Java高并发之设计模式

本文主要讲解几种常见并行模式, 具体目录结构如下图.

单例

单例是最常见的一种设计模式, 一般用于全局对象管理, 比如xml配置读写之类的.

一般分为懒汉式, 饿汉式.

懒汉式: 方法上加synchronized

public static synchronized Singleton getInstance() {

if (single == null) {   

single = new Singleton(); 

}   

return single; 

}

这种方式, 由于每次获取示例都要获取锁, 不推荐使用, 性能较差

懒汉式: 使用双检锁 + volatile

private volatile Singleton singleton = null;

public static Singleton getInstance() {

if (singleton == null) {

synchronized (Singleton.class) {

if (singleton == null) {

singleton = new Singleton();

}

}

}

return singleton;

}

本方式是对直接在方法上加锁的一个优化, 好处在于只有第一次初始化获取了锁.

后续调用getInstance已经是无锁状态. 只是写法上稍微繁琐点.

至于为什么要volatile关键字, 主要涉及到jdk指令重排, 详见之前的博文: Java内存模型与指令重排

懒汉式: 使用静态内部类

public class Singleton {

private static class LazyHolder {   

private static final Singleton INSTANCE = new Singleton();   

}   

private Singleton (){}   

public static final Singleton getInstance() {   

return LazyHolder.INSTANCE;   

}   

}

该方式既解决了同步问题, 也解决了写法繁琐问题. 推荐使用改写法.

缺点在于无法响应事件来重新初始化INSTANCE.

饿汉式

public class Singleton1 {

private Singleton1() {} 

private static final Singleton1 single = new Singleton1(); 

public static Singleton1 getInstance() { 

return single; 

} 

}

缺点在于对象在一开始就直接初始化了.

Future模式

该模式的核心思想是异步调用. 有点类似于异步的ajax请求.

当调用某个方法时, 可能该方法耗时较久, 而在主函数中也不急于立刻获取结果.

因此可以让调用者立刻返回一个凭证, 该方法放到另外线程执行,

后续主函数拿凭证再去获取方法的执行结果即可, 其结构图如下

jdk中内置了Future模式的支持, 其接口如下:

通过FutureTask实现

注意其中两个耗时操作.

• 如果doOtherThing耗时2s, 则整个函数耗时2s左右.
• 如果doOtherThing耗时0.2s, 则整个函数耗时取决于RealData.costTime, 即1s左右结束.

public class FutureDemo1 {

public static void main(String[] args) throws InterruptedException, ExecutionException {

FutureTask<String> future = new FutureTask<String>(new Callable<String>() {

@Override

public String call() throws Exception {

return new RealData().costTime();

}

});

ExecutorService service = Executors.newCachedThreadPool();

service.submit(future);

System.out.println("RealData方法调用完毕");

// 模拟主函数中其他耗时操作

doOtherThing();

// 获取RealData方法的结果

System.out.println(future.get());

}

private static void doOtherThing() throws InterruptedException {

Thread.sleep(2000L);

}

}

class RealData {

public String costTime() {

try {

// 模拟RealData耗时操作

Thread.sleep(1000L);

return "result";

} catch (InterruptedException e) {

e.printStackTrace();

}

return "exception";

}

}

通过Future实现

与上述FutureTask不同的是, RealData需要实现Callable接口.

public class FutureDemo2 {

public static void main(String[] args) throws InterruptedException, ExecutionException {

ExecutorService service = Executors.newCachedThreadPool();

Future<String> future = service.submit(new RealData2());

System.out.println("RealData2方法调用完毕");

// 模拟主函数中其他耗时操作

doOtherThing();

// 获取RealData2方法的结果

System.out.println(future.get());

}

private static void doOtherThing() throws InterruptedException {

Thread.sleep(2000L);

}

}

class RealData2 implements Callable<String>{

public String costTime() {

try {

// 模拟RealData耗时操作

Thread.sleep(1000L);

return "result";

} catch (InterruptedException e) {

e.printStackTrace();

}

return "exception";

}

@Override

public String call() throws Exception {

return costTime();

}

}

另外Future本身还提供了一些额外的简单控制功能, 其API如下

// 取消任务

boolean cancel(boolean mayInterruptIfRunning);

