初识线程之 生产者消费者模型

本文介绍了一种通过阻塞队列实现的生产者消费者模式,该模式能够有效解决多线程环境中生产者与消费者之间的耦合问题。通过一个具体的例子——厨师制作馒头供顾客食用的过程,演示了如何使用Java实现这一模式。

在线程世界里,生产者就是生产数据的线程,消费者就是消费数据的线程。在多线程开发当中,如果生产者处理速度很快,而消费者处理速度很慢

,那么生产者就必须等待消费者处理完,才能继续生产数据。同样的道理,如果消费者的处理能力大于生产者,那么消费者就必须等待生产者。为了解

决这个问题于是引入了生产者和消费者模式。

生产者消费者模式是通过一个容器来解决生产者和消费者的强耦合问题。生产者和消费者彼此之间不直接通讯,而通过阻塞队列来进行通讯,所

以生产者生产完数据之后不用等待消费者处理,直接扔给阻塞队列,消费者不找生产者要数据,而是直接从阻塞队列里取,阻塞队列就相当于一个缓冲

区,平衡了生产者和消费者的处理能力。(节选自http://www.infoq.com/cn/articles/producers-and-consumers-mode/)

博主新手上路,根据理解写了一个简单的生产者消费者模式,希望大神们多多指教

首先要有1种资源——馒头,馒头只有一个属性,名字

public class ManTou {
	char name;
	public ManTou(char name) {
		this.name = name;
	}
}

然后要有1个容器放馒头,就来一张桌子吧,桌子提供两个功能,放入(push)馒头和拿走(pop)馒头

public class ZhuoZi {
	List<ManTou> list  = new ArrayList<ManTou>();
	final int s =20;
	
	public synchronized void push(ManTou m){
		try {
			while(list.size()>=s){
				System.out.println("桌子满了");
				this.wait();
			}
		this.notify();
		} catch (Exception e) {
			
		}
		list.add(m);
		System.out.println("生产了馒头:"+m.name+",现在还有"+list.size()+"个馒头");
	}
	
	public synchronized void pop(){
		try {
			while(list.size()==0){
				System.out.println("馒头吃光了");
				this.wait();
			}
		this.notify();
		} catch (Exception e) {
			
		}
		ManTou m =  list.remove(list.size()-1);
		System.out.println("吃掉了馒头"+m.name+",现在还剩"+list.size()+"个馒头");
	}
}
接着是吃馒头的人(消费者)

public class Customer implements Runnable{
	ZhuoZi z = new ZhuoZi();
	public Customer(ZhuoZi z) {
		this.z = z;
	}
	@Override
	public void run() {
		while(true) {
			z.pop();
			try {
				Thread.sleep(1000);
			} catch (InterruptedException e) {
				e.printStackTrace();
			}
		}
	}
}

当然也要有人生产馒头,来一个厨师(生产者)

public class producer implements Runnable{
	ZhuoZi z = new ZhuoZi();
	public producer(ZhuoZi z) {
		this.z = z ;
	}
	@Override
	public void run() {
		while(true){
			String chars = "abcdefghijklmnopqrstuvwxyz";
			ManTou m = new ManTou(chars.charAt((int)(Math.random() * 26)));
			z.push(m);
			try {
				Thread.sleep(500);
			} catch (InterruptedException e) {
				e.printStackTrace();
			}
		}
	}
}
最后,让他们跑起来吧

public class test {
	public static void main(String[] args) {
		ZhuoZi z = new ZhuoZi();
		Customer c = new Customer(z);
		producer p = new producer(z);
		Thread t1 = new Thread(c);
		Thread t2 = new Thread(p);
		t1.start();
		t2.start();
	}
}



内容概要:本文提出了一种基于融合鱼鹰算法柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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