jvm随笔9-锁优化

Java并发编程锁优化
1.自旋锁

问题:挂起和恢复线程要转入内核态中完成,许多应用,共享数据的锁定状态只会持续很短一段时间,为了这段时间去挂起和恢复线程并不值得。

两个或以上的线程并行执行时,可以让后面请求锁的那个线程等一下,但不放弃处理器的执行时间,看看持有锁的线程是否很快就会释放锁。为了让线程等待,只需让线程执行一个忙循环(自旋),避免了线程切换的开销

2.锁消除

虚拟机即时编译器在运行时,对一些代码要求同步,但是被检测到不可能存在共享数据竞争的锁进行消除

3.锁粗化

问题:如果一系列的连续操作都对一个对象反复加锁和解锁,甚至加锁操作是出现在循环体中,那么即使没有线程竞争,频繁的进行互斥同步操作也会导致不必要的性能损耗。

如果虚拟机探测到有这样一串零碎的操作都对同一个对象加锁,将会把加锁同步的范围粗化到整个操作序列的外部

4.轻量级锁

轻量级是相对于使用操作系统互斥量来实现的传统锁而言,传统锁机制被称为重量级锁,轻量级锁并不是用来代替传统的重量级锁的,他的本意是在没有多线程竞争的前提下,较少传统重量级锁使用操作系统互斥量产生的性能消耗

1)对象头

  • 存储对象自身的运行时数据,hashcode,分代年龄,指向锁记录的指针,指向重量级锁的指针(Mark word)
  • 存储指向方法区对象类型数据的指针

对象头信息是与对象自身定义的数据无关的额外存储成本

2)轻量级锁

代码进入同步快时,如果此同步对象没有锁定(锁标志位为01状态),虚拟机将在当前线程的栈帧中建立一个名为锁记录的空间,用于存储锁对象目前Mark word的拷贝。

虚拟机使用CAS操作尝试将对象的Mark word 更新为指向Lock Record的指针,如果这个更新操作成功了,这个线程就拥有了该对象的锁,并且对象Mark word 的锁标志位转变为 00,表示处于轻量级锁状态。

如果有两条以上的线程争用同一个锁,那轻量级锁就不再有效,要膨胀为重量级锁,锁标志状态位 变为 10

如何提升性能:对于绝大部分锁,在整个同步周期内都是不存在竞争的。如果没有竞争,轻量级锁使用CAS操作避免了使用互斥量的开销

5.偏向锁

消除数据在无竞争情况下的同步原语,不同于轻量级锁是在无竞争情况下使用CAS操作去消除同步使用的互斥量,那偏向锁就是在无竞争的情况下把整个同步都消除掉,连CAS都不做。

偏向锁的意思是这个锁会偏向第一个获得它的线程,如果在接下来的执行过程中,该锁没有被其他线程获取,则持有偏向锁的线程不需要再进行同步。

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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