// 是否已经取消

boolean isCancelled();

// 是否已经完成

boolean isDone();

// 取得返回对象

V get() throws InterruptedException, ExecutionException;

// 取得返回对象, 并可以设置超时时间

V get(long timeout, TimeUnit unit)

throws InterruptedException, ExecutionException, TimeoutException;

生产消费者模式

生产者-消费者模式是一个经典的多线程设计模式. 它为多线程间的协作提供了良好的解决方案。

在生产者-消费者模式中，通常由两类线程，即若干个生产者线程和若干个消费者线程。

生产者线程负责提交用户请求，消费者线程则负责具体处理生产者提交的任务。

生产者和消费者之间则通过共享内存缓冲区进行通信, 其结构图如下

PCData为我们需要处理的元数据模型, 生产者构建PCData, 并放入缓冲队列.

消费者从缓冲队列中获取数据, 并执行计算.

生产者核心代码

while(isRunning) {

Thread.sleep(r.nextInt(SLEEP_TIME));

data = new PCData(count.incrementAndGet);

// 构造任务数据

System.out.println(data + " is put into queue");

if (!queue.offer(data, 2, TimeUnit.SECONDS)) {

// 将数据放入队列缓冲区中

System.out.println("faild to put data : " + data);

}

}

消费者核心代码

while (true) {

PCData data = queue.take();

// 提取任务

if (data != null) {

// 获取数据, 执行计算操作

int re = data.getData() * 10;

System.out.println("after cal, value is : " + re);

Thread.sleep(r.nextInt(SLEEP_TIME));

}

}

生产消费者模式可以有效对数据解耦, 优化系统结构.

降低生产者和消费者线程相互之间的依赖与性能要求.

一般使用BlockingQueue作为数据缓冲队列, 他是通过锁和阻塞来实现数据之间的同步,

如果对缓冲队列有性能要求, 则可以使用基于CAS无锁设计的ConcurrentLinkedQueue.

分而治之

严格来讲, 分而治之不算一种模式, 而是一种思想.

它可以将一个大任务拆解为若干个小任务并行执行, 提高系统吞吐量.

我们主要讲两个场景, Master-Worker模式, ForkJoin线程池.

Master-Worker模式

该模式核心思想是系统由两类进行协助工作: Master进程, Worker进程.

Master负责接收与���配任务, Worker负责处理任务. 当各个Worker处理完成后,

将结果返回给Master进行归纳与总结.

假设一个场景, 需要计算100个任务, 并对结果求和, Master持有10个子进程.

Master代码

public class MasterDemo {

// 盛装任务的集合

private ConcurrentLinkedQueue<TaskDemo> workQueue = new ConcurrentLinkedQueue<TaskDemo>();

// 所有worker

private HashMap<String, Thread> workers = new HashMap<>();

// 每一个worker并行执行任务的结果

private ConcurrentHashMap<String, Object> resultMap = new ConcurrentHashMap<>();

public MasterDemo(WorkerDemo worker, int workerCount) {

// 每个worker对象都需要持有queue的引用, 用于领任务与提交结果

worker.setResultMap(resultMap);

worker.setWorkQueue(workQueue);

for (int i = 0; i < workerCount; i++) {

workers.put("子节点: " + i, new Thread(worker));

}

}

// 提交任务

public void submit(TaskDemo task) {

workQueue.add(task);

}

// 启动所有的子任务

public void execute(){

for (Map.Entry<String, Thread> entry : workers.entrySet()) {

entry.getValue().start();

}

}

// 判断所有的任务是否执行结束

public boolean isComplete() {

for (Map.Entry<String, Thread> entry : workers.entrySet()) {

if (entry.getValue().getState() != Thread.State.TERMINATED) {

return false;

}

}

return true;

}

// 获取最终汇总的结果

public int getResult() {

int result = 0;

for (Map.Entry<String, Object> entry : resultMap.entrySet()) {

result += Integer.parseInt(entry.getValue().toString());

}

return result;

}

}

Worker代码

public class WorkerDemo implements Runnable{

private ConcurrentLinkedQueue<TaskDemo> workQueue;

private ConcurrentHashMap<String, Object> resultMap;

@Override

public void run() {

while (true) {

TaskDemo input = this.workQueue.poll();

