开发公司工程项目管理流程文件/鹤壁seo

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>() {@Overridepublic 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";}@Overridepublic 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负责接收与分配任务, 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workerprivate 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;@Overridepublic 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joinsum += task.join();}}return sum;}public static void main(String[] args) throws ExecutionException, InterruptedException {ForkJoinPool pool = new ForkJoinPool();// 累加求和 0 -> 20000000LCountTask 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.

往期推荐

Redis配合Lua实现高并发防止秒杀超卖，实战源码解决方案

刷Java面试题容易忽略的API

批处理框架 Spring Batch 原理讲解

7款可视化工具，提高开发效率必备

Mysql数据库查询超时，这样优化快速解决问题

天秀！搞java的技术人写了本小说：《JavaScript百炼成仙》

55 个细节帮你全方位的完成Java 性能优化的 （珍藏）

Java 实现视频弹幕功能

Java的ClassLoader加载是怎么保证安全的？

回复【干货】获取精选干货视频教程

回复【加群】加入疑难问题攻坚交流群

回复【mat】获取内存溢出问题分析详细文档教程

回复【赚钱】获取用java写一个能赚钱的微信机器人

回复【副业】获取程序员副业攻略一份

戳这儿