《实战 Java 高并发程序设计》笔记——第4章 锁的优化及注意事项（一）

声明：

本博客是本人在学习《实战 Java 高并发程序设计》后整理的笔记，旨在方便复习和回顾，并非用作商业用途。

本博客已标明出处，如有侵权请告知，马上删除。

“锁” 是最常用的同步方法之一。在高并发的环境下，激烈的锁竞争会导致程序的性能下降。所以我们自然有必要讨论一些有关 “锁” 的性能问题以及相关一些注意事项。比如：避免死锁、减小锁粒度、锁分离等。

在多核时代，使用多线程可以明显地提高系统的性能。但事实上，使用多线程的方式会额外增加系统的开销。

对于单任务或者单线程的应用而言，其主要资源消耗都花在任务本身。它既不需要维护并行数据结构间的一致性状态，也不需要为线程的切换和调度花费时间。但对于多线程应用来说，系统除了处理功能需求外，还需要额外维护多线程环境的特有信息，如线程本身的元数据、线程的调度、线程上下文的切换等。

事实上，在单核 CPU 上，采用并行算法的效率一般要低于原始的串行算法的，其根本原因也在于此。因此，并行计算之所以能提高系统的性能，并不是因为它 “少干活” 了，而是因为并行计算可以更合理地进行任务调度，充分利用各个 CPU 资源。因此，合理的并发，才能将多核 CPU 的性能发挥到极致。

4.1 有助于提高 “锁” 性能的几点建议

“锁” 的竞争必然会导致程序的整体性能下降。为了将这种副作用降到最低，我这里提出一些关于使用锁的建议，希望可以帮助大家写出性能更为优越的程序。

4.1.1 减小锁持有时间

对于使用锁进行并发控制的应用程序而言，在锁竞争过程中，单个线程对锁的持有时间与系统性能有着直接的关系。如果线程持有锁的时间很长，那么相对地，锁的竞争程度也就越激烈。可以想象一下，如果要求 100 个人各自填写自己的身份信息，但是只给他们一支笔。那么如果每个人拿着笔的时间都很长，总体所花的时间就会很长。如果真的只能有一支笔共享给 100 个人用，那么最好就让每个人花尽量少的时间持笔，务必做到想好了再拿笔写，千万不可拿着笔才去思考这表格应该怎么填。程序开发也是类似的，应该尽可能地减少对某个锁的占有时间，以减少线程间互斥的可能。以下面的代码段为例：

syncMethod() 方法中，假设只有 mutextMethod() 方法是有同步需要的，而 othercode1() 和 othercode2() 并不需要做同步控制。如果 othercode1() 和 othercode2() 分别是重量级的方法，则会花费较长的 CPU 时间。此时，如果在并发量较大，使用这种对整个方法做同步的方案，会导致等待线程大量增加。因为一个线程，在进入该方法时获得内部锁，只有在所有任务都执行完后，才会释放锁。

一个较为优化的解决方案是，只在必要时进行同步，这样就能明显减少线程持有锁的时间，提高系统的吞吐量。

在改进的代码中，只针对 mutextMethod() 方法做了同步，锁占用的时间相对较短，因此能有更高的并行度。这种技术手段在 JDK 的源码包中也可以很容易地找到，比如处理正则表达式的 Pattern 类：

matcher() 方法有条件地进行锁申请，只有在表达式未编译时，进行局部的加锁。这种处理方式大大提高了 matcher() 方法的执行效率和可靠性。

注意：减少锁的持有时间有助于降低锁冲突的可能性，进而提升系统的并发能力。

4.1.2 减小锁粒度

减小锁粒度也是一种削弱多线程锁竞争的有效手段。这种技术典型的使用场景就是 ConcurrentHashMap 类的实现。大家应该还记得这个类吧！在 “3.3 JDK的 并发容器” 一节中，我向大家介绍了这个高性能的 HashMap。但是当时我们并没有说明它的实现原理。这里，让我们更加细致地看一下这个类。

对于 HashMap 来说，最重要的两个方法就是 get() 和 put() 。一种最自然的想法就是对整个 HashMap 加锁，必然可以得到一个线程安全的对象。但是这样做，我们就认为加锁粒度太大。对于 ConcurrentHashMap，它内部进一步细分了若干个小的 HashMap，称之为段（SEGMENT）。默认情况下，一个 ConcurrentHashMap 被进一步细分为 16 个段。

如果需要在 ConcurrentHashMap 中增加一个新的表项，并不是将整个 HashMap 加锁，而是首先根据 hashcode 得到该表项应该被存放到哪个段中，然后对该段加锁，并完成 put() 操作。在多线程环境中，如果多个线程同时进行 put() 操作，只要被加入的表项不存放在同一个段中，则线程间便可以做到真正的并行。

由于默认有 16 个段，因此，如果够幸运的话，ConcurrentHashMap 可以同时接受 16 个线程同时插入（如果都插入不同的段中），从而大大提供其吞吐量。下面代码显示了 put() 操作的过程。在第 5～6 行，根据 key，获得对应的段的序号。接着在第 9 行，得到段，然后将数据插入给定的段中。

但是，减少锁粒度会引入一个新的问题，即：当系统需要取得全局锁时，其消耗的资源会比较多。仍然以 ConcurrentHashMap 类为例，虽然其 put() 方法很好地分离了锁，但是当试图访问 ConcurrentHashMap 全局信息时，就会需要同时取得所有段的锁方能顺利实施。比如 ConcurrentHashMap 的 size() 方法，它将返回 ConcurrentHashMap 的有效表项的数量，即 ConcurrentHa