共计 11603 个字符，预计需要花费 30 分钟才能阅读完成。
在开始明天的内容之前，是不是先来温习一下设计模式，毕竟不是所有人对于设计模式都是精通的状态，那这个时候，先温习一下再进行新的步骤，不失为一种很好的状态呀
设计模式
因为图谱开展之后切实是太大了，就不开展了，给大家截取一部分，内容涵盖 23 种设计模式，然而毕竟不是重点
设计准则
对于设计准则，在上方的设计模式图中，就介绍了 6 大设计模式，这一篇中，进行了分类的具体解说，算是附赠图谱吧
须要下面 2 份脑图的，关注 + 转发后，私信“材料”即可查看获取形式
而在回顾了下面的设计模式的相干内容之后，接下来就是本文的重点了，解说几种常见并行模式, 具体目录构造如下图.
单例
单例是最常见的一种设计模式, 个别用于全局对象治理, 比方 xml 配置读写之类的.
个别分为懒汉式, 饿汉式.
懒汉式: 办法上加 synchronized
1 public static synchronized Singleton getInstance() { 2 if (single == null) {3 single = new Singleton(); 4 } 5 return single; 6 }这种形式, 因为每次获取示例都要获取锁, 不举荐应用, 性能较差
懒汉式: 应用双检锁 + volatile
1 private volatile Singleton singleton = null; 2 public static Singleton getInstance() { 3 if (singleton == null) {4 synchronized (Singleton.class) {5 if (singleton == null) {6 singleton = new Singleton(); 7 } 8 } 9 } 10 return singleton; 11 }本形式是对间接在办法上加锁的一个优化, 益处在于只有第一次初始化获取了锁.
后续调用 getInstance 曾经是无锁状态. 只是写法上略微繁琐点.
至于为什么要 volatile 关键字, 次要波及到 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: 应用动态外部类
1 public class Singleton {2 private static class LazyHolder { 3 private static final Singleton INSTANCE = new Singleton(); 4 } 5 private Singleton (){} 6 public static final Singleton getInstance() { 7 return LazyHolder.INSTANCE; 8} 9 }该形式既解决了同步问题, 也解决了写法繁琐问题. 举荐应用改写法.
毛病在于无奈响应事件来从新初始化 INSTANCE.
饿汉式
1 public class Singleton1 {2 private Singleton1() {} 3 private static final Singleton1 single = new Singleton1(); 4 public static Singleton1 getInstance() { 5 return single; 6} 7 }毛病在于对象在一开始就间接初始化了.
Future 模式
该模式的核心思想是异步调用. 有点相似于异步的 ajax 申请.
当调用某个办法时, 可能该办法耗时较久, 而在主函数中也不急于立即获取后果.
因而能够让调用者立即返回一个凭证, 该办法放到另外线程执行,
后续主函数拿凭证再去获取办法的执行后果即可, 其结构图如下
jdk 中内置了 Future 模式的反对, 其接口如下:
通过 FutureTask 实现
留神其中两个耗时操作.
- 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 左右完结.
1 public class FutureDemo1 {2 3 public static void main(String[] args) throws InterruptedException, ExecutionException {4 FutureTask<String> future = new FutureTask<String>(new Callable<String>() {5 @Override 6 public String call() throws Exception {7 return new RealData().costTime(); 8} 9 }); 10 ExecutorService service = Executors.newCachedThreadPool(); 11 service.submit(future); 12 13 System.out.println("RealData 办法调用结束"); 14 // 模仿主函数中其余耗时操作 15 doOtherThing(); 16 // 获取 RealData 办法的后果 17 System.out.println(future.get()); 18 } 19 20 private static void doOtherThing() throws InterruptedException { 21 Thread.sleep(2000L); 22 } 23 } 24 25 class RealData {26 27 public String costTime() {28 try { 29 // 模仿 RealData 耗时操作 30 Thread.sleep(1000L); 31 return "result"; 32 } catch (InterruptedException e) {33 e.printStackTrace(); 34 } 35 return "exception"; 36 } 37 38 }通过 Future 实现
与上述 FutureTask 不同的是, RealData 须要实现 Callable 接口
1 public class FutureDemo2 {2 3 public static void main(String[] args) throws InterruptedException, ExecutionException {4 ExecutorService service = Executors.newCachedThreadPool(); 5 Future<String> future = service.submit(new RealData2()); 6 7 System.out.println("RealData2 办法调用结束"); 8 // 模仿主函数中其余耗时操作 9 doOtherThing(); 10 // 获取 RealData2 办法的后果 11 System.out.println(future.get()); 12 } 13 14 private static void doOtherThing() throws InterruptedException { 15 Thread.sleep(2000L); 16 } 17 } 18 19 class RealData2 implements Callable<String>{20 21 public String costTime() {22 try { 23 // 模仿 RealData 耗时操作 24 Thread.sleep(1000L); 25 return "result"; 26 } catch (InterruptedException e) {27 e.printStackTrace(); 28 } 29 return "exception"; 30 } 31 32 @Override 33 public String call() throws Exception { 34 return costTime(); 35 } 36 }另外 Future 自身还提供了一些额定的简略管制性能, 其 API 如下
1 // 勾销工作 2 boolean cancel(boolean mayInterruptIfRunning); 3 // 是否曾经勾销 4 boolean isCancelled(); 5 // 是否曾经实现 6 boolean isDone(); 7 // 获得返回对象 8 V get() throws InterruptedException, ExecutionException; 9 // 获得返回对象, 并能够设置超时工夫 10 V get(long timeout, TimeUnit unit) 11 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. 它为多线程间的合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申请，消费者线程则负责具体解决生产者提交的工作。
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 为咱们须要解决的元数据模型, 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.
