Java多线程并发编程:同步机制与实践应用

本文涉及的产品
实时数仓Hologres,5000CU*H 100GB 3个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
实时计算 Flink 版,5000CU*H 3个月
简介: 本文深入探讨Java多线程中的同步机制,分析了多线程并发带来的数据不一致等问题,详细介绍了`synchronized`关键字、`ReentrantLock`显式锁及`ReentrantReadWriteLock`读写锁的应用,结合代码示例展示了如何有效解决竞态条件,提升程序性能与稳定性。

引言

在Java编程领域,多线程并发编程扮演着举足轻重的角色。随着计算机硬件多核处理器的普及,充分利用多线程提升程序性能、实现高效的任务处理与资源共享成为关键技能。然而,多线程编程并非一帆风顺,若处理不当,数据不一致、竞态条件等问题便会接踵而至。本文聚焦Java多线程中的同步机制,深入剖析其原理、应用场景,并结合详实代码示例展现其魅力与要点。

一、多线程并发引发的问题

当多个线程同时访问共享资源(如类的成员变量、静态变量等),若无有效管控,会催生诸多棘手状况。以经典的“银行账户余额存取”场景为例,定义如下简单类模拟账户操作:

class BankAccount {
   
    private int balance;

    public BankAccount(int initialBalance) {
   
        this.balance = initialBalance;
    }

    public void deposit(int amount) {
   
        balance += amount;
    }

    public void withdraw(int amount) {
   
        balance -= amount;
    }

    public int getBalance() {
   
        return balance;
    }
}

若多个线程并发执行存取款操作,像这样创建线程执行:

public class Main {
   
    public static void main(String[] args) {
   
        BankAccount account = new BankAccount(1000);
        Thread thread1 = new Thread(() -> {
   
            for (int i = 0; i < 100; i++) {
   
                account.deposit(10);
            }
        });
        Thread thread2 = new Thread(() -> {
   
            for (int i = 0; i < 50; i++) {
   
                account.withdraw(20);
            }
        });
        thread1.start();
        thread2.start();
        try {
   
            thread1.join();
            thread2.join();
        } catch (InterruptedException e) {
   
            e.printStackTrace();
        }
        System.out.println("最终账户余额: " + account.getBalance());
    }
}

多次运行会发现,最终账户余额并非预期固定值,原因在于depositwithdraw方法执行时,balance变量读写操作被多线程交叉干扰,产生数据不一致,此即典型竞态条件导致错误结果。

二、同步机制之synchronized关键字

为化解上述问题,Java提供synchronized关键字,它基于对象锁实现同步。有两种基本使用方式:修饰方法与修饰代码块。

(一)修饰方法

修改BankAccount类的存取款方法如下:

public synchronized void deposit(int amount) {
   
    balance += amount;
}

public synchronized void withdraw(int amount) {
   
    balance -= amount;
}

synchronized修饰后,同一时刻仅有一个线程能进入此方法访问balance变量,其他线程需等待锁释放。这种方式简单直接,适用于方法内操作均涉及共享资源且逻辑紧密场景,但粒度稍粗,有时影响并发性能。

(二)修饰代码块

更灵活精细控制可借助修饰代码块达成,改写BankAccount示例:

public void deposit(int amount) {
   
    synchronized (this) {
   
        balance += amount;
    }
}

public void withdraw(int amount) {
   
    synchronized (this) {
   
        balance -= amount;
    }
}

这里synchronized (this)以当前对象实例(this)作为锁对象,进入代码块前线程获取锁,块内独占共享资源访问权,块执行完释放锁。相较修饰方法,能精准把控需同步代码范围,降低锁竞争、提升并发度,比如方法内存在非共享资源操作可置于同步块外并行执行。

三、ReentrantLock显式锁

synchronized,Java.util.concurrent包下ReentrantLock提供显式锁功能,用法如下:

import java.util.concurrent.locks.ReentrantLock;

class BankAccountWithLock {
   
    private int balance;
    private ReentrantLock lock = new ReentrantLock();

    public BankAccountWithLock(int initialBalance) {
   
        this.balance = initialBalance;
    }

    public void deposit(int amount) {
   
        lock.lock();
        try {
   
            balance += amount;
        } finally {
   
            lock.unlock();
        }
    }

    public void withdraw(int amount) {
   
        lock.lock();
        try {
   
            balance -= amount;
        } finally {
   
            lock.unlock();
        }
    }

    public int getBalance() {
   
        return balance;
    }
}

ReentrantLock通过lock方法获取锁、unlock释放锁,必须在finally块确保解锁以避免死锁隐患。它优势在于功能丰富,如支持可中断锁获取(lockInterruptibly)、尝试非阻塞获取锁(tryLock),适用于复杂同步逻辑、需精细控制锁获取与释放流程场景,为开发者赋予更多控制权应对多样并发需求。

