Java.util.concurrent 源码解读(一)

本文详细解析了Java.util.concurrent包中的AQS(Abstract Synchronizer)锁机制,包括其结构、实现类及其核心组件Node的详细解释。文章深入探讨了AQS在不同模式下的操作流程,以及如何通过抽象类和内部类实现锁的互斥和共享特性。通过实例分析,读者可以更好地理解AQS如何在并发环境下确保线程安全。

前面已经可以了解到AQS的设计,接下看一下具体的使用和实现:

1、java.util.concurrent 的结构:

曾经有一张图可以十分清楚地展示java.util.concurrent的结构,我也借来用一下,有助于理清楚整个大的结构,接下去主要是对各个部分的具体实现进行分析,首先还是从锁说起;

 


 

2、lock部分实现的类图:


上图是整个AQS的类图,红色框类表示JDK文档里面自带的一个简单使用ASQ的互斥锁的实现;接下去我们主要从AQS本身和这个简单的实现来解读源码;当然这里完全可以换为ReentrantLock等我们常使用的锁;只不过他们们本身有更加复杂的策略,但是作为AQS的使用者来说,完全是一样的;

 

2.1、父类AbstractOwnableSynchronizer:从类图中可以发现这个抽象类只有一个Thread类型的成员变量exclusiveOwnerThread;用来存放独占模式时当前的线程;

 

2.2、Node类:这个类定义了一系列的静态的常量,类图的中的注释可以看到主要的一部分,如CANCELLED、SIGNAL等,这4个int常量加上0用来作为waitStatus可能的值,用来表示当前线程的状态;另外还有两个Node类型的常量SHARED、EXCLUSIVE,SHARED赋值为了一个空的Node对象,EXCLUSIVE=null;这个两个常量用来作为nextWaiter对象可能的取值,表示下一个在条件队列上的node,因为条件队列只有在互斥模式下有意义,所以如果是共享模式等于一个常量,即是SHARED,而互斥模式下新增第一个节点的时候,由于还没有其他线程在该条件上阻塞,所以初始化为两一个常量EXCLUSIVE,也就是null;

      另外剩下就是一个指向对应线程的Thread的对象,和指向前一个和后一个节点的Node类型的对象;

      Node类有两个重要的方法,一个是isShared(),很明显是判断当前线程的同步模式,根据前面对nextWaiter变量的说明,很容易想到实现只有一行代码:

 

final boolean isShared() {
            return nextWaiter == SHARED;
        }

 两外一个是predecessor(),返回当前节点的前一个节点,实现也很简单:返回prev的值,只是增加为null的判断;

 

final Node predecessor() throws NullPointerException {
            Node p = prev;
            if (p == null)
                throw new NullPointerException();
            else
                return p;
        }

你一定会很奇怪:为什么要单独提供predecessor,而没有提供对应的获取next的方法呢?我想主要有两个原因:1、在论文里面也提到,next的路径只是作为一个优化路径。如果一个节点的next判断是null,是不能相信的还必须通过从尾部通过prev域反向查找(因为不能实现双向链表的无锁的原子插入)。2、在后面的使用场景中可以发现,其实是把跑出异常作为了结束循环的条件,统一到这里来可以使使用的代码简单整洁。

 整个Node类是static、final的,并且是AQS的内部类;

 

2.3、AQS类,这个类是整个lock框架的核心,代码量也比较大,将在下一节详细的介绍;

 

未完待续。。。

 

 

 

本站支持 pay for your wishes

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
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