生产者外围代码
1 while(isRunning) {2 Thread.sleep(r.nextInt(SLEEP_TIME)); 3 data = new PCData(count.incrementAndGet); 4 // 结构工作数据 5 System.out.println(data + "is put into queue"); 6 if (!queue.offer(data, 2, TimeUnit.SECONDS)) {7 // 将数据放入队列缓冲区中 8 System.out.println("faild to put data :" + data); 9 } 10 }消费者外围代码
1 while (true) {2 PCData data = queue.take(); 3 // 提取工作 4 if (data != null) {5 // 获取数据, 执行计算操作 6 int re = data.getData() * 10; 7 System.out.println("after cal, value is :" + re); 8 Thread.sleep(r.nextInt(SLEEP_TIME)); 9 } 10 }生产消费者模式能够无效对数据解耦, 优化系统结构.
升高生产者和消费者线程相互之间的依赖与性能要求.
个别应用 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, 则能够应用基于 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, 而是一种思维.
它能够将一个大工作拆解为若干个小工作并行执行, 进步零碎吞吐量.
咱们次要讲两个场景, Master-Worker 模式, ForkJoin 线程池.
Master-Worker 模式
该模式核心思想是零碎由两类进行帮助工作: Master 过程, Worker 过程.
Master 负责接管与分配任务, Worker 负责解决工作. 当各个 Worker 解决实现后,
将后果返回给 Master 进行演绎与总结.
假如一个场景, 须要计算 100 个工作, 并对后果求和, Master 持有 10 个子过程.
Master 代码
1 public class MasterDemo {2 // 盛装工作的汇合 3 private ConcurrentLinkedQueue<TaskDemo> workQueue = new ConcurrentLinkedQueue<TaskDemo>(); 4 // 所有 worker 5 private HashMap<String, Thread> workers = new HashMap<>(); 6 // 每一个 worker 并行执行工作的后果 7 private ConcurrentHashMap<String, Object> resultMap = new ConcurrentHashMap<>(); 8 9 public MasterDemo(WorkerDemo worker, int workerCount) {10 // 每个 worker 对象都须要持有 queue 的援用, 用于领工作与提交后果 11 worker.setResultMap(resultMap); 12 worker.setWorkQueue(workQueue); 13 for (int i = 0; i < workerCount; i++) {14 workers.put("子节点:" + i, new Thread(worker)); 15 } 16 } 17 18 // 提交工作 19 public void submit(TaskDemo task) {20 workQueue.add(task); 21 } 22 23 // 启动所有的子工作 24 public void execute(){ 25 for (Map.Entry<String, Thread> entry : workers.entrySet()) {26 entry.getValue().start(); 27} 28 } 29 30 // 判断所有的工作是否执行完结 31 public boolean isComplete() { 32 for (Map.Entry<String, Thread> entry : workers.entrySet()) {33 if (entry.getValue().getState() != Thread.State.TERMINATED) {34 return false; 35} 36 } 37 38 return true; 39 } 40 41 // 获取最终汇总的后果 42 public int getResult() { 43 int result = 0; 44 for (Map.Entry<String, Object> entry : resultMap.entrySet()) {45 result += Integer.parseInt(entry.getValue().toString()); 46 } 47 48 return result; 49 } 50 51 }Worker 代码
1 public class WorkerDemo implements Runnable{2 3 private ConcurrentLinkedQueue<TaskDemo> workQueue; 4 private ConcurrentHashMap<String, Object> resultMap; 5 6 @Override 7 public void run() {8 while (true) {9 TaskDemo input = this.workQueue.poll(); 10 // 所有工作曾经执行结束 11 if (input == null) {12 break; 13} 14 // 模仿对 task 进行解决, 返回后果 15 int result = input.getPrice(); 16 this.resultMap.put(input.getId() + "", result); 17 System.out.println(" 工作执行结束, 以后线程: " + Thread.currentThread().getName()); 18 } 19 } 20 21 public ConcurrentLinkedQueue<TaskDemo> getWorkQueue() { 22 return workQueue; 23} 24 25 public void setWorkQueue(ConcurrentLinkedQueue<TaskDemo> workQueue) {26 this.workQueue = workQueue; 27} 28 29 public