多线程同步的三大神器

本文出自
代码大湿
代码大湿

实现多个线程同步一般有三种方式(CountDownLatch,CyclicBarrier,Semaphore)

 1:CountDownLatch一般用于一个线程等待其他多个线程的同步。其countDown方法将计数器减1。await方法在计数器不为0的时候都是阻塞状态(await不改变计数器的值)。
 
 2:CyclicBarrier的await将计数器值加1,其值不为构造器中的参数的时候是阻塞的。而且CyclicBarrier还可以重复利用。等到计数器为0的时候开始执行。
 
3: Semaphore(信号量)是实现多线程的资源共享。
    

看CountDownLatch的例子:
package demo;

import java.util.concurrent.CountDownLatch;

public class Main {

    public static void main(String[] args) {
        CountDownLatch countDownLatch=new CountDownLatch(5);
        for(int i=0;i<5;i++){
            new Thread(new r(countDownLatch)).start();
        }
        try {
            countDownLatch.await();
            System.out.println("主线程可以执行了");
        } catch (InterruptedException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
    }
}

//CountDownLatch实现同步
class r implements Runnable{
    private CountDownLatch countDownLatch;
 
    public r(CountDownLatch countDownLatch){
        this.countDownLatch=countDownLatch;
    }
    @Override
    public void run() {
        System.out.println("进程  "+Thread.currentThread().getName()+"正在执行");
        try {
            Thread.sleep(3000);
            System.out.println("进程  "+Thread.currentThread().getName()+"执行完");
            countDownLatch.countDown();
        } catch (InterruptedException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        
    }
    
}

结果
这里写图片描述i

以上是主线程等到其它5个线程都执行完成了,然后再执行。

接下来看CyclicBarrier(回环删栏)。其await方法将计数器加1,在计数器的值不是构造参数中的值的时候是阻塞状态。等到计数器为10开始执行。可以等待多个线程达到同一状态然后进行后面的任务。下面直接看例子:

public class Main {

    public static void main(String[] args) {
        CyclicBarrier cyclicBarrier=new CyclicBarrier(5);
        for(int i=0;i<5;i++){
            new Thread(new r_Cyclic(cyclicBarrier)).start();
        }
    }
}


//CyclicBarrier实现同步
class r_Cyclic implements Runnable{
    private CyclicBarrier cyclicBarrier;
    public r_Cyclic(CyclicBarrier cyclicBarrier) {
        this.cyclicBarrier=cyclicBarrier;
    }
    @Override
    public void run() {
        System.out.println("进程" +Thread.currentThread().getName()+"开始执行");
        try {
            Thread.sleep(2000);
            System.out.println("进程" +Thread.currentThread().getName()+"开始等待");
            cyclicBarrier.await();
        } catch (Exception e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        System.out.println("进程" +Thread.currentThread().getName()+"执行完");
        
        
    }
    
}

结果
这里写图片描述

接下来看Semaphore(信号量)。。有8个任务,但是只有5个资源
public class Main {

    public static void main(String[] args) {
        Semaphore semaphore=new Semaphore(5);
        //8个任务,但是只有5个资源
        for(int i=0;i<8;i++){
            new Thread(new r_sema(semaphore)).start();
        }
    }
}

//Semaphore(信号量)实现资源共享
class r_sema implements Runnable{
   private Semaphore semaphore;
   public  r_sema(Semaphore semaphore) {
       this.semaphore=semaphore;
   }
    @Override
    public void run() {
        // TODO Auto-generated method stub
        
        try {
            //获得一个许可
            semaphore.acquire();
            System.out.println("进程 "+Thread.currentThread().getName()+"正在执行任务");
            Thread.sleep(4000);
            
        } catch (InterruptedException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        System.out.println("进程 "+Thread.currentThread().getName()+"释放一个许可");
        //释放一个许可
        semaphore.release();
        }
}

结果

这里写图片描述

本文出自
代码大湿
代码大湿

欢迎与广大 coder 交流技术
QQ:1228935432
WX:WX1228935432
这里写图片描述

转载于:https://www.cnblogs.com/pin-wang/p/5822628.html

【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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