多线程与高并发8-线程池1

本文深入探讨Java并发编程的关键概念,包括Executor、ExecutorService、ThreadPoolExecutor的层级关系,Callable与Runnable的区别,FutureTask的双重角色,以及CompletableFuture的多任务管理能力。同时,解析了线程池内部结构和参数配置,对比了ThreadPoolExecutor与ForkJoinPool的适用场景。
Executor、 ExecutorService、ThreadPoolExecutor

Executor:定义并运行线程
ExecutorService:继承于Executor。扩展了executor接口。实现了控制线程的声明周期
ThreadPoolExecutor:线程池

Executor->ExecutorService->ThreadPoolExecutor

Callable

同Runnable一样也是用来执行的,但是callable拥有返回值,可以不用在线程池等待。
一般联合线程池和future使用,submit()方法传入Callable对象,返回值为future。
submit之后是一个异步过程,并不阻塞。
future.get()方法是一个阻塞的过程,等待取到返回值

Callable<String> call = new Callable(){
	@Override
	public String call() throws Exception{
		return "hello";
	}
}
ExecutorService service = Executors.newCachedThreadPool();
Future<String> future = service.submit(call);//异步过程
System.out.println(future.get());
service.shutdown();

FutureTask

既可以作为一个任务,也可以作为future。在执行完任务后,将返回值直接存到Future中。
(底层实现,FutureTask实现了RunnableFuture,RunnableFuture继承了Runnable和Future)

FutureTask<Integer> task = new FutureTask<>(()->{
	return 1000;
});//等同于runnable,可以直接传入thread,更加灵活
new Thread(task).start();
System.out.println(task.get());//阻塞

CompletableFuture

多任务管理
异步执行,等待所有返回结果,或任意一个返回结果后继续执行

//
CompletableFuture<Double> f1 = CompletableFuture.supplyAsync(()->test1());//异步执行
CompletableFuture<Double> f2 = CompletableFuture.supplyAsync(()->test2());
CompletableFuture<Double> f3 = CompletableFuture.supplyAsync(()->test3());
//所有的的Cfuture执行完毕,再继续执行
CompletableFuture.allof(f1,f2,f3).join();
//有一个的Cfuture执行完毕,再继续执行
CompletableFuture.anyof(f1,f2,f3).join();

可以放到List<CompletableFuture<Double>>  然后循环集合,分别join元素,获取元素

ThreadPoolExecutor、ForkJoinPool

ThreadPoolExecutor:普通线程池
ForkJoinPool:分解汇总任务
用很少的线程可以执行很多的任务(子任务),TPE无法做到先执行子任务
CPU密集型

ThreadPoolExecutor

线程池内部结构,是两个集合。一个集合维护线程,一个集合维护任务。
手工声明线程池的七个小矮人

 public ThreadPoolExecutor(int corePoolSize,//核心线程,核心线程一直存活
                              int maximumPoolSize,//最大线程
                              long keepAliveTime,//存活时间,超过存活时间的线程归还OS,直到只剩下核心线程
                              TimeUnit unit,//时间单位
                              BlockingQueue<Runnable> workQueue,//阻塞队列,blockq,传入不同blockq产生不同线程池
                              ThreadFactory threadFactory,//线程工厂生成线程,
                              RejectedExecutionHandler handler)//拒绝策略。核心线程满载,任务队列(Block)满载,最大线程数满载,执行拒绝策略
//ThreadPoolExecutor提供的四种拒绝策略                              
//abort:抛异常
//Discard:扔掉,不抛异常
//DiscardOldest:扔掉排队时间最久的
//CallerRuns:调用线程池线程的线程处理任务    
//自定义拒绝策略,将未处理线程进行存储(redis,kafka,mysql),之后消费者去抓紧处理(实现RejectedExecutionHandler)                   
	//threadfactory
	  public Thread newThread(Runnable r) {
            Thread t = new Thread(group, r,
                                  namePrefix + threadNumber.getAndIncrement(),//atomic原子类
                                  0);
            if (t.isDaemon())
                t.setDaemon(false);//设置非守护线程
            if (t.getPriority() != Thread.NORM_PRIORITY)
                t.setPriority(Thread.NORM_PRIORITY);//执行级别,普通级别
            return t;
        }
【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练分类,实现对不同类型扰动的自动识别准确区分。该方法充分发挥DWT在信号去噪特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性效率,为后续的电能治理设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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