-
获取锁
-
获取同步状态:acquire
-
响应中断:acquireInterruptibly
-
超时获取:tryAcquireNanos
-
释放锁
-
release
-
共享式
-
获取锁
-
acquireShared
-
释放锁
-
releaseShared
-
线程阻塞和唤醒
-
当有线程获取锁了,其他再次获取时需要阻塞,当线程释放锁后,AQS负责唤醒线程
-
LockSupport
-
是用来创建锁和其他同步类的基本线程阻塞原语
-
每个使用LockSupport的线程都会与一个许可关联,如果该许可可用,并且可在进程中使用,则调用park()将会立即返回,否则可能阻塞。如果许可尚不可用,则可以调用 unpark 使其可用
-
park()、unpark()
CAS
-
Compare And Swap,整个JUC体系最核心、最基础理论
-
内存值V、旧的预期值A、要更新的值B,当且仅当内存值V的值等于旧的预期值A时才会将内存值V的值修改为B,否则什么都不干
-
native中存在四个参数
-
缺陷
-
循环时间太长
-
只能保证一个共享变量原子操作
-
ABA问题
-
解决方案
-
版本号
-
AtomicStampedReference
ReentrantLock
-
可重入锁,是一种递归无阻塞的同步机制
-
比synchronized更强大、灵活的锁机制,可以减少死锁发生的概率
-
分为公平锁、非公平锁
-
底层采用AQS实现,通过内部Sync继承AQS
ReentrantReadWriteLock
-
读写锁,两把锁:共享锁:读锁、排他锁:写锁
-
支持公平性、非公平性,可重入和锁降级
-
锁降级:遵循获取写锁、获取读锁在释放写锁的次序,写锁能够降级成为读锁
Condition
-
Lock 提供条件Condition,对线程的等待、唤醒操作更加详细和灵活
-
内部维护一个Condition队列。当前线程调用await()方法,将会以当前线程构造成一个节点(Node),并将节点加入到该队列的尾部
CyclicBarrier
-
它允许一组线程互相等待,直到到达某个公共屏障点 (common barrier point)
-
通俗讲:让一组线程到达一个屏障时被阻塞,直到最后一个线程到达屏障时,屏障才会开门,所有被屏障拦截的线程才会继续干活
-
底层采用ReentrantLock + Condition实现
-
应用场景
-
多线程结果合并的操作,用于多线程计算数据,最后合并计算结果的应用场景
CountDownLatch
-
在完成一组正在其他线程中执行的操作之前,它允许一个或多个线程一直等待
-
用给定的计数 初始化 CountDownLatch。由于调用了 countDown() 方法,所以在当前计数到达零之前,await 方法会一直受阻塞。之后,会释放所有等待的线程,await 的所有后续调用都将立即返回。这种现象只出现一次——计数无法被重置。如果需要重置计数,请考虑使用 CyclicBarrier。
-
与CyclicBarrier区别
-
CountDownLatch的作用是允许1或N个线程等待其他线程完成执行;而CyclicBarrier则是允许N个线程相互等待
-
CountDownLatch的计数器无法被重置;CyclicBarrier的计数器可以被重置后使用,因此它被称为是循环的barrier
-
内部采用共享锁来实现
Semaphore
-
信号量
-
一个控制访问多个共享资源的计数器
-
从概念上讲,信号量维护了一个许可集。如有必要,在许可可用前会阻塞每一个 acquire(),然后再获取该许可。每个 release() 添加一个许可,从而可能释放一个正在阻塞的获取者。但是,不使用实际的许可对象,Semaphore 只对可用许可的号码进行计数,并采取相应的行动
-
信号量Semaphore是一个非负整数(>=1)。当一个线程想要访问某个共享资源时,它必须要先获取Semaphore,当Semaphore >0时,获取该资源并使Semaphore – 1。如果Semaphore值 = 0,则表示全部的共享资源已经被其他线程全部占用,线程必须要等待其他线程释放资源。当线程释放资源时,Semaphore则+1
-
应用场景
-
通常用于限制可以访问某些资源(物理或逻辑的)的线程数目
-
内部采用共享锁实现
Exchanger
-
可以在对中对元素进行配对和交换的线程的同步点
-
允许在并发任务之间交换数据。具体来说,Exchanger类允许在两个线程之间定义同步点。当两个线程都到达同步点时,他们交换数据结构,因此第一个线程的数据结构进入到第二个线程中,第二个线程的数据结构进入到第一个线程中
ThreadLocal
-
一种解决多线程环境下成员变量的问题的方案,但是与线程同步无关。其思路是为每一个线程创建一个单独的变量副本,从而每个线程都可以独立地改变自己所拥有的变量副本,而不会影响其他线程所对应的副本
-
ThreadLocal 不是用于解决共享变量的问题的,也不是为了协调线程同步而存在,而是为了方便每个线程处理自己的状态而引入的一个机制
-
四个方法
-
get():返回此线程局部变量的当前线程副本中的值
-
initialValue():返回此线程局部变量的当前线程的“初始值”
-
