写在开头
在过去的2023年双11活动中，天猫的累计访问人次达到了8亿，京东超60个品牌销售破10亿，直播观看人数3.0亿人次，订单支付频率1分钟之内可达百万级峰值，这样的瞬间高并发活动，给服务端带来的冲击可想而知，就如同医院那么多医生，去看病挂号时，有时候都需要排队，对于很多时间就是金钱的场景来说，是不可忍受的。
为什么要使用多线程并发
在上述这种场景下我们就不得不去学习多线程下的并发处理，我们先来了解一下并发与线程的概念
并发： 并发指在某时刻只有一个事件在发生，某个时间段内由于 CPU 交替执行，可以发生多个事件，存在对 CPU 资源进行抢占。
线程： 是进程的子任务，因此它本身不会独立存在，系统不会为线程分配内存，线程组之间只能共享所属进程的资源，而线程仅仅是CPU 调度和分派的基本单位，当前线程 CPU 时间片用完后，会让出 CPU 等下次轮到自己时候在执行。
有了这两个概念后，我们再来聊一聊并发多线程的必要性或者它所具有的优势😊
从计算机底层出发：
- 单核时代：在单核时代多线程主要是为了提高单进程利用 CPU 和 IO 系统的效率。 假设只运行了一个 Java 进程的情况，当我们请求 IO 的时候，如果 Java 进程中只有一个线程，此线程被 IO 阻塞则整个进程被阻塞。CPU 和 IO 设备只有一个在运行，那么可以简单地说系统整体效率只有 50%。当使用多线程的时候，一个线程被 IO 阻塞，其他线程还可以继续使用 CPU。从而提高了 Java 进程利用系统资源的整体效率。
- 多核时代: 随着互联网的深入发展，计算机CPU也进入到了多核时代，举个例子：假如我们要计算一个复杂的任务，我们只用一个线程的话，不论系统有几个 CPU 核心，都只会有一个 CPU 核心被利用到。而创建多个线程，这些线程可以被映射到底层多个 CPU 上执行，在任务中的多个线程没有资源竞争的情况下，任务执行的效率会有显著性的提高，约等于（单核时执行时间/CPU 核心数）。
从互联网现状出发：
随着科技的进步，互联网上的应用场景更加复杂化，使用互联网的网民也呈指数增长，动辄就是百万甚至千万级的并发吞吐量，这也促进者开发者们不断的提升系统的性能，而提升高并发处理效率的基础就是多线程！
总结： 基于上述内容，我们可以做如下3点总结：
- 在硬件上提高了 CPU 的核数和个数以后，多线程并发可以提升 CPU 的计算能力的利用率。
- 多线程并发可以提升程序的性能，如：响应时间、吞吐量、计算机资源使用率等。
- 并发多线程可以更好地处理复杂业务，对复杂业务进行多任务拆分，简化任务调度，同步执行任务。
多线程会带来什么问题？
上面我们阐述了多线程使用的好处，以及它发展的必然趋势，但这里我们同样还要思考另外一个问题，那就是多线程真的完美无缺的吗？
答案当然是个否命题了，经过多年积累我们发现多线程在使用上其实也存在很多的问题：
- Java 中的线程对应是操作系统级别的线程，线程数量控制不好，频繁的创建、销毁线程和线程间的切换，比较消耗内存和时间；
- 容易带来线程安全问题。如线程的可见性、有序性、原子性问题，会导致程序出现的结果与预期结果不一致；
- 多线程容易造成死锁、活锁、线程饥饿、内存泄露等问题。此类问题往往只能通过手动停止线程、甚至是进程才能解决，影响严重；
- 开发难度相对较高，需要相当开发人员充分的了解多线程，才能开发出高效的并发程序。
探索问题的根本原因
在一个Java程序或者说进程运行的过程中，会涉及到CPU、内存、IO设备，这三者在读写速度上存在着巨大差异：CPU速度-优于-内存的速度-优于-IO设备的速度。
为了平衡这三者之间的速度差异，达到程序响应最大化，计算机、操作系统、编译器都做出了自己的努力。
- 计算机体系结构：给 CPU 增加了缓存，均衡 CPU 和内存的速度差异；
- 操作系统：增加了进程与线程，分时复用 CPU，均衡 CPU 和 IO 设备的速度差异；
- 编译器：增加了指令执行重排序（这个也会带来另外的问题，我们在后面的学习中会提到），更好地利用缓存，提高程序的执行速度。
这种优化是充分必要的，但这种优化同时会给多线程程序带来原子性、可见性和有序性的问题。
关于多线程的原子性、可见性、有序性问题
我们接着上面的问题向下深入讨论，先来看看什么是原子性、可见性、有序性。
原子性：一个或者多个操作在 CPU 执行的过程中不被中断的特性；
可见性：一个线程对共享变量的修改，另外一个线程能够立刻看到；
有序性：程序执行的顺序按照代码的先后顺序执行；
原子性分析
操作系统对当前执行线程的切换，可能会带来了原子性问题。【代码示例1】
public class Test {
//计数变量
static volatile int count = 0;
public static void main(String[] args) throws InterruptedException {
//线程 1 给 count 加 10000
Thread t1 = new Thread(() -> {
for (int j = 0; j <10000; j++) {
count++;
}
System.out.println("thread t1 count 加 10000 结束");
});
//线程 2 给 count 加 10000
Thread t2 = new Thread(() -> {
for (int j = 0; j <10000; j++) {
count++;
}
System.out.println("thread t2 count 加 10000 结束");
});
//启动线程 1
t1.start();
//启动线程 2
t2.start();
//等待线程 1 执行完成
t1.join();
//等待线程 2 执行完成
t2.join();
//打印 count 变量
System.out.println(count);
}
}
AI 代码解读
我们创建了2个线程，分别对count进行加10000操作，理论上最终输出的结果应该是20000万对吧，但实际并不是，我们看一下真实输出。
输出：
thread t1 count 加 10000 结束
thread t2 count 加 10000 结束
14281
AI 代码解读
