读《JAVA并发编程的艺术》笔记---第一步，分析多线程与单线程的区别，以及并发带来的问题和解决方法

前言:由于工作上用户量逐渐增加,慢慢的牵扯到了一些下单并发问题,在没有特别处理之前,着实绕了很大一圈才解决,为了加强自己的并发经验,所以花了血本狠心买了一本JAVA并发编程的艺术,在学习的同时,准备做一些笔记记录,以备后用.

并发编程,是为了让程序可以更快且安全的运行,以之前的想法,以为开启更多的线程处理同一业务,就可以让程序更快的处理完成,没有考虑到一些开启多线程带来的问题;

然后博主了解到一些常见的并发问题：1.多线程上下文切换，2.死锁，3.多线程资源竞争等

1.关于多线程上下文切换

开启多线程时，CPU会给每个线程分配CPU时间片，因为分配给各个线程的时间片很短，所以CPU通过不停的切换线程执行，给人一种多个线程同步执行的感觉效果，这个时间片一般为几十毫秒（ms）。

CPU通过时间片分配算法循环执行任务（线程），当前线程执行到一个时间片单位之后，会切换到下一个线程执行，同时保存当前线程执行状态，便于切换回当前线程，这个线程保存和切换的过程就是一次上下文切换；书中举了一个很通俗的例子：就像博主看Spring API 英文版时，发现某个单词不认识，只得翻看英语词典，但在我查看英语词典之前，还要先记录api的位置，查看之后再回到api才能继续往下读，这样一个过程影响了博主看API的效率；同样，上下文切换也一样影响了多线程的总体运行时间。

博主通过以下一段简单的代码测试，用以证实了多线程存在上下文切换;

private static final long count = 100000000l;//private static final long count = 10000l;

//多/单线程执行1E/1W的+-操作

long start = System.currentTimeMillis();
Thread thread = new Thread(new Runnable() {
@Override
public void run() {
int i = 0;
for (int j = 0; j < count; j++) {
i+=5;
}
}
});
thread.start();
int b = 0;
for (int i = 0; i < count; i++) {
b--;
}
thread.join();
long time = System.currentTimeMillis() - start;
System.err.println(count + "次执行时间--多线程并行:" + time + "ms");

long start = System.currentTimeMillis();
int a = 0;
for (int j = 0; j < count; j++) {
a+=5;
}
int b = 0;
for (int i = 0; i < count; i++) {
b--;
}
long time = System.currentTimeMillis() - start;
System.err.println(count + "次执行时间--单线程串行:" + time + "ms");

测试结果:

当数据为10000时,单线程处理时间为:0ms(忽略不计),多线程为:1ms;---耗费多出一倍的处理时间

当数据为100000000时,单线程处理时间为:104ms,多线程为:54ms; ---节省了约一倍的处理时间

结论

多线程确切存在上下文切换,所以不是所有场景都适用多线程处理.具体如果实现应以业务为依据

引申思考,如何减少上下文切换

按照书上所述,减少上下文切换的方法有:无锁并发编程,CAS算法,用最少的线程和协程。

-无锁并发编程，多线程竞争锁时，就会引起频繁的上下文切换，可以尽量不加锁来避免上下文切换，如将业务数据ID按照规则（如hash取模），各自线程处理属于各自的数据

-CAS算法，Java自带的Atomic包使用了CAS算法来操作数据变量，同样不需要加锁，具体往后再发专题博客

-使用最少线程或协程，减少不必要的线程开销，将任务分配到合理的线程量，协程则是在单线程环境里实现多任务调度和任务切换。（关于协程博主也暂时还没了解到，后续更新）

由于是在工作中挤出时间来学习研究，具体内容下一篇继续，先分析线程运行状态，再针对性减少线程，减少上下文切换开销

下篇内容：读《JAVA并发编程的艺术》笔记---第二步，使用jstack查找分析程序运行时线程状态