四、同步机制高级应用:读写锁

处理读多写少场景,ReentrantReadWriteLock读写锁登场,能分离读、写锁,允许多个线程并发读共享资源提升效率,同时写操作独占资源保数据一致性。示例:

import java.util.concurrent.locks.ReentrantReadWriteLock;

class DataStore {
   
    private int data;
    private ReentrantReadWriteLock rwLock = new ReentrantReadWriteLock();
    private ReentrantReadWriteLock.ReadLock readLock = rwLock.readLock();
    private ReentrantReadWriteLock.WriteLock writeLock = rwLock.writeLock();

    public int readData() {
   
        readLock.lock();
        try {
   
            return data;
        } finally {
   
            readLock.unlock();
        }
    }

    public void writeData(int newData) {
   
        writeLock.lock();
        try {
   
            this.data = newData;
        } finally {
   
            writeLock.unlock();
        }
    }
}

多个线程调用readData可并行,而writeData执行时独占锁,读写高效协调,契合如缓存数据频繁读取、偶尔更新场景。

五、总结

Java多线程同步机制是驾驭并发编程的核心工具,从基础synchronized关键字,到灵活ReentrantLock,再到优化读写场景的ReentrantReadWriteLock,各有千秋、适用各异。合理运用它们,权衡锁粒度、性能、功能需求,方能驯服多线程“猛兽”,构建稳定、高效、响应迅速并发程序,深挖其原理与实践之道,为复杂分布式、高并发系统开发筑牢根基,解锁Java编程高效并行处理潜能。

相关文章
|
2天前
|
人工智能 自动驾驶 大数据
预告 | 阿里云邀您参加2024中国生成式AI大会上海站,马上报名
大会以“智能跃进 创造无限”为主题,设置主会场峰会、分会场研讨会及展览区,聚焦大模型、AI Infra等热点议题。阿里云智算集群产品解决方案负责人丛培岩将出席并发表《高性能智算集群设计思考与实践》主题演讲。观众报名现已开放。
|
19天前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日,2024云栖大会在杭州云栖小镇举行,阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家,共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力,及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点,专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练,并通过多个客户案例展示了云上大模型训练的显著优势。
|
23天前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
14天前
|
并行计算 前端开发 物联网
全网首发!真·从0到1!万字长文带你入门Qwen2.5-Coder——介绍、体验、本地部署及简单微调
2024年11月12日,阿里云通义大模型团队正式开源通义千问代码模型全系列,包括6款Qwen2.5-Coder模型,每个规模包含Base和Instruct两个版本。其中32B尺寸的旗舰代码模型在多项基准评测中取得开源最佳成绩,成为全球最强开源代码模型,多项关键能力超越GPT-4o。Qwen2.5-Coder具备强大、多样和实用等优点,通过持续训练,结合源代码、文本代码混合数据及合成数据,显著提升了代码生成、推理和修复等核心任务的性能。此外,该模型还支持多种编程语言,并在人类偏好对齐方面表现出色。本文为周周的奇妙编程原创,阿里云社区首发,未经同意不得转载。
|
8天前
|
人工智能 自然语言处理 前端开发
100个降噪蓝牙耳机免费领,用通义灵码从 0 开始打造一个完整APP
打开手机,录制下你完成的代码效果,发布到你的社交媒体,前 100 个@玺哥超Carry、@通义灵码的粉丝,可以免费获得一个降噪蓝牙耳机。
3853 13
|
14天前
|
人工智能 自然语言处理 前端开发
用通义灵码,从 0 开始打造一个完整APP,无需编程经验就可以完成
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。本教程完全免费,而且为大家准备了 100 个降噪蓝牙耳机,送给前 100 个完成的粉丝。获奖的方式非常简单,只要你跟着教程完成第一课的内容就能获得。
6372 10
|
26天前
|
缓存 监控 Linux
Python 实时获取Linux服务器信息
Python 实时获取Linux服务器信息
|
12天前
|
人工智能 自然语言处理 前端开发
什么?!通义千问也可以在线开发应用了?!
阿里巴巴推出的通义千问,是一个超大规模语言模型,旨在高效处理信息和生成创意内容。它不仅能在创意文案、办公助理、学习助手等领域提供丰富交互体验,还支持定制化解决方案。近日,通义千问推出代码模式,基于Qwen2.5-Coder模型,用户即使不懂编程也能用自然语言生成应用,如个人简历、2048小游戏等。该模式通过预置模板和灵活的自定义选项,极大简化了应用开发过程,助力用户快速实现创意。
|
1天前
|
机器学习/深度学习 人工智能 安全
通义千问开源的QwQ模型,一个会思考的AI,百炼邀您第一时间体验
Qwen团队推出新成员QwQ-32B-Preview,专注于增强AI推理能力。通过深入探索和试验,该模型在数学和编程领域展现了卓越的理解力,但仍在学习和完善中。目前,QwQ-32B-Preview已上线阿里云百炼平台,提供免费体验。
|
8天前
|
人工智能 C++ iOS开发
ollama + qwen2.5-coder + VS Code + Continue 实现本地AI 辅助写代码
本文介绍在Apple M4 MacOS环境下搭建Ollama和qwen2.5-coder模型的过程。首先通过官网或Brew安装Ollama,然后下载qwen2.5-coder模型,可通过终端命令`ollama run qwen2.5-coder`启动模型进行测试。最后,在VS Code中安装Continue插件,并配置qwen2.5-coder模型用于代码开发辅助。
638 4