并发编程(六)ReentrantLock

简介: 并发编程(六)ReentrantLock

Java并发编程核心在于java.concurrent.util

juc当中的大多数同步器实现都是围绕着共同的基础行为,比如等待队列、条件队列、独占获取、共享获取等,而这个行为的抽象就是基于AbstractQueuedSynchronizer简称AQSAQS定义了一套多线程访问共享资源的同步器框架,是一个依赖状态(state)的同步器。

AQS具备特性

  • 阻塞等待队列
  • 共享/独占
  • 公平/非公平
  • 可重入
  • 允许中断

ReentrantLock

ReentrantLock定义了一个内部类Sync继承了AQS,通过这种方式将同步器所有调用都映射到Sync对应的方法,同时ReentrantLock也具备AQS的特性。ReentrantLock具备以下特性

  • 阻塞等待队列
  • 独占
  • 公平/非公平
  • 可重入
  • 允许中断

ReentrantLock继承关系

ReentrantLock里面定义了三个内部类SyncFairSyncNonfairSyncFairSyncNonfairSync表示公平锁与非公平锁,通过这两个内部类实现公平与非公平的机制,具体关系如下图:

Lock.png

FairSyncNonfairSync是通过继承Sync实现的,其中FairSync加锁机制为先判断列队中是否有其它线程正在等待加锁,如果有则直接入队,没有才会尝试加锁;而NonfairSync加锁机制为先进行尝试加锁,加锁失败才进行入队。

除此之外,ReentrantLock还可通过lockInterruptibly()加锁时可使用Thread.interrupt()进行中断加锁过程。

ReentrantLock加锁过程(简述)

ReentrantLock加锁详细过程

公平锁加锁过程

  1. 查看队列中是否有其它线程等待加锁
  2. 队列为空或者等待加锁的线程为当前线程,尝试CAS加锁
  3. 加锁成功 state+1,结束
  4. 加锁失败(只发生在队列为空的情况),或者队列不为空且等待加锁的线程非当前线程,进行入队。
  5. 入队完毕,将前驱结点信号量(waitStatus)改为-1,阻塞等待LockSupport.park(this)

解锁过程

  1. 解锁state-1
  2. 判断state==0(可重入锁,每次加锁state都会+1,释放锁次数必须等于加锁次数才算已解锁)
  3. 判断队列中是否有等待加锁的线程
  4. 将线程唤醒LockSupport.unpark(thread)

ReentrantLocksynchronized比较

  1. 加锁机制比较
  • ReentrantLock,基于AQS实现的锁,需要手动加锁解锁,细粒度和灵活度更高
  • synchronizedJVM内部锁,JVM会自动加锁与解锁
  1. 底层原理比较
  • 都是依赖底层操作系统的Mutex lock(互斥锁)实现
  1. 锁类型比较
  • synchronized是一种可重入的非公平锁
  • ReentrantLock是基于AQS实现,具体特性上文已有说明
  1. 性能比较(未实测)
  • 在并发量小时,synchronized性能更高一些
  • 并发量高时,synchronized性能将会下降(升级为重量级锁),而ReentrantLock基本不变。

我这里的理解是,synchronizedReentrantLock底层阻塞原理虽然是一样的,而ReentrantLock利用CAS自旋操作实现锁,能够有效避免线程从用户态到内核态的频繁切换。

目录
相关文章
|
前端开发
【前端图表】echarts散点图鼠标划过散点显示信息
【前端图表】echarts散点图鼠标划过散点显示信息
399 0
|
存储 Shell 持续交付
最全总结,GitHub Action自动化部署
GitHub Actions使你可以直接在你的GitHub库中创建自定义的工作流,工作流指的就是自动化的流程,比如构建、测试、打包、发布、部署等等,也就是说你可以直接进行 CI(持续集成)和 CD(持续部署)。 简单地说,就是利用官方以及第三方提供的actions,组合action来实现一些你能做到的其他事情,比如抓取代码、运行测试、登录远程服务器,发布到第三方服务等等。
1366 0
最全总结,GitHub Action自动化部署
|
4月前
|
人工智能 搜索推荐 测试技术
国家开始支持一人公司了,我做了一年的感想
深圳最高补贴 1000 万,OPC 写进政府工作报告。而我已经一个人做了快一年——没补贴没社区,用 AI 从零做了一个 SaaS。政策是好事,但真正的门槛不是工具,是持续执行力。
|
1月前
|
人工智能 运维 安全
云原生 - AI Native 多智能体数字人架构实践
我们以云原生应用部门为试验田,用商业化产品 AgentTeams 落地一支"数字员工小分队",让它们承接日常研发、工单答疑、开源维护与运营等业务,把原本人肉串联的协作流程,做成 AI Native 的工作方式。
341 0
|
6月前
|
人工智能 搜索推荐 API
智能体来了:从0-1开启你的AI分身时代
内容摘要:AI智能体(Agent)正从概念走向大规模应用,宣告了个体效率飞跃的“AI分身时代”至。本文深度拆解智能体底层逻辑,手把手教你如何利用Coze、Dify等平台构建具备感知、规划与执行能力的AI分身,助你实现从基础自动化到全时生产力的转型。
1134 3
|
6月前
|
人工智能 监控 数据可视化
给大模型“开小灶”:零代码实战专属领域微调,手把手教你打造AI专家
本文介绍如何通过“模型微调”将通用大模型打造成特定领域的专家助手,聚焦Web安全场景,借助LLaMA Factory实现零代码、可视化微调。涵盖微调原理(如LoRA、量化)、全流程操作及效果评估,帮助用户低成本构建专属高性能AI模型。
668 0
|
12月前
|
数据采集 程序员 Linux
微信加人不封号秘诀有吗?真实不
微信自动化操作防封策略实战 作为有3年爬虫开发经验的程序员
|
7月前
|
缓存 监控 NoSQL
阿里云NAS高并发场景下的读取延迟优化:NFS缓存机制深度解析与实战
本文解析阿里云NAS在高并发场景下NFS缓存导致的数据一致性问题,如电商图片更新延迟。深入分析客户端属性缓存机制,结合最佳实践提出三步优化:挂载参数调优、升级NFSv4.1、应用层缓存协同,并提供监控诊断方法,助力实现高性能与强一致性平衡。(238字)
|
安全 网络协议 Shell