Java 并发专题 :闭锁 CountDownLatch

本文通过一家三口约定在饭店会合的例子,演示了如何使用Java多线程技术来模拟并行过程,并探讨了如何确保所有成员到齐后再开始行动的方法。

最近一直整并发这块东西,顺便写点Java并发的例子,给大家做个分享,也强化下自己记忆。

每天起早贪黑的上班,父母每天也要上班,话说今天定了个饭店,一家人一起吃个饭,通知大家下班去饭店集合。假设:3个人在不同的地方上班,必须等到3个人到场才能吃饭,用程序如何实现呢?

作为一名资深屌丝程序猿,开始写代码实现:

[java]  view plain  copy
  1. package com.zhy.concurrency.latch;  
  2.   
  3. public class Test1  
  4. {  
  5.     /** 
  6.      * 模拟爸爸去饭店 
  7.      */  
  8.     public static void fatherToRes()  
  9.     {  
  10.         System.out.println("爸爸步行去饭店需要3小时。");  
  11.     }  
  12.   
  13.     /** 
  14.      * 模拟我去饭店 
  15.      */  
  16.     public static void motherToRes()  
  17.     {  
  18.         System.out.println("妈妈挤公交去饭店需要2小时。");  
  19.     }  
  20.   
  21.     /** 
  22.      * 模拟妈妈去饭店 
  23.      */  
  24.     public static void meToRes()  
  25.     {  
  26.         System.out.println("我乘地铁去饭店需要1小时。");  
  27.     }  
  28.   
  29.     /** 
  30.      * 模拟一家人到齐了 
  31.      */  
  32.     public static void togetherToEat()  
  33.     {  
  34.         System.out.println("一家人到齐了,开始吃饭");  
  35.     }  
  36.   
  37.     public static void main(String[] args)  
  38.     {  
  39.         fatherToRes();  
  40.         motherToRes();  
  41.         meToRes();  
  42.         togetherToEat();  
  43.     }  
  44. }  

输出结果:

[java]  view plain  copy
  1. 爸爸步行去饭店需要3小时。  
  2. 妈妈挤公交去饭店需要2小时。  
  3. 我乘地铁去饭店需要1小时。  
  4. 一家人到齐了,开始吃饭  

看似实现了,但是吃个饭,光汇合花了6个小时,第一个到的等了3个小时;话说回来,大家下班同时往饭店聚集,怎么也是个并行的过程,于是不用我说,大家肯定都行想到使用多线程,于是作为一名资深屌丝程序猿,开始改造我们的代码:

[java]  view plain  copy
  1. public static void main(String[] args)  
  2.     {  
  3.         new Thread()  
  4.         {  
  5.             public void run()  
  6.             {  
  7.                 fatherToRes();  
  8.             };  
  9.         }.start();  
  10.         new Thread()  
  11.         {  
  12.             public void run()  
  13.             {  
  14.                 motherToRes();  
  15.             };  
  16.         }.start();  
  17.         new Thread()  
  18.         {  
  19.             public void run()  
  20.             {  
  21.                 meToRes();  
  22.             };  
  23.         }.start();  
  24.           
  25.         togetherToEat();  
  26.     }  

直接启动了3个线程,但是运行结果貌似也不对:

[java]  view plain  copy
  1. 一家人到齐了,开始吃饭  
  2. 我乘地铁去饭店需要1小时。  
  3. 妈妈挤公交去饭店需要2小时。  
  4. 爸爸步行去饭店需要3小时。  

一个都没到,就开始吃饭了,,,(为了更好的显示,我在每个方法中休息了一段时间,模拟到达饭店的过程)。还是不行,那就继续完善:

[java]  view plain  copy
  1. private static volatile int i = 3;  
  2.   
  3.     public static void main(String[] args)  
  4.     {  
  5.   
  6.         new Thread()  
  7.         {  
  8.             public void run()  
  9.             {  
  10.                 fatherToRes();  
  11.                 i--;  
  12.             };  
  13.         }.start();  
  14.         new Thread()  
  15.         {  
  16.             public void run()  
  17.             {  
  18.                 motherToRes();  
  19.                 i--;  
  20.             };  
  21.         }.start();  
  22.         new Thread()  
  23.         {  
  24.             public void run()  
  25.             {  
  26.                 meToRes();  
  27.                 i--;  
  28.             %
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与应用,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、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过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与实践者。; 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与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与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、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,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。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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