当前位置: 首页 > news >正文

你使用过哪些 Java 并发工具类?


你的回答(口语化,面试场景)
面试官:你使用过哪些 Java 并发工具类?
你:
好的,我结合项目经验来说说常用的并发工具类:

  1. CountDownLatch
  • 作用:等所有线程就绪后再触发任务,或主线程等待子线程完成。
  • 场景:压测时模拟高并发(比如100个请求同时发起)。
  • 代码示例:
    CountDownLatch latch = new CountDownLatch(3);  
    // 三个子线程执行任务  
    executor.submit(() -> { doWork(); latch.countDown(); });  
    latch.await();  // 主线程阻塞等待  
    System.out.println("所有任务完成");  
    
  1. CyclicBarrier
  • 作用:让一组线程互相等待,达到屏障点后统一执行后续逻辑。
  • 场景:多线程分阶段处理数据(比如先各自加载数据,再统一合并)。
  • 代码示例:
    CyclicBarrier barrier = new CyclicBarrier(3, () -> System.out.println("全部就绪!"));  
    executor.submit(() -> {  loadData();  barrier.await();  // 等待其他线程  mergeData();  
    });  
    
  1. Semaphore
  • 作用:控制并发线程数(比如限流)。
  • 场景:数据库连接池限制、接口限流(防止瞬时流量打满系统)。
  • 代码示例:
    Semaphore semaphore = new Semaphore(5);  // 允许5个线程同时执行  
    if (semaphore.tryAcquire(2, TimeUnit.SECONDS)) {  // 超时等待  try { accessDB(); } finally { semaphore.release(); }  
    }  
    
  1. ReentrantLock 和 StampedLock
  • ReentrantLock:
    • 可替代 synchronized,支持公平锁、可中断锁。
    • 场景:需要尝试获取锁(tryLock())或避免死锁(比如支付超时回滚)。
  • StampedLock:
    • 读多写少场景优化,通过“乐观读”减少锁竞争。
    • 场景:高频读、低频写的缓存(比如商品库存缓存)。
  1. 原子类(AtomicInteger 等)
  • 作用:无锁线程安全操作(基于 CAS)。
  • 场景:计数器(比如统计接口调用次数)、状态标志。
    AtomicInteger counter = new AtomicInteger(0);  
    counter.incrementAndGet();  // 线程安全自增  
    
  1. Future 和 CompletableFuture
  • Future:异步获取任务结果(需配合线程池)。
  • CompletableFuture:
    • 支持链式调用、组合多个异步任务(如 thenApply()allOf())。
    • 场景:微服务并行调用(比如同时查询订单和用户信息)。
  1. 线程池工具类(Executors)
  • 常用线程池:
    • newFixedThreadPool:固定线程数,适用于稳定负载。
    • newCachedThreadPool:弹性线程数,适合短时异步任务。
    • newScheduledThreadPool:定时任务调度(替代 Timer)。
  • 注意:阿里规约建议手动创建 ThreadPoolExecutor,避免资源耗尽风险。
  1. 并发集合(ConcurrentHashMap、CopyOnWriteArrayList)
  • ConcurrentHashMap:
    • 分段锁(JDK7)或 CAS + synchronized(JDK8),高并发下替代 HashMap。
    • 场景:全局缓存(比如电商首页类目数据)。
  • CopyOnWriteArrayList:
    • 写时复制,读多写少场景(比如监听器列表)。

预测面试官可能的追问及回答
追问1:CountDownLatchCyclicBarrier 有什么区别?
回答:

  • 触发机制:
    • CountDownLatch 通过 countDown() 减计数,await() 阻塞直到计数归零,一次性使用。
    • CyclicBarrier 通过 await() 等待线程数达标后触发回调,可重复使用(reset())。
  • 场景:
    • CountDownLatch 主等子,CyclicBarrier 子等子。

追问2:ReentrantLocksynchronized 怎么选?
回答:

  • 优先 synchronized:代码简洁,JVM自动管理锁。
  • 需要高级功能时用 ReentrantLock:比如尝试获取锁(tryLock)、公平锁、可中断锁。

知识框架与底层原理补充

  1. 并发工具分类
    | 类别 | 工具类 | 解决的核心问题 |
    |--------------------|------------------------------------------|-------------------------------|
    | 线程协作 | CountDownLatch, CyclicBarrier | 多线程步调协调 |
    | 资源控制 | Semaphore, 线程池 | 限制并发资源使用 |
    | 锁机制 | ReentrantLock, StampedLock | 显式控制同步与互斥 |
    | 线程安全容器 | ConcurrentHashMap, CopyOnWriteArrayList | 高并发下数据安全访问 |
    | 异步任务 | Future, CompletableFuture | 非阻塞任务编排与结果获取 |

