线程池

本文深入探讨了Java中线程池的应用与优势,包括降低线程创建与销毁的开销,合理分配线程资源,避免硬件瓶颈。介绍了JDK提供的线程池实现,如固定线程池、单线程池、缓存线程池和定时线程池,并对比了submit与execute方法的区别。

Java中的线程池是运用场景最多的并发框架,几乎所有需要异步或并发执行任务的程序都可以使用线程池。线程池 就像数据库连接池的作用类似,只是线程池是用来重复管理线程避免创建大量线程增加开销。所以合理的使用线程 池可以

\1. 降低创建线程和销毁线程的性能开销

\2. 合理的设置线程池大小可以避免因为线程数超出硬件资源瓶颈带来的问题,类似起到了限流的作用;线程是稀 缺资源,如果无线创建,会造成系统稳定性问题 线程池的使用

JDK 为我们内置了几种常见线程池的实现,均可以使用 Executors 工厂类创建 为了更好的控制多线程,JDK提供了一套线程框架Executor,帮助开发人员有效的进行线程控制。它们都在 java.util.concurrent包中,是JDK并发包的核心。 其中有一个比较重要的类:Executors,他扮演着线程工厂的角色,

我们通过Executors可以创建特定功能的线程池 

newFixedThreadPool**:**该方法返回一个固定数量的线程池,线程数不变,当有一个任务提交时,若线程池 中空闲,则立即执行,若没有,则会被暂缓在一个任务队列中,等待有空闲的线程去执行

 newSingleThreadExecutor: 创建一个线程的线程池,若空闲则执行,若没有空闲线程则暂缓在任务队列中。

newCachedThreadPool**:**返回一个可根据实际情况调整线程个数的线程池,不限制最大线程数量,若用空 闲的线程则执行任务,若无任务则不创建线程。并且每一个空闲线程会在60秒后自动回收

newScheduledThreadPool: 创建一个可以指定线程的数量的线程池,但是这个线程池还带有延迟和周期性执行 任务的功能,类似定时器。

submit和execute的区别

执行一个任务,可以使用submit和execute,这两者有什么区别呢? 

1. execute只能接受Runnable类型的任务

2. submit不管是Runnable还是Callable类型的任务都可以接受,但是Runnable返回值均为void,所以使用 Future的get()获得的还是null

 

package com.example.demo.morethread;

import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;

public class ThreadPoolDemo implements Runnable {

    @Override
    public void run() {
        try {
            Thread.sleep(1000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        System.out.println(Thread.currentThread().getName());
    }
    static ExecutorService executorService= Executors.newFixedThreadPool(3);

    public static void main(String[] args) {
        for (int i=0;i<1000;i++){
            executorService.execute(new ThreadPoolDemo());
        }
    }
}

运行结果如下:

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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