java并发基础（二）
《java并发编程实战》终于读完4-7章了，感触很深，但是有些东西还没有吃透，先把已经理解的整理一下。java并发基础（一）是对前3章的总结。这里总结一下第4、5章的东西。
一、java监视器模式
概念：把对象的所有可变状态都封装起来，并由对象自己的内置锁来保护。比如最简单的形式：
public final class Counter{ private long value = 0 ; public synchronized long getValue(){ return value; } public synchronized long increment(){ if (value == Long.MAX_VALUE) { throw new IllegalStateException("counter overflow"); } return ++value; } }
Counter是个没有意义的例子，我们来看一个示例：一个用于调度车辆的“车辆追踪器”，每辆车用一个字符串标识，并且有一个位置坐标（x，y），因为车可能处于行驶状态，所以坐标的变化非常快，多线程修改坐标的时候需要做到线程安全，而且读取坐标的时候需要读到最新数据。
首先，我们写一个位置对象，封装车的坐标。
//车辆的位置 public class MutablePoint{ public int x,y; public MutablePoint(){x=0;y=0;} public MutablePoint(MutablePoint p){ this.x = p.x; this.y = p.y; } }
接着写车辆追踪器，刚才提到过追踪器必须是线程安全的，所以无论修改车辆坐标的方法还是获得车辆坐标的方法都应该加锁。
//车辆追踪器 public class MonitorVehicleTracker{ private final Map<String,MutablePoint> locations; public MonitorVehicleTracker(Map<String,MutablePoint> locations){ this.locations = deepCopy(locations); } public synchronized Map<String,MutablePoint> getLocations(){ return deepCopy(locations); } public synchronized MutablePoint getLocation(String id){ MutablePoint loc = locations.get(id); return loc == null ? null : new MutablePoint(loc); } public synchronized void setLocation(String id, int x, int y){ MutablePoint loc = locations.get(id); if (loc == null) { throw new IllegalStateException("no such id :"+id); } loc.x = x; loc.y = y; } private static Map<String, MutablePoint> deepCopy( Map<String, MutablePoint> m) { Map<String, MutablePoint> result = new HashMap<String, MutablePoint>(); for (String id : m.keySet()) { result.put(id, new MutablePoint(m.get(id))); } return Collections.unmodifiableMap(result); } }
代码很简单，需要返回车辆位置时，通过deepCopy方法来复制正确的值，从而生成一个新的Map对象，可能对Collections.unmodifiableMap有一点疑问，科普一下：
1.Collections.unmodifiableMap是什么？
java的官方解释：
public static <K,V> Map<K,V> unmodifiableMap(Map<? extends K,? extends V> m)
Returns an unmodifiable view of the specified map. This method allows modules to provide users with "read-only" access to internal maps. Query operations on the returned map "read through" to the specified map, and attempts to modify the returned map, whether direct or via its collection views, result in an UnsupportedOperationException.
翻译过来就是：该方法返回了一个map的不可修改的视图umap， 为用户提供了一种生成只读容器的方法。如果尝试修改该容器umap, 将会抛出UnsupportedOperationException异常。
2. Collections.unmodifiableMap 能做什么？
在《重构-改善既有代码逻辑》一书中提到了封装集合的功能（Encapsulate Collection）。
我们在类中经常需要返回一个集合，比如mapA。如果直接返回成员变量mapA本身的话，相当于对外暴露了集合的引用，外部就可以随意修改该对象的集合，该对象可能对修改都一无所知，属性却发生了变化。
一种解决方法，就是将该集合修饰为private, 在返回集合的方法中采用Collections.unmodifiableMap（mapA），返回mapA的一个不可变的副本。且该方法要比我们自己去复制一个副本效率要高。
车辆追踪器存在的问题：
1.位置对象MutablePoint不是线程安全的
2.当车辆非常多的时候存在性能问题
3.每次调用getLocation都要复制数据，因此将出现一种错误情况——虽然车辆的实际位置发生了改变，但返回的信息却保持不变。
修改跟踪器的位置对象：
//线程安全的位置类 public class Point{ public final int x,y; public Point(int x,int y){ this.x = x; this.y = y; } }
第2,3个问题可以用并发容器解决，CocurrentHashMap的分段锁机制可以支持16个读和写同时进行，访问线程可以获得最新数据。
