登顶Hugging Face趋势榜,首日下载破50万。
700 41
|
14天前
|
人工智能 Java API
Java 正式进入 Agentic AI 时代:Spring AI Alibaba 1.1 发布背后的技术演进
Spring AI Alibaba 1.1 正式发布,提供极简方式构建企业级AI智能体。基于ReactAgent核心,支持多智能体协作、上下文工程与生产级管控,助力开发者快速打造可靠、可扩展的智能应用。
1136 41
|
14天前
|
人工智能 前端开发 算法
大厂CIO独家分享:AI如何重塑开发者未来十年
在 AI 时代,若你还在紧盯代码量、执着于全栈工程师的招聘,或者仅凭技术贡献率来评判价值,执着于业务提效的比例而忽略产研价值,你很可能已经被所谓的“常识”困住了脚步。
860 69
大厂CIO独家分享:AI如何重塑开发者未来十年
|
10天前
|
存储 自然语言处理 测试技术
一行代码,让 Elasticsearch 集群瞬间雪崩——5000W 数据压测下的性能避坑全攻略
本文深入剖析 Elasticsearch 中模糊查询的三大陷阱及性能优化方案。通过5000 万级数据量下做了高压测试,用真实数据复刻事故现场,助力开发者规避“查询雪崩”,为您的业务保驾护航。
521 31