java 进程与线程

本文深入解析了进程与线程的概念,包括它们在操作系统中的作用,多进程与多线程的实现原理,以及进程与线程的状态转换过程。详细解释了在单核与多核CPU环境下,进程与线程如何实现并发执行。

1,进程

对于操作系统来说,一个任务就是一个进程。例如:打开一个浏览器既是一个进程。

多进程

多余单核cpu来说,执行多任务是顺序执行的,那么怎么实现多进程呢。就是操作系统轮流地让多个任务轮流执行,但是由于轮流执行的时间非常短,所以就感觉多个进程都在同时工作。对于多核cpu才能真正地并行执行多任务。

2,线程

在同一个进程内部,也会有很多事要做,就需要同时运行多个子任务。这些进程的子任务就叫做线程,线程是最小的执行单元,而进程最少由一个线程组成

多线程

一个进程至少有一个线程,但是当任务较为复杂的时候,就会有多个线程同时操作 执行。与进程一样,真正的多线程需要多核cpu的支持,否则也是轮流执行。

对于进程与线程的调度完全是由操作系统决定的,程序不能决定什么时候执行,执行多长时间。

3,进程与线程之间的状态转换

进程之间的状态及转换
进程之间状态及转换
主要的是“就绪”,“运行”,“阻塞”三种状态;
就绪状态 当进程已分配到除CPU以外的所有必要的资源,只要获得处理机便可立即执行,这时的进程状态称为就绪状态。
执行状态 当进程已获得处理机,其程序正在处理机上执行,此时的进程状态称为执行状态。
阻塞状态 正在执行的进程,由于等待某个事件发生而无法执行时,便放弃处理机而处于阻塞状态。引起进程阻塞的事件可有多种,例如,等待I/O完成、申请缓冲区不能满足、等待信件(信号)等。

状态之间的转换是因为cpu进行了调度与资源分配:
就绪—>执行:对就绪状态的进程,当进程调度程序按一种选定的策略从中选中一个就绪进程,为之分配了处理机后,该进程便由就绪状态变为执行状态;
执行—>阻塞:正在执行的进程因发生某等待事件而无法执行,则进程由执行状态变为阻塞状态,如进程提出输入/输出请求而变成等待外部设备传输信息的状态,进程申请资源(主存空间或外部设备)得不到满足时变成等待资源状态,进程运行中出现了故障(程序出错或主存储器读写错等)变成等待干预状态等等;
阻塞—>就绪:处于阻塞状态的进程,在其等待的事件已经发生,如输入/输出完成,资源得到满足或错误处理完毕时,处于等待状态的进程并不马上转入执行状态,而是先转入就绪状态,然后再由系统进程调度程序在适当的时候将该进程转为执行状态;
执行—>就绪:正在执行的进程,因时间片用完而被暂停执行,或在采用抢先式优先级调度算法的系统中,当有更高优先级的进程要运行而被迫让出处理机时,该进程便由执行状态转变为就绪状态。

线程之间的状态及转换
在这里插入图片描述
创建状态:Thread thread1 = new Thread(); 创建一个线程线程还没有开始运行
就绪状态:创建了线程之后,必须调用线程的Start方法。调用了start方法既是启动了线程,在线程实现当中会运行run方法,start方法返回后,线程处于就绪状态。在这个状态下一定会执行run放法,只有获得cpu时间才会真正地开始执行run方法。
运行状态 :线程获得CPU时间以后,进入运行状态,真正开始执行run()方法。
阻塞状态:线程运行中会有各种原因导致阻塞,例如:使用了sleep方法进入睡眠状态,线程请求获得某个资源的锁,而此锁正在被其他线程持有,等待某个触发条件。阻塞是暂时让出cup资源,让其他的线程可以进入运行状态。
终止状态:run方法正常退出,异常未捕获使线程猝死。

为了确定线程在当前是否存活着(就是要么是可运行的,要么是被阻塞了),需要使用isAlive方法。如果是可运行或被阻塞,这个方法返回true; 如果线程仍旧是new状态且不是可运行的, 或者线程死亡了,则返回false.

下一篇:Java实现线程

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化训练,到执行分类及结果优化的完整流程,并介绍了精度评价通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置结果后处理环节,充分利用ENVI Modeler进行自动化建模参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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