//将线程安全委托给ConcurrentHashMap public class Tracker{ private final ConcurrentHashMap<String,Point> locations; private final Map<String, Point> unmodifiableMap; public Tracker(Map<String, Point> points){ locations = new ConcurrentHashMap<String, Point>(); unmodifiableMap = Collections.unmodifiableMap(locations); } public Map<String, Point> getLocations(){ return unmodifiableMap; } public Point getLocation(String id){ return locations.get(id); } public void setLocation(String id ,int x,int y){ if (locations.replace(id,new Point(x, y)) == null) { throw new IllegalStateException("invalid vehicle name:"+id); } } }
虽然都解决了问题，但是代码高低立马就可以看出来，LZ也是从这里开始明白，为什么程序员有高低之分。
二，阻塞队列和生产者-消费者模式
java中的阻塞队列提供了可阻塞的put和take方法，以及支持定时的offer和poll方法。如果队列已经满了，那么put方法将阻塞直到有空间可用；如果队列为空，那么take方法将会阻塞直到有元素可用。类库中包含了BlockingQueue的多种实现，其中，LinkedBlockingQueue和ArrayBlockingQueue是FIFO队列（先进先出），PriorityBlockingQueue是一个按优先级排序的队列。
阻塞队列支持生产者-消费者模式，该模式将“找出需要完成的工作”和“执行工作”这两个过程分离开来；并把工作项放入一个“待完成”列表中以便在随后处理，而不是找出后立即处理。当数据生成时，生产者把数据放入队列，而当消费者准备处理数据时，将从队列中获取数据。生产者不需要知道消费者的标识和数量，或者它们是否是唯一的生产者，而只需将数据放入队列即可。同样，消费者也不需要知道生产者是谁，来自何处。
举个例子说明阻塞队列和生产者-消费者模式如何配合使用：在某个文件层次结构中搜索所有的.java文件。
import java.io.File; import java.io.FileFilter; import java.util.concurrent.BlockingQueue; /** * @描述:生产者 * @author 肖冬 */ public class FileCrawler implements Runnable { private final BlockingQueue<File> fileQueue ; private final FileFilter fileFilter; private final File root; public FileCrawler(BlockingQueue<File> fileQueue,FileFilter fileFilter, File root) { super(); this.fileQueue = fileQueue; this.fileFilter = fileFilter; this.root = root; } @Override public void run() { try { crawl(root); } catch (InterruptedException e) { //使线程恢复中断状态，为什么这么做：因为线程一旦抛出中断异常，就会重置中断状态 Thread.currentThread().interrupt(); } } private void crawl(File root) throws InterruptedException{ File[] entries = root.listFiles(fileFilter); if (entries !=null) { for (File entry : entries) { if (entry.isDirectory()) { crawl(entry); }else{ //生产者将任务放到阻塞队列 fileQueue.put(entry); } } } } }
import java.io.File; import java.util.concurrent.BlockingQueue; /** * @描述:消费者 * @author 肖冬 */ public class Indexer implements Runnable { private final BlockingQueue<File> queue; public Indexer(BlockingQueue<File> queue) { this.queue = queue; } @Override public void run() { try{ while (true) { indexFile(queue.take()); } }catch(InterruptedException e){ Thread.currentThread().interrupt(); } } private void indexFile(File f){ System.out.println(f.getName()); } }
import java.io.File; import java.io.FileFilter; import java.util.concurrent.BlockingQueue; import java.util.concurrent.LinkedBlockingQueue; import org.junit.Test; /** * @描述:junit测试 * @author 肖冬 */ public class TestMain { @Test public void testFileFilter(){ File root = new File("D://test"); FileFilter fileFilter = new FileFilter() { @Override public boolean accept(File f) { if (f.isDirectory()) return true; if (f.isFile()) { String name = f.getName(); if (name.endsWith(".java")) return true; else return false; } return false; } }; BlockingQueue<File> queue = new LinkedBlockingQueue<File>(); //生产者 new Thread(new FileCrawler(queue,fileFilter, root)).start(); //消费者 new Thread(new Indexer(queue)).start(); } }
生产者将符合条件的文件放入阻塞队列，消费者处理任务时只从阻塞队列中去任务就可以了，不必关心生产者。
生产者-消费者模式同样能带来许多性能优势。生产者和消费者可以并发的执行。如果一个是I/O密集型，另一个是CPU密集型，那么并发执行的吞吐率要高于串行执行的吞吐率。
三，同步工具类