remove():移除此线程局部变量当前线程的值
-
set(T value):将此线程局部变量的当前线程副本中的值设置为指定值
-
ThreadLocalMap
-
实现线程隔离机制的关键
-
每个Thread内部都有一个ThreadLocal.ThreadLocalMap类型的成员变量,该成员变量用来存储实际的ThreadLocal变量副本。
-
提供了一种用键值对方式存储每一个线程的变量副本的方法,key为当前ThreadLocal对象,value则是对应线程的变量副本
-
注意点
-
ThreadLocal实例本身是不存储值,它只是提供了一个在当前线程中找到副本值得key
-
是ThreadLocal包含在Thread中,而不是Thread包含在ThreadLocal中
-
内存泄漏问题
-
ThreadLocalMap
-
key 弱引用 value 强引用,无法回收
-
显示调用remove()
Fork/Join
-
一个用于并行执行任务的框架, 是一个把大任务分割成若干个小任务,最终汇总每个小任务结果后得到大任务结果的框架
-
核心思想
-
“分治”
-
fork分解任务,join收集数据
-
工作窃取
-
某个线程从其他队列里窃取任务来执行
-
执行块的线程帮助执行慢的线程执行任务,提升整个任务效率
-
队列要采用双向队列
-
核心类
-
ForkJoinPool
-
执行任务的线程池
-
ForkJoinTask
-
表示任务,用于ForkJoinPool的任务抽象
-
ForkJoinWorkerThread
-
执行任务的工作线程
ConcurrentHashMap
-
CAS + Synchronized 来保证并发更新的安全,底层采用数组+链表/红黑树的存储结构
-
重要内部类
-
Node
-
key-value键值对
-
TreeNode
-
红黑树节点
-
TreeBin
-
就相当于一颗红黑树,其构造方法其实就是构造红黑树的过程
-
ForwardingNode
-
辅助节点,用于ConcurrentHashMap扩容操作
-
sizeCtl
-
控制标识符,用来控制table初始化和扩容操作的
-
含义
-
负数代表正在进行初始化或扩容操作
-
-1代表正在初始化
-
-N 表示有N-1个线程正在进行扩容操作
-
正数或0代表hash表还没有被初始化,这个数值表示初始化或下一次进行扩容的大小
-
重要操作
-
initTable
-
ConcurrentHashMap初始化方法
-
只能有一个线程参与初始化过程,其他线程必须挂起
-
构造函数不做初始化过程,初始化真正是在put操作触发
-
步骤
-
sizeCtl < 0 表示正在进行初始化,线程挂起
-
线程获取初始化资格(CAS(SIZECTL, sc, -1))进行初始化过程
-
初始化步骤完成后,设置sizeCtl = 0.75 * n(下一次扩容阈值),表示下一次扩容的大小
-
put
-
核心思想
-
根据hash值计算节点插入在table的位置,如果该位置为空,则直接插入,否则插入到链表或者树中
-
真实情况较为复杂
-
步骤
-
table为null,线程进入初始化步骤,如果有其他线程正在初始化,该线程挂起
-
如果插入的当前 i 位置 为null,说明该位置是第一次插入,利用CAS插入节点即可,插入成功,则调用addCount判断是否需要扩容。若插入失败,则继续匹配(自旋)
-
若该节点的hash ==MOVED(-1),表示有线程正在进行扩容,则进入扩容进程中
-
其余情况就是按照链表或者红黑树结构插入节点,但是这个过程需要加锁(synchronized)
-
get
-
步骤
-
table ==null ;return null
-
从链表/红黑树节点获取
-
扩容
-
多线程扩容
-
步骤
-
构建一个nextTable,其大小为原来大小的两倍,这个步骤是在单线程环境下完成的
-
将原来table里面的内容复制到nextTable中,这个步骤是允许多线程操作
-
链表转换为红黑树过程
-
所在链表的元素个数达到了阈值 8,则将链表转换为红黑树
-
红黑树算法
-
1.8 与 1.7的区别
ConcurrentLinkedQueue
-
基于链接节点的无边界的线程安全队列,采用FIFO原则对元素进行排序,内部采用CAS算法实现
-
不变性
-
在入队的最后一个元素的next为null
-
队列中所有未删除的节点的item都不能为null且都能从head节点遍历到
-
对于要删除的节点,不是直接将其设置为null,而是先将其item域设置为null(迭代器会跳过item为null的节点)
-
允许head和tail更新滞后。这是什么意思呢?意思就说是head、tail不总是指向第一个元素和最后一个元素(后面阐述)
-
head的不变性和可变性
-
tail的不变性和可变性
-
精妙之处:利用CAS来完成数据操作,同时允许队列的不一致性,弱一致性表现淋漓尽致
ConcurrentSkipListMap
-
第三种key-value数据结构:SkipList(跳表)
-
SkipList
-
平衡二叉树结构
-
Skip list让已排序的数据分布在多层链表中,以0-1随机数决定一个数据的向上攀升与否,通过“空间来换取时间”的一个算法,
