CountDownLatch 是 Java 并发包(java.util.concurrent
)中的核心同步工具,用于协调多个线程的执行顺序,允许一个或多个线程等待其他线程组完成操作后再继续执行。其设计简洁高效,在企业级高并发场景中广泛应用。以下从核心特性、实现原理、企业实例三方面深入解析:
🔧 一、核心概念与特性
-
计数器机制
- 初始化:创建时指定正整数
count
(如new CountDownLatch(5)
),表示需要等待的事件数量。 - 递减操作:线程完成任务后调用
countDown()
,计数器原子性减 1。 - 等待机制:调用
await()
的线程阻塞,直到计数器归零后自动唤醒。
- 初始化:创建时指定正整数
-
关键方法
await()
:阻塞当前线程直至计数器归零(支持中断)。await(long timeout, TimeUnit unit)
:支持超时等待,避免无限阻塞。countDown()
:计数器减 1,归零时唤醒所有等待线程。getCount()
:获取当前计数器值(调试或监控用)。
-
核心特性
- 一次性:计数器归零后无法重置,若需复用需改用
CyclicBarrier
。 - 无锁设计:基于 AQS 实现,
countDown()
通过 CAS 操作避免锁竞争。
- 一次性:计数器归零后无法重置,若需复用需改用
⚙️ 二、底层实现原理
基于 AQS(AbstractQueuedSynchronizer)的共享锁模式:
-
Sync 内部类:
- 继承 AQS,重写
tryAcquireShared
和tryReleaseShared
方法。 -
tryAcquireShared
:计数器为 0 时返回 1(允许线程通过),否则返回 -1(阻塞线程)。 -
tryReleaseShared
:protected boolean tryReleaseShared(int releases) { for (;;) { // CAS 自旋减计数 int c = getState(); if (c == 0) return false; int nextc = c-1; if (compareAndSetState(c, nextc)) return nextc == 0; // 返回 true 时唤醒阻塞线程 } } ```[7](@ref)
- 继承 AQS,重写
-
线程阻塞与唤醒:
-
await()
→ 调用acquireSharedInterruptibly(1)
,线程加入 AQS 阻塞队列。 -
countDown()
→ 计数器归零时,AQS 释放所有阻塞线程(通过doReleaseShared()
)。
-
-
性能优势:
countDown()
无锁操作(CAS),高并发下效率高;- 线程唤醒由 AQS 统一调度,避免“惊群效应”。
🏢 三、企业级应用场景与实例
⚡️ 场景 1:微服务启动协调
问题:系统需依赖多个服务(数据库、缓存、消息队列)启动完成后,主服务才能对外提供服务。
解决方案:
public class ServiceBootstrap {
private static final int SERVICE_COUNT = 3;
private static CountDownLatch latch = new CountDownLatch(SERVICE_COUNT);
public static void main(String[] args) {
// 启动依赖服务
startService("Database", 2000);
startService("Redis", 1500);
startService("MQ", 1000);
try {
latch.await(); // 阻塞主线程,等待所有服务就绪
System.out.println("所有服务启动完成,主服务开始运行!");
} catch (InterruptedException e) { /* ... */ }
}
private static void startService(String name, long delay) {
new Thread(() -> {
try {
Thread.sleep(delay); // 模拟服务初始化
System.out.println(name + " 服务就绪");
} catch (Exception e) { /* ... */ } finally {
latch.countDown(); // 服务就绪后减计数
}
}).start();
}
}
输出:
Redis 服务就绪
MQ 服务就绪
Database 服务就绪
所有服务启动完成,主服务开始运行!
```[4,7](@ref)
---
#### 🛒 **场景 2:电商详情页数据聚合**
**问题**:商品详情页需并行调用交易服务(价格)、库存服务(库存)、推荐服务(相关商品),全部返回后才能渲染页面。
**解决方案**:
```java
public class ProductDetailService {
private CountDownLatch latch = new CountDownLatch(3);
private PriceResult priceResult;
private StockResult stockResult;
private RecommendResult recommendResult;
public void loadDetail() throws InterruptedException {
ExecutorService executor = Executors.newFixedThreadPool(3);
executor.submit(() -> {
priceResult = fetchPrice(); // 调用价格服务
latch.countDown();
});
executor.submit(() -> {
stockResult = fetchStock(); // 调用库存服务
latch.countDown();
});
executor.submit(() -> {
recommendResult = fetchRecommends(); // 调用推荐服务
latch.countDown();
});
latch.await(500, TimeUnit.MILLISECONDS); // 超时 500ms 避免页面卡死
renderPage(priceResult, stockResult, recommendResult);
}
}
优势:
- 并行请求减少响应时间(从串行 300ms → 并行 150ms);
- 超时机制保障服务降级能力。
🌐 场景 3:分布式任务分治
问题:日志分析系统需将 10GB 日志拆分为 100 个子任务并行处理,全部完成后汇总结果。
解决方案:
public class LogAnalyzer {
private static final int TASK_COUNT = 100;
private CountDownLatch latch = new CountDownLatch(TASK_COUNT);
private ResultAggregator aggregator = new ResultAggregator();
public void analyze() {
for (int i = 0; i < TASK_COUNT; i++) {
Thread task = new Thread(() -> {
TaskResult result = processSubTask(); // 处理子任务
aggregator.collect(result);
latch.countDown();
});
task.start();
}
latch.await(); // 阻塞主线程直至所有任务完成
aggregator.summarize(); // 生成最终报告
}
}
适用场景:
- 大数据分片处理(如 MapReduce 中的 Map 阶段同步);
- 批量订单并发处理后的库存结算。
⚠️ 四、注意事项与替代方案
-
不可重用性:
计数器归零后无法重置,需根据场景选择:- 单次等待:
CountDownLatch
(如服务启动); - 循环同步:
CyclicBarrier
(如分阶段计算)。
- 单次等待:
-
超时控制:
务必使用await(long timeout, TimeUnit unit)
,避免线程永久阻塞导致系统僵死。 -
异常处理:
- 子线程异常时需在
finally
块调用countDown()
,防止主线程无限等待; - 中断响应:
await()
被中断后抛出InterruptedException
,需重置中断状态。
- 子线程异常时需在
-
性能监控:
通过getCount()
实时监控未完成任务数,结合日志定位瓶颈。
💎 总结
CountDownLatch 以 “计数器归零” 为核心模型,通过 AQS 的共享锁机制实现高效线程协调,适用于三类企业场景:
- 服务启动依赖(等待多个组件初始化完成);
- 并行任务聚合(如数据分片处理、微服务 API 组合);
- 分布式任务同步(批量任务完成后触发汇总操作)。
其设计精髓在于 以无锁 CAS 实现高并发计数,但需警惕不可重用性与超时风险。对于复杂多阶段协作,可结合 CompletableFuture
或 CyclicBarrier
扩展功能。