// 所有任务已经执行完毕

if (input == null) {

break;

}

// 模拟对task进行处理, 返回结果

int result = input.getPrice();

this.resultMap.put(input.getId() + "", result);

System.out.println("任务执行完毕, 当前线程: " + Thread.currentThread().getName());

}

}

public ConcurrentLinkedQueue<TaskDemo> getWorkQueue() {

return workQueue;

}

public void setWorkQueue(ConcurrentLinkedQueue<TaskDemo> workQueue) {

this.workQueue = workQueue;

}

public ConcurrentHashMap<String, Object> getResultMap() {

return resultMap;

}

public void setResultMap(ConcurrentHashMap<String, Object> resultMap) {

this.resultMap = resultMap;

}

}

public class TaskDemo {

private int id;

private String name;

private int price;

public int getId() {

return id;

}

public void setId(int id) {

this.id = id;

}

public String getName() {

return name;

}

public void setName(String name) {

this.name = name;

}

public int getPrice() {

return price;

}

public void setPrice(int price) {

this.price = price;

}

}

主函数测试

MasterDemo master = new MasterDemo(new WorkerDemo(), 10);

for (int i = 0; i < 100; i++) {

TaskDemo task = new TaskDemo();

task.setId(i);

task.setName("任务" + i);

task.setPrice(new Random().nextInt(10000));

master.submit(task);

}

master.execute();

while (true) {

if (master.isComplete()) {

System.out.println("执行的结果为: " + master.getResult());

break;

}

}

ForkJoin线程池

该线程池是jdk7之后引入的一个并行执行任务的框架, 其核心思想也是将任务分割为子任务,

有可能子任务还是很大, 还需要进一步拆解, 最终得到足够小的任务.

将分割出来的子任务放入双端队列中, 然后几个启动线程从双端队列中获取任务执行.

子任务执行的结果放到一个队列里, 另起线程从队列中获取数据, 合并结果.

假设我们的场景需要计算从0到20000000L的累加求和. CountTask继承自RecursiveTask, 可以携带返回值.

每次分解大任务, 简单的将任务划分为100个等规模的小任务, 并使用fork()提交子任务.

在子任务中通过THRESHOLD设置子任务分解的阈值, 如果当前需要求和的总数大于THRESHOLD, 则子任务需要再次分解,

如果子任务可以直接执行, 则进行求和操作, 返回结果. 最终等待所有的子任务执行完毕, 对所有结果求和.

public class CountTask extends RecursiveTask<Long>{

// 任务分解的阈值

private static final int THRESHOLD = 10000;

private long start;

private long end;

public CountTask(long start, long end) {

this.start = start;

this.end = end;

}

public Long compute() {

long sum = 0;

boolean canCompute = (end - start) < THRESHOLD;

if (canCompute) {

for (long i = start; i <= end; i++) {

sum += i;

}

} else {

// 分成100个小任务

long step = (start + end) / 100;

ArrayList<CountTask> subTasks = new ArrayList<CountTask>();

long pos = start;

for (int i = 0; i < 100; i++) {

long lastOne = pos + step;

if (lastOne > end) {

lastOne = end;

}

CountTask subTask = new CountTask(pos, lastOne);

pos += step + 1;

// 将子任务推向线程池

subTasks.add(subTask);

subTask.fork();

}

for (CountTask task : subTasks) {

// 对结果进行join

sum += task.join();

}

}

return sum;

}

public static void main(String[] args) throws ExecutionException, InterruptedException {

ForkJoinPool pool = new ForkJoinPool();

// 累加求和 0 -> 20000000L

CountTask task = new CountTask(0, 20000000L);

ForkJoinTask<Long> result = pool.submit(task);

System.out.println("sum result : " + result.get());

}

}

ForkJoin线程池使用一个无锁的栈来管理空闲线程, 如果一个工作线程暂时取不到可用的任务, 则可能被挂起.

挂起的线程将被压入由线程池维护的栈中, 待将来有任务可用时, 再从栈中唤醒这些线程.

Linux公社的RSS地址： https://www.linuxidc.com/rssFeed.aspx

本文永久更新链接地址： https://www.linuxidc.com/Linux/2018-06/152812.htm