同步工具类可以是任何一个对象，只要它根据自身的状态来协调线程间的控制流，比如阻塞队列，应为take和put等方法将阻塞，直到队列达到期望的状态（队列即非空，也非满）。
除了阻塞队列，其他类型的同步容器还包括：闭锁，栅栏，信号量。
1.闭锁
我自己理解闭锁的意思，它可以让某些动作一起开始，比如，让多个线程一起执行，并等待最慢的线程执行完毕。代码如下：
import java.util.concurrent.CountDownLatch; public class Harness { public long timeTasks(int nThreads,final Runnable task) throws InterruptedException { final CountDownLatch startGate = new CountDownLatch(1); final CountDownLatch endGate = new CountDownLatch(nThreads); for (int i = 0; i < nThreads; i++) { Thread t = new Thread(){ @Override public void run() { try { startGate.await(); try { task.run(); } finally { endGate.countDown(); } } catch(InterruptedException e){} } }; t.start(); } long startTime = System.nanoTime(); startGate.countDown(); endGate.await(); long endTime = System.nanoTime(); return endTime - startTime; } }
例子中的CountDownLatch是一种灵活的闭锁实现，它可以使一个或者多个线程等待一组事件发生。闭锁包括一个计数器，该计数器被初始化为一个正数，表示需要等待的事件数量。countDown方法递减计数器，表示有一个事件已经发生了，而await方法等待计数器达到零，这表示所有需要等待的事件都已经发生。如果计数器的值非零，那么await会一直阻塞直到计数器为零，或等待中的线程中断，或等待超时。countDown和await方法是配合使用的。
Harness创建一定数量的线程，利用它们并发的执行指定任务，它使用两个闭锁，分别表示起始门和结束门，起始门的初始值为1，而结束门的计数器初始值为工作线程的数量，每个线程首先要做的事就是在启动门上等待，确保所有线程同时执行。而每个线程要做的最后一件事是调用结束门的countDown方法减1，使主线程高效的等待直到所有线程都执行完成，然后统计耗时。
2.信号量
计数信号量用来控制同时访问某个特定资源的操作数量，或者同时执行某个指定操作的数量。
例子：有固定大小的HashSet,如果容器满了，容器将处于阻塞状态。
import java.util.Collections; import java.util.HashSet; import java.util.Set; import java.util.concurrent.Semaphore; public class BoundedHashSet<T> { private final Set<T> set; private final Semaphore sem; public BoundedHashSet(int bound) { this.set = Collections.synchronizedSet(new HashSet<T>()); sem = new Semaphore(bound); } public boolean add(T o) throws InterruptedException{ sem.acquire();//获得一个许可 boolean wasAdded = false; try { wasAdded = set.add(o); return wasAdded; } finally{ if (!wasAdded) { sem.release();//将许可返回给信号量 } } } public boolean remove(T o){ boolean wasRemoved = set.remove(o); if (wasRemoved) { sem.release();//将许可返回给信号量 } return wasRemoved; } }
Semaphore中管理着一组虚拟的许可，许可的虚拟数量可通过构造函数指定，在执行操作时可以首先获得许可（只要还有剩余的许可），并在使用后返还许可。如果没有许可，那么acquire方法将阻塞，直到有许可为止（或者直到被中断或者操作超时），release方法将返还一个许可给信号量。所以例子中的如果容器满了，再add元素的时候出现的阻塞状态，实际上是Semaphore的acquire处于阻塞状态，将线程挂起，直到信号量中有新的许可为止。
四，构建高效且可伸缩的结果缓存
几乎所有的服务器应用程序都会使用某种形式的缓存，重用之前的计算结果能降低延迟，提高吞吐量，但却需要消耗更多的内存。我们从简单的HashMap开始，然后分析它的并发性缺陷，并讨论如何修复它们。
public interface Computable<A, V> { V compute(A arg) throws InterruptedException; }
import java.math.BigInteger; public class ExpensiveFunction implements Computable<String, BigInteger> { @Override public BigInteger compute(String arg) throws InterruptedException { //这里模拟耗时的计算 return new BigInteger(arg); } }
import java.util.HashMap; import java.util.Map; public class Memoizer1<A, V> implements Computable<A, V> { private final Map<A, V> cache = new HashMap<A, V>(); private Computable<A, V> c; public Memoizer1(Computable<A, V> c) { super(); this.c = c; } @Override public synchronized V compute(A arg) throws InterruptedException { V result = cache.get(arg); if (result == null) { result = c.compute(arg); cache.put(arg,result); } return result; } }
Memoizer1给出了第一种尝试：使用HashMap保存之前的结果，compute方法将首先检查需要的结果是否已经在缓存中，如果存在则返回之前计算的值，否则，计算结果并保存到缓存中，再返回。