原因：
Java 代码中 的 count++ ，至少需要三条CPU指令：
- 指令 1：把变量 count 从内存加载到CPU的寄存器
- 指令 2：在寄存器中执行 count + 1 操作
- 指令 3：+1 后的结果写入CPU缓存或内存
即使是单核的 CPU，当线程 1 执行到指令 1 时发生线程切换，线程 2 从内存中读取 count 变量，此时线程 1 和线程 2 中的 count 变量值是相等，都执行完指令 2 和指令 3，写入的 count 的值是相同的。从结果上看，两个线程都进行了 count++，但是 count 的值只增加了 1。这种情况多发生在cpu占用时间较长的线程中，若单线程对count仅增加100，那我们就很难遇到线程的切换，得出的结果也就是200啦。
解决办法：
可以通过JDK Atomic开头的原子类、synchronized、LOCK，解决多线程原子性问题，后面的博文会详细分析，这里只给结果哈。
可见性分析
CPU 缓存，在多核 CPU 的情况下，带来了可见性问题。【代码示例2】
public class Test {
//是否停止 变量
private static boolean stop = false;
public static void main(String[] args) throws InterruptedException {
//启动线程 1，当 stop 为 true，结束循环
new Thread(() -> {
System.out.println("线程 1 正在运行...");
while (!stop) ;
System.out.println("线程 1 终止");
}).start();
//休眠 1 秒
Thread.sleep(1000);
//启动线程 2， 设置 stop = true
new Thread(() -> {
System.out.println("线程 2 正在运行...");
stop = true;
System.out.println("设置 stop 变量为 true.");
}).start();
}
}
AI 代码解读
输出：
线程 1 正在运行...
线程 2 正在运行...
设置 stop 变量为 true.
AI 代码解读
原因：
我们会发现，线程1运行起来后，休眠1秒，启动线程2，可即便线程2把stop设置为true了，线程1仍然没有停止，这个就是因为 CPU 缓存导致的可见性导致的问题。线程 2 设置 stop 变量为 true，线程 1 在 CPU 1上执行，读取的 CPU 1 缓存中的 stop 变量仍然为 false，线程 1 一直在循环执行。
解决办法：
通过 volatile、synchronized、Lock接口、Atomic 类型保障可见性
有序性分析
编译器指令重排优化，带来了有序性问题。【代码示例3】
public class Test {
static int x;//静态变量 x
static int y;//静态变量 y
public static void main(String[] args) throws InterruptedException {
Set<String> valueSet = new HashSet<String>();//记录出现的结果的情况
Map<String, Integer> valueMap = new HashMap<String, Integer>();//存储结果的键值对
//循环 1万次，记录可能出现的 v1 和 v2 的情况
for (int i = 0; i <10000; i++) {
//给 x y 赋值为 0
x = 0;
y = 0;
valueMap.clear();//清除之前记录的键值对
Thread t1 = new Thread(() -> {
int v1 = y;//将 y 赋值给 v1 ----> Step1
x = 1;//设置 x 为 1 ----> Step2
valueMap.put("v1", v1);//v1 值存入 valueMap 中 ----> Step3
}) ;
Thread t2 = new Thread(() -> {
int v2 = x;//将 x 赋值给 v2 ----> Step4
y = 1;//设置 y 为 1 ----> Step5
valueMap.put("v2", v2);//v2 值存入 valueMap 中 ----> Step6
});
//启动线程 t1 t2
t1.start();
t2.start();
//等待线程 t1 t2 执行完成
t1.join();
t2.join();
//利用 Set 记录并打印 v1 和 v2 可能出现的不同结果
valueSet.add("(v1=" + valueMap.get("v1") + ",v2=" + valueMap.get("v2") + ")");
System.out.println(valueSet);
}
}
}
AI 代码解读
输出：
...
[(v1=1,v2=0), (v1=0,v2=0), (v1=0,v2=1)]
[(v1=1,v2=0), (v1=0,v2=0), (v1=0,v2=1)]
[(v1=1,v2=0), (v1=0,v2=0), (v1=0,v2=1)]
[(v1=1,v2=0), (v1=0,v2=0), (v1=0,v2=1)]
...
AI 代码解读
v1=0,v2=0 的执行顺序是 Step1 和 Step 4 先执行
v1=1,v2=0 的执行顺序是 Step5 先于 Step1 执行
v1=0,v2=1 的执行顺序是 Step2 先于 Step4 执行
v1=1,v2=1 出现的概率极低，就是因为 CPU 指令重排序造成的。Step2 被优化到 Step1 前，Step5 被优化到 Step4 前，至少需要成立一个。
解决办法：
Happens-Before 规则可以解决有序性问题，后续会的博文中也会提到。
总结
好啦，关于Java并发多线程的思考就写这么多啦🤗
结尾彩蛋
如果本篇博客对您有一定的帮助，大家记得留言+点赞+收藏呀。原创不易，转载请联系Build哥！
