项目实战典型案例15——高并发环境下由于使用全局变量导致数据混乱 高并发环境下对象被大量创建,导致GC并是CPU飙升

简介: 项目实战典型案例15——高并发环境下由于使用全局变量导致数据混乱 高并发环境下对象被大量创建,导致GC并是CPU飙升

高并发环境下由于使用全局变量导致数据混乱 高并发环境下对象被大量创建,导致GC并是CPU飙升


一:背景介绍

  1. 出现域名不全的情况,这里与全局变量有关。
  2. 每一次登陆都会重新创建一个对象,放到公共变量中。如果遇到高并发,这里的对象将会被大量的创建,然后上一个对象会失去引用,等待垃圾会后器进行回收,频繁的GC将会导致CPU飙升。

二:思路&方案

针对于问题一,在并发环境下有偶遇使用全局变量导致数据混乱。

方案一:将全局变量修改为局部变量。

方案二:使用ThreadLocal,该线程变量对于其他线程而言是隔离的,该变量是当前线程独有的变量,那就不存在线程共享变量的问题。

方案三:对使用到全局变量的方法或者类使用synchronized并且最后需要对全局变量进行还原。

下面对方案二和方案三进行实践,在进行实践之前我们模拟一下并发条件下使用全局变量出现数据混乱的问题。

数据混乱现象复现

业务流程:启动100个线程调用两个方法进行字符串拼接,然后数据拼接的结果。

计算类

//声明一个全局变量,ArrayList线程不安全
    List<String> keyList=new ArrayList<>();
    public  void count2() throws InterruptedException {
        keyList = new ArrayList<>();
        keyList.add("a");
        keyList.add("b");
        keyList.add("c");
        keyList.add("d");
        System.out.println("ARPRO"+keyList);
       }

客户端类

public class Client {
    public static void main(String[] args) {
        // 定义线程实现接口
        Runnable runnable = new Runnable(){
            Counter  counter = new Counter();
            @Override
            public void run() {
                try {
                    counter.count2();
                } catch (InterruptedException e) {
                    throw new RuntimeException(e);
                }
            }
        };
        // 启动100个线程
        for( int i= 0;i< 100;i++) {
            new Thread(runnable).start();
        }
    }
}

实现结果

出现数据混乱的现象

使用ThreadLocal

    private static ThreadLocal<List<String>> keyList = new ThreadLocal<List<String>>(){
        //对keyList进行初始化
        @Override public List<String> initialValue() {
            return new ArrayList<String>();
        }
    };
    public  void count2() throws InterruptedException {
        keyList.get().add("a");
        keyList.get().add("b");
        keyList.get().add("c");
        keyList.get().add("d");
        System.out.println("ARPRO"+keyList.get());
       }

实现结果

没有出现数混乱的情况

使用synchronized进行优化

synchronized 保证方法某一时刻只有一个线程去执行,从而保证线程安全性;

synchronized 可以修饰方法,对象实例,某个类,代码块

//声明一个全局变量,ArrayList线程不安全
    List<String> keyList=new ArrayList<>();
    public synchronized void count2() throws InterruptedException {
        keyList.add("a");
        keyList.add("b");
        keyList.add("c");
        keyList.add("d");
        System.out.println("ARPRO"+keyList);
        //由于虽然使用synchronized锁住了count2()这个方法保证同一时刻只有一个线程执行
        //但是线程共享全局变量,所以当方法执行完成之后,需要将keyList的值进行还原
        keyList.removeAll(keyList);
       }

ThreadLocal与synchronized的区别

1、Synchronized用于线程间的数据共享,而ThreadLocal则用于线程间的数据隔离。

2、Synchronized是利用锁的机制,代码块在某一时该只能被一个线程访问。而ThreadLocal为每一个线程都提供了变量的实例副本。

针对于问题二 每一次登陆都会重新创建一个对象,放到公共变量中。如果遇到高并发,这里的对象将会被大量的创建,然后上一个对象会失去引用,等待垃圾会后器进行回收,频繁的GC将会导致CPU飙升。

1.我们实例化一个对象,会将对象存储在堆中,会将这个对象的引用存储在栈中。当我们再次实例化keyList这个对象的时候,会再次创建这个对象,并重新在栈中创建这个对象的引用。

