Java JVM 2: 锁优化

本文详细介绍了JVM中锁的优化机制,包括偏向锁、轻量级锁、重量级锁的工作原理及其转换过程,以及自旋锁和锁消除等高级优化手段。

众所周知,多线程访问临界区资源会造成数据不一致问题,也就是通常说的线程不安全,锁存在的目的就是保证线程安全,但不能粗暴的对一切临界区资源加锁,在线程安全的前提下还要保证高并发,JVM对锁进行了多种优化措施。
本文这里的优化仅讨论jvm层面的优化,关于应用层面和jdk中关于锁的优化措施,参见:
对象头和markword:
java中对象都有一个对象头用于保存对象的系统信息。对象头中有mark word,32/64位机中长度为32/64。mark word中根据锁的不同类型存放有对象的哈希值、对象年龄、锁的指针等信息。
以32位系统为例:

  • 对象处于未锁定状态时:[header |0|01]
    前29位表示哈希值、年龄等信息,倒数第三位0,最后两位01表示未锁定
  • 偏向锁状态时:[JavaThread* |epoch|age|1|01]
    前23位表示持有偏向锁的线程,后续2位表示偏向锁的时间戳(epoch),对象年龄(age)
  • 轻量级锁状态:[ptr |00] locked
    指向获得锁的线程栈中该对象的真实对象头
  • 重量级锁状态:[prt |10 ] monitor
    指向monitor的指针

JVM中锁的演化与优化:

  • 偏向锁
    使用-XX:+UseBiasedLocking参数开启,在竞争激烈的场合下意义不大,大量竞争会导致持有锁的线程不停的切换,锁很难保持在偏向模式。
  • 轻量级锁
    偏向锁失败的话线程会申请轻量级锁,具体实现中有类似cas操作。
  • 重量级锁
    轻量级锁失败后就会膨胀为重量级锁
    • 废弃前面的BasicLock备份的对象头信息
    • 启用重量级锁
      首先inflate()方法进行锁膨胀以获得对象的ObjectMonitor,然后使用enter()方法尝试进入该锁。
      enter()方法调用线程有可能在操作系统层面被挂起,这样线程间切换和调度的成本会比较高。
  • 自旋锁
    锁膨胀后虚拟机会做最后的努力以避免线程被操作系统挂起,自旋锁使得线程在没有取得锁时不被挂起,执行一个空循环(所谓自旋),若干空循环后若线程可以获得锁则继续执行,否则被挂起。
    对于锁占用时间短的并发线程有益,对于单线程锁占用时间长的并发程序造成资源浪费。
  • 锁消除
    通过上下文扫描,去除不存在共享资源竞争的锁。
    通过逃逸分析技术做到,开启参数:-XX:+DoEscapeAnalysis -XX:+EliminateLocks。
下载前可以先看下教程 https://pan.quark.cn/s/a4b39357ea24 在网页构建过程中,表单(Form)扮演着用户与网站之间沟通的关键角色,其主要功能在于汇集用户的各类输入信息。 JavaScript作为网页开发的核心技术,提供了多样化的API和函数来操作表单组件,诸如input和select等元素。 本专题将详细研究如何借助原生JavaScript对form表单进行视觉优化,并对input输入框与select下拉框进行功能增强。 一、表单基础1. 表单组件:在HTML语言中,<form>标签用于构建一个表单,该标签内部可以容纳多种表单组件,包括<input>(输入框)、<select>(下拉框)、<textarea>(多行文本输入区域)等。 2. 表单参数:诸如action(表单提交的地址)、method(表单提交的协议,为GET或POST)等属性,它们决定了表单的行为特性。 3. 表单行为:诸如onsubmit(表单提交时触发的动作)、onchange(表单元素值变更时触发的动作)等事件,能够通过JavaScript进行响应式处理。 二、input元素视觉优化1. CSS定制:通过设定input元素的CSS属性,例如border(边框)、background-color(背景色)、padding(内边距)、font-size(字体大小)等,能够调整其视觉表现。 2. placeholder特性:提供预填的提示文字,以帮助用户明确输入框的预期用途。 3. 图标集成:借助:before和:after伪元素或者额外的HTML组件结合CSS定位技术,可以在输入框中嵌入图标,从而增强视觉吸引力。 三、select下拉框视觉优化1. 复选功能:通过设置multiple属性...
【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点探讨了如何利用深度强化学习技术对微能源系统进行高效的能量管理与优化调度。文中结合Python代码实现,复现了EI级别研究成果,涵盖了微电网中分布式能源、储能系统及负荷的协调优化问题,通过构建合理的奖励函数与状态空间模型,实现对复杂能源系统的智能决策支持。研究体现了深度强化学习在应对不确定性可再生能源出力、负荷波动等挑战中的优势,提升了系统运行的经济性与稳定性。; 适合人群:具备一定Python编程基础和机器学习背景,从事能源系统优化、智能电网、强化学习应用等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微能源网的能量调度与优化控制,提升系统能效与经济效益;②为深度强化学习在能源管理领域的落地提供可复现的技术路径与代码参考;③服务于学术研究与论文复现,特别是EI/SCI级别高水平论文的仿真实验部分。; 阅读建议:建议读者结合提供的Python代码进行实践操作,深入理解深度强化学习算法在能源系统建模中的具体应用,重点关注状态设计、动作空间定义与奖励函数构造等关键环节,并可进一步扩展至多智能体强化学习或与其他优化算法的融合研究。
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