[多线程] 等待任务线程结束

本文介绍两种多线程同步方案:一是使用计数器配合监听线程;二是利用线程池特性实现优雅等待。前者适用于简单场景,后者更高效但可能增加CPU负载。

使用多线程容易碰到这样的问题,主线程需要等待各个任务线程完成后再继续(如释放资源等)。

 

常见的方法是在线程中使用计数器记录完成的线程数量,并且需要另外的一个线程轮询判断是否已经全部完成。

 

方案一:

 

 

final AtomicInteger counter = new AtomicInteger();
	
	public void testRun() {

		final int threadNum = 10;

		// 开启任务线程
		for (int i = 0; i < threadNum; i++) {
			new Thread(new WorkRunnable()).start();
		}

		// 开启一个监听线程等待所有工作线程运行完毕
		new Thread(new Runnable() {
			public void run() {
				while (true) {
					if (counter.get() == threadNum) {
						log.info("all threads finish");
						break;
					}
					else {
						try {
							Thread.sleep(100);
						} catch (InterruptedException e) {
							e.printStackTrace();
						}
					}
				}
			}
		}).start();

	}

	class WorkRunnable implements Runnable {

		public void run() {
			Random random = new Random();
			int interval = random.nextInt(10 * 1000);
			try {
				Thread.sleep(interval);
			} catch (InterruptedException e) {
				e.printStackTrace();
			}
			log.info(Thread.currentThread().getName() + " finish");
			counter.incrementAndGet();
		}
	}
 

 

代码比较繁琐,监听线程等待100毫秒不会占用过多CPU资源。

 

 

另外可以使用线程池来解决,运用JDK1.5的线程池新特性。

方案二:

 

 

public void testRun() {
		
		int threadNum = 10;
		
		ExecutorService executor = Executors.newFixedThreadPool(threadNum);
		
		// 开启任务线程
		for (int i = 0; i < threadNum; i++) {
			executor.execute(new WorkRunnable());
		}
		
		// 阻塞直到全部完成后关闭
		while(!executor.isTerminated()) {
			executor.shutdown();
		}
		log.info("all threads finish");
		
	}
	
	class WorkRunnable implements Runnable {
		
		public void run() {
			Random random = new Random();
			int interval = random.nextInt(10 * 1000);
			try {
				Thread.sleep(interval);
			} catch (InterruptedException e) {
				e.printStackTrace();
			}
			log.info(Thread.currentThread().getName() + " finish");
		}
	}

 

代码非常简洁,但是CPU占用很厉害 

【完美复现】面向配电网韧性提升的移动储能预布局与动态调度策略【IEEE33节点】(Matlab代码实现)内容概要:本文介绍了基于IEEE33节点的配电网韧性提升方法,重点研究了移动储能系统的预布局与动态调度策略。通过Matlab代码实现,提出了一种结合预配置和动态调度的两阶段优化模型,旨在应对电网故障或极端事件时快速恢复供电能力。文中采用了多种智能优化算法(如PSO、MPSO、TACPSO、SOA、GA等)进行对比分析,验证所提策略的有效性和优越性。研究不仅关注移动储能单元的初始部署位置,还深入探讨其在故障发生后的动态路径规划与电力支援过程,从而全面提升配电网的韧性水平。; 适合人群:具备电力系统基础知识和Matlab编程能力的研究生、科研人员及从事智能电网、能源系统优化等相关领域的工程技术人员。; 使用场景及目标:①用于科研复现,特别是IEEE顶刊或SCI一区论文中关于配电网韧性、应急电源调度的研究;②支撑电力系统在灾害或故障条件下的恢复力优化设计,提升实际电网应对突发事件的能力;③为移动储能系统在智能配电网中的应用提供理论依据和技术支持。; 阅读建议:建议读者结合提供的Matlab代码逐模块分析,重点关注目标函数建模、约束条件设置以及智能算法的实现细节。同时推荐参考文中提及的MPS预配置与动态调度上下两部分,系统掌握完整的技术路线,并可通过替换不同算法或测试系统进一步拓展研究。
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