HashMap不是线程安全的，因此要确保两个线程不会同时访问HashMap，Memoizer1用了一种保守的方法，即对整个compute方法进行同步，这种方法能确保线程安全性，但会带来一个明显的可伸缩性的问题：每次只有一个线程能执行compute方法。如果另一个线程正在计算结果，那么其他调用compute的线程可能会被阻塞很长时间。如果有多个线程在排队等待还未计算出的结果，那么，compute方法的计算时间可能比没有使用缓存的计算时间更长。
import java.util.Map; import java.util.concurrent.ConcurrentHashMap; public class Memoizer2<A, V> implements Computable<A, V> { private final Map<A, V> cache = new ConcurrentHashMap<A, V>(); private Computable<A, V> c; public Memoizer2(Computable<A, V> c) { super(); this.c = c; } @Override public V compute(A arg) throws InterruptedException { V result = cache.get(arg); if (result == null) { result = c.compute(arg); cache.put(arg,result); } return result; } }
Memoizer2用ConcurrentHashMap替换HashMap，用于解决多线程访问缓存的安全性。为什么用ConcurrentHashMap而不是HashTable，因为ConcurrentHashMap的并发能力比HashTable强。
但是还有一个问题：如果某个线程启动了一个开销很大的计算，而其他线程并不知道这个计算正在进行。那么很可能会重复这个计算。我们希望通过某种方式来表达“线程X正在进行计算f(27)”这种情况，这样当另一个线程查找f(27)时，它能够直到最高效的方法是等待线程X计算结束，然后去缓存中直接拿结果，怎么解决这个问题呢？有一个类能基本实现这个功能：FutureTask。
FutureTask表示一个计算的过程，这个过程可能已经计算完成，也可能正在进行。如果有结果可用，那么FutureTask.get将立即返回结果，否则它会一直阻塞，直到结果计算出来再将其返回。
import java.util.Map; import java.util.concurrent.Callable; import java.util.concurrent.ConcurrentHashMap; import java.util.concurrent.ExecutionException; import java.util.concurrent.Future; import java.util.concurrent.FutureTask; public class Memoizer3<A, V> implements Computable<A, V> { private final Map<A, Future<V>> cache = new ConcurrentHashMap<A, Future<V>>(); private Computable<A, V> c; public Memoizer3(Computable<A, V> c) { super(); this.c = c; } @Override public V compute(final A arg) throws InterruptedException { Future<V> f = cache.get(arg); if (f == null) { Callable<V> eval = new Callable<V>() { @Override public V call() throws InterruptedException { return c.compute(arg); } }; FutureTask<V> ft = new FutureTask<V>(eval); f = ft; cache.put(arg, f); ft.run();//在这里调用c.compute } try { return f.get(); } catch (ExecutionException e) { e.printStackTrace(); } return null; } }
Memoizer3解决了上面提到的问题。若结果已经计算出来，那么将立即返回，如果其他线程正在计算该结果，那么新的线程将一直等待这个结果被计算出来。它只有一个缺陷，即仍然可能存在两个线程同时计算一个相同结果的情况。但是概率已经小了很多了。之所以还会发生，是因为put以后没有进行再判断，每个线程只要判断f==null就立刻开始创建任务。
mport java.util.concurrent.Callable; import java.util.concurrent.ConcurrentHashMap; import java.util.concurrent.ExecutionException; import java.util.concurrent.Future; import java.util.concurrent.FutureTask; public class Memoizer4<A, V> implements Computable<A, V> { private final ConcurrentHashMap<A, Future<V>> cache = new ConcurrentHashMap<A, Future<V>>(); private Computable<A, V> c; public Memoizer4(Computable<A, V> c) { super(); this.c = c; } @Override public V compute(final A arg) throws InterruptedException { Future<V> f = cache.get(arg); if (f == null) { Callable<V> eval = new Callable<V>() { @Override public V call() throws InterruptedException { return c.compute(arg); } }; FutureTask<V> ft = new FutureTask<V>(eval); f = cache.putIfAbsent(arg, f); if (f== null) { f = ft; ft.run();//在这里调用c.compute } } try { return f.get(); } catch (ExecutionException e) { e.printStackTrace(); } return null; } }
Memoizer4解决了这个问题。至此，支持并发的耗时计算结果的缓存写完了，当然Memoizer4还有其他的问题，比如缓存清理的问题，但是已经可以用了。
