博客
关于我
【腾讯阿里最全面试题】介绍下Synchronized、Volatile、CAS、AQS,以及各自的使用场景...
阅读量:275 次
发布时间:2019-03-01

本文共 1256 字,大约阅读时间需要 4 分钟。

AQS(AbstractQueuedSynchronizer)是Java并发工具包中一个核心的同步框架,广泛应用于实现多种锁和同步组件,如ReentrantLock、CountDownLatch等。以下是对AQS的详细分析:

AQS的结构与机制

AQS维护了一个状态值和一个FIFO双向队列,用于管理线程的同步和等待。状态值通过volatile修饰确保线程间的可见性,保证锁的状态一致性。队列中的节点包含线程和相关状态信息,用于处理线程的等待和唤醒。

核心组件

  • 状态值(state):用于表示锁的状态,可能用于计数重入次数或其他同步逻辑。
  • 双向队列:FIFO结构,用于存储等待锁的线程,确保先进先出的顺序。
  • 队列节点

    每个节点包含以下信息:

    • waitStatus:线程的等待状态,可能为SIGNAL、CONDITION等值。
    • 前驱节点(prev)后驱节点(next),构成FIFO队列。
    • 当前线程(thread):等待锁的线程。

    AQS的工作流程

  • 获取锁:调用lock()方法,尝试修改状态值和队列。如果成功,线程继续执行;如果失败,线程被加入队列等待。
  • 释放锁:调用unlock()方法,修改状态值,并从队列中取出线程,唤醒它。
  • 节点插入:线程竞争锁失败时,构造节点并插入队列。
  • 节点删除:线程获取锁后,删除自己从队列中的节点。
  • 唤醒线程:线程释放锁后,唤醒队列中的下一个线程。
  • AQS的锁类型

    AQS支持两种资源共享方式:

  • 独占锁:同一时间仅有一个线程持有锁,适用于ReentrantLock。
  • 共享锁:多个线程可同时持有锁,适用于ReentrantReadWriteLock。
  • ReentrantLock的实现

    ReentrantLock基于AQS实现独占锁。它的lock()方法通过递增状态值获取锁,unlock()方法递减状态值释放锁。线程在竞争锁时,使用循环的acquire()方法,通过CAS操作尝试获取锁,失败时加入队列。

    CountDownLatch的实现

    CountDownLatch基于AQS的独占锁实现。它维护一个计数器,countDown()方法递减计数器,当计数器为零时,等待的线程被唤醒。

    性能与优化

    AQS使用自旋机制,线程在释放锁后继续执行,减少等待时间。Java6后引入偏向锁优化,允许线程在无竞争情况下直接获取锁,进一步提升性能。

    应用场景

    • ReentrantLock:用于需要重入锁控制的场景,比如资源池管理。
    • ReentrantReadWriteLock:用于读写锁控制,支持多个读线程同时访问,但一旦有写线程进入,所有读线程等待。
    • CountDownLatch:用于等待多个线程完成任务后,唤醒主线程。
    • Semaphore:用于控制资源的可用次数,允许多个线程同时使用资源。

    总结

    AQS通过状态值和FIFO队列实现线程同步,支持独占和共享锁模式。其灵活性和高效性使其成为Java并发工具包的核心同步框架。理解AQS有助于深入掌握Java多线程编程中的锁与同步机制。

    转载地址:http://aaqa.baihongyu.com/

    你可能感兴趣的文章
    pandas 适用,但仅适用于满足条件的行
    查看>>
    pandas 重新采样到每月的特定工作日
    查看>>
    pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
    查看>>
    pandas :检测一个DF和另一个DF之间缺失的列
    查看>>
    Pandas-从具有嵌套列表列表的现有列创建动态列时出错
    查看>>
    Pandas-通过对列和索引的值求和来合并两个数据框
    查看>>
    pandas.read_csv()的详解-ChatGPT4o作答
    查看>>
    PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
    查看>>
    Pandas:对给定列求和 DataFrame 行
    查看>>
    Pandas、Matplotlib、Pyecharts数据分析实践
    查看>>
    Pandas中文官档~基础用法2
    查看>>
    Pandas中文官档~基础用法6
    查看>>
    pandas交换两列
    查看>>
    pandas实战:电商平台用户分析
    查看>>
    pandas打乱数据的顺序
    查看>>
    pandas改变一列值(通过apply)
    查看>>
    Pandas数据分析的环境准备
    查看>>
    Pandas数据可视化怎么做?用实战案例告诉你!
    查看>>
    Pandas数据处理与分析教程:从基础到实战
    查看>>
    Pandas数据结构之DataFrame常见操作
    查看>>