锁的概念和同步关键字

本文介绍了Java中锁的相关知识,包括自旋锁、悲观锁、乐观锁等概念,阐述了synchronized关键字的可重入、独享、悲观特性,还提及锁消除和锁粗化的优化方式。此外,详细说明了锁的概念实现,如对象头锁状态的升级过程,以及Monitor机制和偏向锁的状态转换。

锁的概念

  • 自旋锁:为了不放弃CPU执行事件,循环的使用CAS技术对数据常识进行更新,直至成功,如atomic封装类
  • 悲观锁:假定会发生并发冲突,同步所有对数据的相关操作,从读数据就开始上锁,如同步关键字
  • 乐观锁:假定没有冲突,在修改数据时如果发现数据和之前获取的不一致,则读最新的数据,修改后重试修改,如CAS自旋操作
  • 独享锁(写锁):给资源加上写锁,线程可以修改资源,其他线程不能再加锁,单写
  • 共享锁(读锁):给资源加上读锁后只能读不能改,其他线程只能加读锁,不能加写锁,多读
  • 可重入锁:线程拿到一把锁之后,可以自由进入同一把锁的同步代码块,不需要等到锁释放,示例如下:
public synchronized void test1(Object arg) {
        System.out.println(Thread.currentThread() + " 我开始执行 " + arg);
        if (arg == null) {
            test1(new Object());
        }
        System.out.println(Thread.currentThread() + " 我执行结束" + arg);
    }

    public static void main(String[] args) throws InterruptedException {
        new ObjectSyncDemo2().test1(null);
    }

公平锁:争抢锁的先后顺序,按照先来后到即为公平锁,反之为非公平锁

synchronized关键字

特性:可重入、独享、悲观

锁消除

如下代码,stringBuffer变量为局部变量,线程安全,在运行期间,StringBuffer的锁会被jit消除来进行优化,可以使用jitWatch来查看运行时的汇编代码

public void test1(Object arg) {
        // jit 优化, 消除了锁
        StringBuffer stringBuffer = new StringBuffer();
        stringBuffer.append("a");
        stringBuffer.append(arg);
        stringBuffer.append("c");
        System.out.println(stringBuffer.toString());
    }

锁粗化

运行期间,jvm出于性能考虑将锁的范围扩大,例如在循环中使用同步关键字

锁的概念实现

  • java对象会有一个头部,存储下列和锁有关的信息
    在这里插入图片描述
    tag从01升级到11经历了无锁->轻量级锁->重量级锁->GC的过程
    当有两个线程来争抢一个对象上的锁时,会首先使用CAS机制来改变对象头,只有一个线程能够修改成功(01改为00),另外一个线程进入CAS自旋,这个时候是无锁。为了避免CPU性能的消耗,在自旋一定次数之后会锁会升级,由轻量级锁升级为重量级锁,这时候会在monitor对象里记录争抢锁的线程的信息,当owner退出后,entry_list里的线程可以去争抢锁
  • monitor机制
    在这里插入图片描述
    结合上图来分析Object的Monitor机制。

Monitor可以类比为一个特殊的房间,这个房间中有一些被保护的数据,Monitor保证每次只能有一个线程能进入这个房间进行访问被保护的数据,进入房间即为持有Monitor,退出房间即为释放Monitor。

当一个线程需要访问受保护的数据(即需要获取对象的Monitor)时,它会首先在entry-set入口队列中排队(这里并不是真正的按照排队顺序),如果没有其他线程正在持有对象的Monitor,那么它会和entry-set队列和wait-set队列中的被唤醒的其他线程进行竞争(即通过CPU调度),选出一个线程来获取对象的Monitor,执行受保护的代码段,执行完毕后释放Monitor,如果已经有线程持有对象的Monitor,那么需要等待其释放Monitor后再进行竞争。

再说一下wait-set队列。当一个线程拥有Monitor后,经过某些条件的判断(比如用户取钱发现账户没钱),这个时候需要调用Object的wait方法,线程就释放了Monitor,进入wait-set队列,等待Object的notify方法(比如用户向账户里面存钱)。当该对象调用了notify方法或者notifyAll方法后,wait-set中的线程就会被唤醒,然后在wait-set队列中被唤醒的线程和entry-set队列中的线程一起通过CPU调度来竞争对象的Monitor,最终只有一个线程能获取对象的Monitor。

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方的例子。 简单的平方问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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