在每个节点中增加了向前的指针,在插入、删除、查找时可以忽略一些不可能涉及到的结点,从而提高了效率
-
特性
-
由很多层结构组成,level是通过一定的概率随机产生的
-
每一层都是一个有序的链表,默认是升序,也可以根据创建映射时所提供的Comparator进行排序,具体取决于使用的构造方法
-
最底层(Level 1)的链表包含所有元素
-
如果一个元素出现在Level i 的链表中,则它在Level i 之下的链表也都会出
-
每个节点包含两个指针,一个指向同一链表中的下一个元素,一个指向下面一层的元素
-
查找、删除、添加
ConcurrentSkipListSet
- 内部采用ConcurrentSkipListMap实现
基本类型类
-
用于通过原子的方式更新基本类型
-
AtomicBoolean
-
原子更新布尔类型
-
AtomicInteger
-
原子更新整型
-
AtomicLong
-
原子更新长整型
数组
-
通过原子的方式更新数组里的某个元素
-
AtomicIntegerArray
-
原子更新整型数组里的元素
-
AtomicLongArray
-
原子更新长整型数组里的元素
-
AtomicReferenceArray
-
原子更新引用类型数组里的元素
引用类型
-
如果要原子的更新多个变量,就需要使用这个原子更新引用类型提供的类
-
AtomicReference
-
原子更新引用类型
-
AtomicReferenceFieldUpdater
-
原子更新引用类型里的字段
-
AtomicMarkableReference
-
原子更新带有标记位的引用类型
字段类
-
如果我们只需要某个类里的某个字段,那么就需要使用原子更新字段类
-
AtomicIntegerFieldUpdater
-
原子更新整型的字段的更新器
-
AtomicLongFieldUpdater
-
原子更新长整型字段的更新器
-
AtomicStampedReference
-
原子更新带有版本号的引用类型
ArrayBlockingQueue
-
一个由数组实现的FIFO有界阻塞队列
-
ArrayBlockingQueue有界且固定,在构造函数时确认大小,确认后不支持改变
-
在多线程环境下不保证“公平性”
-
实现
-
ReentrantLock
-
Condition
LinkedBlockingQueue
- 基于链接,无界的FIFO阻塞队列
PriorityBlockingQueue
-
支持优先级的无界阻塞队列
-
默认情况下元素采用自然顺序升序排序,可以通过指定Comparator来对元素进行排序
-
二叉堆
-
分类
-
最大堆
-
父节点的键值总是大于或等于任何一个子节点的键值
-
最小堆
-
父节点的键值总是小于或等于任何一个子节点的键值
-
添加操作则是不断“上冒”,而删除操作则是不断“下掉”
-
实现
-
ReentrantLock + Condition
-
二叉堆
DelayQueue
-
支持延时获取元素的无界阻塞队列
-
应用
-
缓存:清掉缓存中超时的缓存数据
-
任务超时处理
-
实现
-
ReentrantLock + Condition
-
根据Delay时间排序的优先级队列:PriorityQueue
-
Delayed接口
-
用来标记那些应该在给定延迟时间之后执行的对象
-
该接口要求实现它的实现类必须定义一个compareTo 方法,该方法提供与此接口的 getDelay 方法一致的排序。
SynchronousQueue
-
一个没有容量的阻塞队列
-
应用
-
交换工作,生产者的线程和消费者的线程同步以传递某些信息、事件或者任务
-
难搞懂,与Exchanger 有一拼
LinkedTransferQueue
-
链表组成的的无界阻塞队列
-
相当于ConcurrentLinkedQueue、SynchronousQueue (公平模式下)、无界的LinkedBlockingQueues等的超集
-
预占模式
-
有就直接拿走,没有就占着这个位置直到拿到或者超时或者中断
LinkedBlockingDeque
-
由链表组成的双向阻塞队列
-
容量可选,在初始化时可以设置容量防止其过度膨胀,如果不设置,默认容量大小为Integer.MAX_VALUE
-
运用
-
“工作窃取”模式
好处
-
降低资源消耗
-
通过重复利用已创建的线程降低线程创建和销毁造成的消耗
-
提高响应速度
-
当任务到达时,任务可以不需要等到线程创建就能立即执行
-
提高线程的可管理性
-
进行统一分配、调优和监控
Executor
-
Executors
-
静态工厂类,提供了Executor、ExecutorService、ScheduledExecutorService、ThreadFactory 、Callable 等类的静态工厂方法
-
ThreadPoolExecutor
-
参数含义
-
corePoolSize
-
线程池中核心线程的数量
-
maximumPoolSize
-
线程池中允许的最大线程数
-
keepAliveTime
-
线程空闲的时间
-
unit
-
keepAliveTime的单位
-
workQueue
-
用来保存等待执行的任务的阻塞队列