2.为什么频繁GC会导致cpu使用率过高,一定时间内分享cup时间片的线程数量是有限的,其中做“非业务工作”的线程占用的时间片越多,cpu使用率越高。

3.频繁GC会增加"非业务工作”的线程,这些线程会占用一定数量的cpu时间分片,导致cpu空闲时间减少,cpu使用率升高。

优化代码

结合问题一的优化,可以解决这个问题。

例如:

//声明一个全局变量,ArrayList线程不安全
    List<String> keyList=new ArrayList<>();
    public synchronized void count2() throws InterruptedException {
        keyList.add("a");
        keyList.add("b");
        keyList.add("c");
        keyList.add("d");
        System.out.println("ARPRO"+keyList);
        //由于虽然使用synchronized锁住了count2()这个方法保证同一时刻只有一个线程执行
        //但是线程共享全局变量,所以当方法执行完成之后,需要将keyList的值进行还原
        keyList.removeAll(keyList);
       }

四:总结

1.在项目开发过程中,对于公共变量的使用一方面需要慎重,需要考虑是否有并发,多线程的情况,然后根据实际情况选择对应的处理措施。

2.实例化类,也需要慎重,实例化类是有有必要。


目录
相关文章
|
5月前
|
XML Ubuntu Linux
部署08---扩展-Win10配置WSL(Ubuntu)环境,WSL系统是什么意思,是Windows系统上的一个子系统, xml的一大特点是直链系统,直接链接你的CPU,硬盘和内存,如何用 WSL部署
部署08---扩展-Win10配置WSL(Ubuntu)环境,WSL系统是什么意思,是Windows系统上的一个子系统, xml的一大特点是直链系统,直接链接你的CPU,硬盘和内存,如何用 WSL部署
|
15天前
|
存储 缓存 监控
Docker容器性能调优的关键技巧,涵盖CPU、内存、网络及磁盘I/O的优化策略,结合实战案例,旨在帮助读者有效提升Docker容器的性能与稳定性。
本文介绍了Docker容器性能调优的关键技巧,涵盖CPU、内存、网络及磁盘I/O的优化策略,结合实战案例,旨在帮助读者有效提升Docker容器的性能与稳定性。
49 7
|
2月前
|
缓存 负载均衡 API
抖音抖店API请求获取宝贝详情数据、原价、销量、主图等参数可支持高并发调用接入演示
这是一个使用Python编写的示例代码,用于从抖音抖店API获取商品详情,包括原价、销量和主图等信息。示例展示了如何构建请求、处理响应及提取所需数据。针对高并发场景,建议采用缓存、限流、负载均衡、异步处理及代码优化等策略,以提升性能和稳定性。
|
6月前
|
缓存 NoSQL Java
Java高并发实战:利用线程池和Redis实现高效数据入库
Java高并发实战:利用线程池和Redis实现高效数据入库
517 0
|
4月前
|
数据安全/隐私保护 异构计算 Windows
【Azure 环境】 介绍两种常规的方法来监视Window系统的CPU高时的进程信息: Performance Monitor 和 Powershell Get-Counter
【Azure 环境】 介绍两种常规的方法来监视Window系统的CPU高时的进程信息: Performance Monitor 和 Powershell Get-Counter
|
5月前
|
Java
手把手教你java CPU飙升300%如何优化
手把手教你java CPU飙升300%如何优化
67 0
|
5月前
|
监控 Java 中间件
FGC频繁导致CPU 飙升定位及JVM配置优化总结
FGC频繁导致CPU 飙升定位及JVM配置优化总结
182 0
|
5月前
|
安全 Java 数据库
在Java中实现高并发的数据访问控制
在Java中实现高并发的数据访问控制
|
7月前
|
SQL 资源调度 关系型数据库
实时计算 Flink版产品使用合集之可以使用高并发大内存的方式读取存量数据吗
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
110 3
|
7月前
|
监控 数据可视化 Java
Elasitcsearch CPU 使用率突然飙升,怎么办?
Elasitcsearch CPU 使用率突然飙升,怎么办?
144 1

热门文章

最新文章