多线程下为什么用while代替if判断

本文探讨了Java中线程的虚假唤醒现象,解释了如何使用while循环而非if语句来正确处理线程唤醒,确保线程在条件满足时才继续执行,避免因虚假唤醒导致的错误。

虚假唤醒

线程也可以唤醒,而不会被通知,中断或超时,即所谓的虚假唤醒 。 虽然这在实践中很少会发生,但应用程序必须通过测试应该使线程被唤醒的条件来防范,并且如果条件不满足则继续等待。 换句话说,等待应该总是出现在循环中,就像这样:
synchronized (obj) {
while ()
obj.wait(timeout);
… // Perform action appropriate to condition
}

这是jdk1.8文档里面的内容,虚假唤醒通俗来说就是当一个条件满足时可以唤醒多个线程,但有的被唤醒的线程是没用的

用while代替if

请看下面的代码,不复杂,就是生产者消费者问题,我们要证明的是:

就是用if判断的话,唤醒后线程会从wait之后的代码开始运行,但是不会重新判断if条件,直接继续运行if代码块之后的代码,而如果使用while的话,也会从wait之后的代码运行,但是唤醒后会重新判断循环条件,如果不成立再执行while代码块之后的代码块,成立的话继续wait

这段话

public class consumerAndProductor {
    public static void main(String[] args) {
        clerk c = new clerk();
        consumer t1 = new consumer(c);
        producer t2 = new producer(c);
        t1.setName("消费者");
        t2.setName("生产者");
        t1.start();
        t2.start();
    }
}
class clerk{

    private int count = 50;

    public synchronized void cons() throws InterruptedException {

            while(count == 0){
                this.wait();
                System.out.println(this.getClass()+"-----------");
            }
            System.out.println(Thread.currentThread().getName() + ":消费了" + --count);
            notify();
    }

    public synchronized void pro() throws InterruptedException {
        while(count != 0){
            this.wait();
            System.out.println(this.getClass()+"+++++++++");
        }
        System.out.println(Thread.currentThread().getName() + ":生产了" + ++count);
        notify();
    }

}




class consumer extends Thread{

    private clerk clerk;

    public consumer(syn.clerk clerk) {
        this.clerk = clerk;
    }

    @Override
    public void run() {
        for (int i = 0;i < 100 ;i++){

            try {
                clerk.cons();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
    }
}






class producer extends Thread{

    private clerk clerk;

    public producer(syn.clerk clerk) {
        this.clerk = clerk;
    }


    @Override
    public void run() {
        for (int i = 0;i < 100 ;i++){

            try {
                clerk.pro();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
    }
}

截取一段运行代码:

消费者:消费了45
消费者:消费了44
消费者:消费了43
消费者:消费了42
class syn.clerk+++++++++
消费者:消费了41
class syn.clerk+++++++++
消费者:消费了40

结论

一个被唤醒的线程就处于就绪状态了,就可以等待被cpu调度了,但是在if语句中,线程被唤醒就从被唤醒的地方执行,不会再次判断,而在while循环中,从被唤醒的地方开始执行代码,至始至终都在while循环中,会继续判断,不满足情况就跳出while,满足就继续wait

<think>我们被问到的问题是:"while循环是否可以用多线程并行" 首先,需要明确:这里的“并行”指的是在多个线程中同时执行同一个while循环的不同迭代,还是指在多个线程中各自执行独立的while循环? 实际上,while循环本身是一个控制流结构,它可以被放在多线程中执行,但需要注意线程安全和资源共享问题。 核心回答要点: 1. 单个while循环本身不能被“并行化”执行(即不能自动分割成多个部分由不同线程同时执行),因为循环的每一步可能有依赖关系。 2. 但是,我们可以将while循环放在多个线程中,让每个线程独立执行自己的循环(即每个线程一个循环实例)。 3. 另外,如果循环体内的每次迭代是独立的(无状态依赖),我们可以将循环体内的任务并行化(例如使用线程池处理每次迭代的任务)。 因此,回答将分为两种情况: 情况1:每个线程运行独立的while循环(例如多个后台任务) 情况2:将循环体内的任务用多线程并行处理(例如并行处理一批独立任务) 同时,需要注意多线程编程中常见的问题:竞态条件、死锁、资源同步等。 接下来,我们将用Python代码示例来说明这两种情况。 </think>### while循环多线程并行执行的可行性分析 while循环可以通过多线程实现并行执行,但需要严格处理线程安全和资源竞争问题。以下是关键要点和实现方案: #### 可行场景限制 | 场景 | 可行性 | 说明 | |------|--------|------| | **独立任务循环** | ✅ 可行 | 每个线程执行独立的循环任务(无共享资源) | | **共享变量读取** | ️ 条件可行 | 需加锁或使用线程安全数据结构 | | **共享变量修改** | ❌ 高风险 | 必须同步机制(Lock/Semaphore) | | **IO密集型任务** | ✅ 推荐 | 线程阻塞时自动切换(如文件/网络操作) | | **CPU密集型任务** | ⚠️ 不推荐 | Python GIL限制,考虑多进程替代 | #### 实现方案(Python示例) ```python import threading import time from queue import Queue # 方案1:独立任务并行(无共享资源) def worker_isolated(thread_id): count = 0 while count < 5: print(f"Thread-{thread_id}: {count}") count += 1 time.sleep(0.5) # 启动两个独立循环线程 for i in range(2): threading.Thread(target=worker_isolated, args=(i,)).start() # 方案2:共享资源安全访问(使用Lock) shared_counter = 0 lock = threading.Lock() def worker_shared(): global shared_counter while shared_counter < 10: with lock: # 加锁确保原子操作 if shared_counter < 10: print(f"Safe update: {shared_counter}") shared_counter += 1 time.sleep(0.2) # 启动四个线程安全修改共享变量 threads = [] for _ in range(4): t = threading.Thread(target=worker_shared) t.start() threads.append(t) for t in threads: t.join() # 方案3:任务队列模式(最佳实践) task_queue = Queue() for i in range(20): task_queue.put(i) def queue_worker(): while not task_queue.empty(): task = task_queue.get() print(f"Processing task {task}") time.sleep(0.1) task_queue.task_done() # 启动线程池处理队列 for _ in range(5): # 5个线程并行 threading.Thread(target=queue_worker, daemon=True).start() task_queue.join() ``` #### 关键注意事项 1. **GIL限制**:Python全局解释器锁限制CPU密集型任务并行效率 2. **死锁风险**:嵌套锁可能导致线程永久阻塞(使用`with lock`自动释放) 3. **资源竞争**:共享变量修改需同步机制(Lock/RLock/Semaphore) 4. **线程安全容器**:优先使用`queue.Queue`代替普通列表 5. **守护线程**:设置`daemon=True`避免主线程结束阻塞 6. **替代方案**:CPU密集型任务考虑`multiprocessing`模块 > **最佳实践建议**:优先采用任务队列模式(生产者-消费者模型),避免直接在多线程中修改共享循环变量。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值