-
使用的阻塞队列
-
ArrayBlockingQueue
-
LinkedBlockingQueue
-
SynchronousQueue
-
PriorityBlockingQueue
-
threadFactory
-
用于设置创建线程的工厂
-
DefaultThreadFactory
-
handler
-
RejectedExecutionHandler,线程池的拒绝策略
-
分类
-
AbortPolicy:直接抛出异常,默认策略
-
CallerRunsPolicy:用调用者所在的线程来执行任务
-
DiscardOldestPolicy:丢弃阻塞队列中靠最前的任务,并执行当前任务
-
DiscardPolicy:直接丢弃任务
-
线程池分类
-
newFixedThreadPool
-
可重用固定线程数的线程池
-
分析
-
corePoolSize和maximumPoolSize一致
-
使用“无界”队列
LinkedBlockingQueue
- maximumPoolSize、keepAliveTime、
RejectedExecutionHandler
无效
-
newCachedThreadPool
-
使用单个worker线程的Executor
-
分析
-
corePoolSize和maximumPoolSize被设置为1
-
使用LinkedBlockingQueue作为workerQueue
-
newSingleThreadExecutor
-
会根据需要创建新线程的线程池
-
分析
-
corePoolSize被设置为0
-
maximumPoolSize被设置为Integer.MAX_VALUE
-
SynchronousQueue作为WorkerQueue
-
如果主线程提交任务的速度高于maximumPool中线程处理任务的速度时,CachedThreadPool会不断创建新线程 ,可能会耗尽CPU和内存资源
-
任务提交
-
Executor.execute()
-
ExecutorService.submit()
-
任务执行
-
执行流程
-
线程池调优
-
两种模型
-
线程池监控
-
ScheduledThreadPoolExecutor
-
继承自ThreadPoolExecutor
-
给定的延迟之后运行任务,或者定期执行任务
-
内部使用DelayQueue来实现 ,会把调度的任务放入DelayQueue中。DelayQueue内部封装PriorityQueue,这个PriorityQueue会对队列中的ScheduledFutureTask进行排序
Future
-
异步计算
-
Future
-
提供操作
-
执行任务的取消
-
查询任务是否完成
-
获取任务的执行结果
技术学习总结
学习技术一定要制定一个明确的学习路线,这样才能高效的学习,不必要做无效功,既浪费时间又得不到什么效率,大家不妨按照我这份路线来学习。
最后面试分享
大家不妨直接在牛客和力扣上多刷题,同时,我也拿了一些面试题跟大家分享,也是从一些大佬那里获得的,大家不妨多刷刷题,为金九银十冲一波!
rQueue
-
newSingleThreadExecutor
-
会根据需要创建新线程的线程池
-
分析
-
corePoolSize被设置为0
-
maximumPoolSize被设置为Integer.MAX_VALUE
-
SynchronousQueue作为WorkerQueue
-
如果主线程提交任务的速度高于maximumPool中线程处理任务的速度时,CachedThreadPool会不断创建新线程 ,可能会耗尽CPU和内存资源
-
任务提交
-
Executor.execute()
-
ExecutorService.submit()
-
任务执行
-
执行流程
-
线程池调优
-
两种模型
-
线程池监控
-
ScheduledThreadPoolExecutor
-
继承自ThreadPoolExecutor
-
给定的延迟之后运行任务,或者定期执行任务
-
内部使用DelayQueue来实现 ,会把调度的任务放入DelayQueue中。DelayQueue内部封装PriorityQueue,这个PriorityQueue会对队列中的ScheduledFutureTask进行排序
Future
-
异步计算
-
Future
-
提供操作
-
执行任务的取消
-
查询任务是否完成
-
获取任务的执行结果
技术学习总结
学习技术一定要制定一个明确的学习路线,这样才能高效的学习,不必要做无效功,既浪费时间又得不到什么效率,大家不妨按照我这份路线来学习。
[外链图片转存中…(img-smhykYDH-1718917928801)]
[外链图片转存中…(img-Jk3MSKen-1718917928802)]
[外链图片转存中…(img-ahDAPExm-1718917928802)]
最后面试分享
大家不妨直接在牛客和力扣上多刷题,同时,我也拿了一些面试题跟大家分享,也是从一些大佬那里获得的,大家不妨多刷刷题,为金九银十冲一波!
[外链图片转存中…(img-HMjxk4ie-1718917928802)]
[外链图片转存中…(img-UJhZVbuW-1718917928803)]