线程之旅-(二对象及变量的并发访问)

本文详细解释了可重入锁的工作原理,包括其在多线程环境中的使用方式及内部实现机制。此外还探讨了synchronized与volatile关键字的区别,以及它们如何确保线程间的可见性和原子性。

什么叫做可重入锁

    protected final boolean tryAcquire(int var1) {
             //重点
            Thread var2 = Thread.currentThread();
            int var3 = this.getState();
            if (var3 == 0) {
                if (!this.hasQueuedPredecessors() && this.compareAndSetState(0, var1)) {
                    this.setExclusiveOwnerThread(var2);
                    return true;
                }
            } else if (var2 == this.getExclusiveOwnerThread()) {
                int var4 = var3 + var1;
                if (var4 < 0) {
                    throw new Error("Maximum lock count exceeded");
                }

                this.setState(var4);
                return true;
            }

            return false;
        }
    }

为什么使用了sync之后依旧会出现脏读数据?

跟对象有关

什么是脏读环境

静态同步sync方法与不加static的区别是什么?

虽然都可以实现同步锁发的方法,但是本质是不一样的,static sync方法是给class类上锁, 但是非static是给对象上锁

数据类型String常量池特性

sync与string联合使用

为什么sync可以解决死锁问题

什么是死锁,当线程A得到锁之后还想得到B的锁,到是线程B得到锁的时候还想得到线程A的锁,所以导致双方都不释放,如果使用sync,那么线程是一个个执行的,所以可以解决这个问题

模拟出现死锁情况

当锁对象被改变的时候依旧是同步

只要对象不改变,及时值和属性改变也不会影响

什么是Volatile

volatile 关键字增加了实例变量在多个线程之间的可见性,但是volatile缺点是不是原子性,

Volatile如何解决死循环问题

关键字Volatile的作用就是强制从公共堆栈中取得变量的值,而不是从线程私有数据栈中取得值.

synchronized与volatile区别

为什么变量加上volatile依旧是线程不安全的

因为volatile每次提示线程是从共享内存中拿数据,而不是从私有内存中读取,所以他才能保证同步数据的可见性,但是正是因为这样他才不是原子性操作,
1 从内存中取出i的值
2 计算i的值
3 将i 的值写入到内存中
假设在第二步计算i的值时候另一个线程已经做了修改,所以这个时候导致线程是不安全的,解决方案是使用synchronized

那谁可以保证原子类操作i++是线程安全的

总结

外练互斥,内修可见

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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

打赏作者

王雪芬-ghqr-264962

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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