Java并发编程实战笔记(3)-对象的组合

本文探讨了如何设计线程安全的类,包括共享、可变性和同步机制的基本要素,介绍了依赖状态的操作、Java监视器模式及客户端加锁机制等核心概念。

转载请注明出处 http://www.paraller.com 原文排版地址 点击获取更好阅读体验

之前的介绍都是从内存的角度去确保程序是线程安全的,本节主要介绍 将现有的线程安全组件 组合成 更大规模的组件或程序。

设计线程安全的类

设计线程安全类的三个基本要素:共享、可变、同步机制 - 找出构成对象状态的所有变量 : 如果对象的域引用了其他对象,那么该对象的状态将包含被引用对象的域。 - 变量是否共享?找出约束状态变量的不变性条件? - 建立对象状态的并发访问管理策略 (简单的说就是同步机制) : 在开发中最好能形成正式文档

依赖状态的操作

某些对象的方法中包含基于状态的先验条件,比如在删除元素的时候判断队列是否非空; 可以通过现有库中的类(阻塞队列或信号量)来实现依赖状态的行为。

Java监视器模式

监视器模式与设计模式中的监视器模式有区别: 把对象的所有可变状态封装起来,并由对象自己的内置锁来保护。Vector和Hashtable这些容器安全类使用的就是这种模式。

私有锁: 私有的对象锁可以将锁封装起来,使客户代码无法得到锁,除非通过公有方法doSomething访问锁,参与到同步策略中来。 ``` class Demo{ private final Object obj = new Object();

public void doSomething(){
    sychronized(obj){

    }
}

} ```

线程安全性的委托

委托是创建线程安全类的一个最有效的策略:只需让现有的线程安全类 管理所有的状态即可。 - 委托给单个状态变量:线程安全类 or 不可变对象 - 委托给多个状态变量,只要彼此独立没有关联 - CopyOnWriteArrayList 是一个线程安全的链表,特别适用于管理监听器列表 - 如果某个类含有复合操作,仅靠委托不安全,要提供自己的加锁机制

为现有的线程安全类添加功能
  • 修改源代码:比较难,需要理解同步策略,才能和设计保持一致
  • 扩展类:继承安全类,(如果底层的类修改了同步策略,那么子类将会被破坏)
  • 客户端加锁机制
  • 使用组合的方式(推荐)

客户端加锁机制:

错误的代码,因为 对链表操作虽然声明了 sychronized,但却使用了不同的锁, putIfAbsent相对于List的其他操作并不是原子的, 在执行putIfAbsent方法时,其他线程可能会修改list。 ``` class Demo{ list = Collections.synchronizedList(new ArrayList );

sychronized boolean putIfAbsent(E x){
    boolean absent = !list.contains(x);
    if(absent){
        list.add(x);
    }
    return list;
}

} ```

客户端加锁是指: 使用某个对象X的客户端代码,使用X本身用于保护其状态的锁来保护这段客户代码。 ``` boolean putIfAbsent(E x){ sychronized(list){

    boolean absent = !list.contains(x);
    if(absent){
        list.add(x);
    }
    return list;
}

} ```

风险:

  • 通过添加原子操作来扩展类是脆弱的:将类的加锁代码分布到多个类中
  • 客户端加锁更加脆弱,将类C的加锁代码放到与类C完全无关的客户端代码中
  • 两者都会破坏同步策略的封装性

组合: 统一使用ImporvedList 的锁 ``` class ImporvedList implements List {

private final List
内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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