ConcurrentHashMap<String, Object> getResultMap() { 30 return resultMap; 31} 32 33 public void setResultMap(ConcurrentHashMap<String, Object> resultMap) {34 this.resultMap = resultMap; 35} 36 }1 public class TaskDemo {2 3 private int id; 4 private String name; 5 private int price; 6 7 public int getId() {8 return id; 9} 10 11 public void setId(int id) {12 this.id = id; 13} 14 15 public String getName() { 16 return name; 17} 18 19 public void setName(String name) {20 this.name = name; 21} 22 23 public int getPrice() { 24 return price; 25} 26 27 public void setPrice(int price) {28 this.price = price; 29} 30 }主函数测试
1 MasterDemo master = new MasterDemo(new WorkerDemo(), 10); 2 for (int i = 0; i < 100; i++) {3 TaskDemo task = new TaskDemo(); 4 task.setId(i); 5 task.setName("工作" + i); 6 task.setPrice(new Random().nextInt(10000)); 7 master.submit(task); 8 } 9 10 master.execute(); 11 12 while (true) {13 if (master.isComplete()) {14 System.out.println("执行的后果为:" + master.getResult()); 15 break; 16 } 17 }ForkJoin 线程池
该线程池是 jdk7 之后引入的一个并行执行工作的框架, 其核心思想也是将工作宰割为子工作,
有可能子工作还是很大, 还须要进一步拆解, 最终失去足够小的工作.
将宰割进去的子工作放入双端队列中, 而后几个启动线程从双端队列中获取工作执行.
子工作执行的后果放到一个队列里, 另起线程从队列中获取数据, 合并后果.
假如咱们的场景须要计算从 0 到 20000000L 的累加求和. CountTask 继承自 RecursiveTask, 能够携带返回值.
每次合成大工作, 简略的将工作划分为 100 个等规模的小工作, 并应用 fork() 提交子工作.
在子工作中通过 THRESHOLD 设置子工作合成的阈值, 如果以后须要求和的总数大于 THRESHOLD, 则子工作须要再次合成,
如果子工作能够间接执行, 则进行求和操作, 返回后果. 最终期待所有的子工作执行结束, 对所有后果求和.
1 public class CountTask extends RecursiveTask<Long>{2 // 工作合成的阈值 3 private static final int THRESHOLD = 10000; 4 private long start; 5 private long end; 6 7 8 public CountTask(long start, long end) {9 this.start = start; 10 this.end = end; 11} 12 13 public Long compute() { 14 long sum = 0; 15 boolean canCompute = (end - start) < THRESHOLD; 16 if (canCompute) {17 for (long i = start; i <= end; i++) {18 sum += i; 19} 20 } else {21 // 分成 100 个小工作 22 long step = (start + end) / 100; 23 ArrayList<CountTask> subTasks = new ArrayList<CountTask>(); 24 long pos = start; 25 for (int i = 0; i < 100; i++) {26 long lastOne = pos + step; 27 if (lastOne > end) {28 lastOne = end; 29} 30 CountTask subTask = new CountTask(pos, lastOne); 31 pos += step + 1; 32 // 将子工作推向线程池 33 subTasks.add(subTask); 34 subTask.fork(); 35} 36 37 for (CountTask task : subTasks) {38 // 对后果进行 join 39 sum += task.join(); 40 } 41 } 42 return sum; 43 } 44 45 public static void main(String[] args) throws ExecutionException, InterruptedException {46 ForkJoinPool pool = new ForkJoinPool(); 47 // 累加求和 0 -> 20000000L 48 CountTask task = new CountTask(0, 20000000L); 49 ForkJoinTask<Long> result = pool.submit(task); 50 System.out.println("sum result :" + result.get()); 51 } 52 }ForkJoin 线程池应用一个无锁的栈来治理闲暇线程, 如果一个工作线程临时取不到可用的工作, 则可能被挂起.
挂起的线程将被压入由线程池保护的栈中, 待未来有工作可用时, 再从栈中唤醒这些线程.
好了，明天的内容根本就解说玩了，不晓得对大家有木有帮忙呢，其实这就是编程的魅力，集体认为，能够将所有的知识点进行残缺的贯通，造成一张宏大的常识图谱，相当的有成就感
对于下面设计模式的整顿，我除了工作中用到的之外，更多的是参考上面这份文档
既然说到并发，最初再给分享一些并发的材料吧
须要的敌人，获取形式没变，关注 + 转发后，私信“材料”即可查看获取形式
文件材料已上传公众号：Java 架构师联盟
git 地址：https://github.com/biws-byte/bws