  2. 底层原理

  • AQS(AbstractQueuedSynchronizer):
    • ReentrantLockSemaphoreCountDownLatch 均基于 AQS 实现,通过 state 变量和 CLH 队列管理线程阻塞与唤醒。
  • CAS(Compare-And-Swap):
    • 原子类(如 AtomicInteger)和 ConcurrentHashMap 的线程安全操作依赖 CAS,避免锁竞争。
  • 写时复制(Copy-On-Write):
    • CopyOnWriteArrayList 在写入时复制整个数组,保证读操作无锁,适合读多写极少场景。
  1. 最佳实践
  • 避免死锁:
    • 锁顺序一致、超时释放(tryLock)、使用并发集合替代手动同步。
  • 性能优化:
    • 读多写少用 StampedLock,写多用 ReentrantLock
    • 短任务用 CompletableFuture 而非阻塞线程池。
  • 线程池参数:
    • 根据任务类型(CPU 密集型 vs IO 密集型)设置核心线程数(CPU 数 +1 或 2*CPU 数)。
  1. 高频面试题扩展
  • ConcurrentHashMap 在 JDK7 和 JDK8 的区别?
    • JDK7:分段锁(Segment),锁粒度粗。
    • JDK8:CAS + synchronized 锁单个 Node,粒度更细。
  • CompletableFuture 的默认线程池问题?
    • 默认使用 ForkJoinPool.commonPool(),建议自定义线程池避免业务阻塞公共池。

通过理解这些工具类的设计意图和底层机制,你可以在面试中展现出对高并发场景的深刻掌控力!

相关文章:

你使用过哪些 Java 并发工具类?

你的回答(口语化,面试场景) 面试官:你使用过哪些 Java 并发工具类? 你: 好的,我结合项目经验来说说常用的并发工具类: CountDownLatch 作用:等所有线程就绪后再触发任务…...

模板方法模式的C++实现示例

核心思想 模板方法设计模式是一种行为设计模式,它定义了一个算法的框架,并将某些步骤的具体实现延迟到子类中。通过这种方式,模板方法模式允许子类在不改变算法结构的情况下重新定义算法的某些步骤。 模板方法模式的核心在于: ​…...

国产编辑器EverEdit - 脚本(解锁文本编辑的无限可能)

1 脚本 1.1 应用场景 脚本是一种功能扩展代码,用于提供一些编辑器通用功能提供不了的功能,帮助用户在特定工作场景下提高工作效率,几乎所有主流的编辑器、IDE都支持脚本。   EverEdit的脚本支持js(语法与javascript类似)、VBScript两种编程…...

越早越好!8 个反直觉的金钱真相|金钱心理学

很多人都追求财富自由,但成功的人少之又少。 这可能是因为,人们往往忽略了一些金钱的真相和常识。 01 金钱常识 & 真相 为了构建健康的金钱观,我读了一本有点反直觉,有点像鸡汤,但都是财富真相的书。 来自 Morg…...

linux docker相关指令

1、镜像操作 0)、搜索:docker search 镜像名称 1)、拉取:docker pull 2)、推送:docker push 3)、查看:docker images 4)、查看所有镜像ID:d…...

实时采集到的语音进行语音识别

要在.NET Framework 4.8中使用C#实现离线实时语音识别,可以使用开源库Vosk(支持离线ASR)配合音频处理库NAudio。 步骤 1:安装依赖库 1.1. 安装NuGet包: - Install-Package NAudio(处理音频输入&#xff09…...

Ollama 本地部署 DeepSeek R1 及 Python 运行 open-webui 界面(windows)

DeepSeek R1 ollama open-webui 本地部署(windows) DeepSeek-R1本地部署配置要求 Github地址:https://github.com/deepseek-ai/DeepSeek-R1?tabreadme-ov-file 模型规模最低 GPU 显存推荐 GPU 型号纯 CPU 内存需求适用场景1.5B4GBRTX 3…...

牛客周赛:84:C:JAVA

链接:登录—专业IT笔试面试备考平台_牛客网 来源:牛客网 题目描述 \hspace{15pt}本题为《D.小红的陡峭值(三)》的简单版本,两题的唯一区别在于本题的数据范围更小。 \hspace{15pt}小红定义一个字符串的陡峭值为&a…...

5. 前后端实现文件上传与解析

1. 说明 在实际开发中,比较常见的一个功能是需要在前端页面中选择系统中的某个文件上传到服务器中进行解析,解析后的文件内容可以用来在服务器中当作参数,或者传递给其它组件使用,或者需要存储到数据库中。所以本文就提供一种方式…...

SpringBoot 接入 豆包 火山方舟大模型

火山方舟控制台 开通模型推理、知识库 应用入口; 文档中心 各类接口说明及SDK 获取; 向量数据库VikingDB 文档 下翻找到有java操作案例; 实现目标功能效果: 通过SDK调用 豆包大模型,在代码内实现问答的效果&#xf…...

IDEA接入阿里云百炼中免费的通义千问[2025版]

安装deepseek 上一篇文章IDEA安装deepseek最新教程2025中说明了怎么用idea安装codeGPT插件,并接入DeepSeek,无奈接入的官方api已经不能使用了,所以我们尝试从其他地方接入 阿里云百炼https://bailian.console.aliyun.com/ 阿里云百炼‌是阿…...

下载kali linux遇到的一些问题

kali官网:kali官网跳转 问题一:未启动VM Service VMware Workstation 未能启动 VMware Authorization Service。您可以尝试手动启动VMware Authorization Service。如果此问题仍然存在,请联系VMware 支持部门。 解决办法: 步骤1…...

常见排序算法深度评测:从原理到10万级数据实战

常见排序算法深度评测:从原理到10万级数据实战 摘要 本文系统解析冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、堆排序和基数排序8种经典算法,通过C语言实现10万随机数排序并统计耗时。测试显示:快速排序综合性能最优&…...

Scaled_dot_product_attention(SDPA)使用详解

在学习huggingFace的Transformer库时,我们不可避免会遇到scaled_dot_product_attention(SDPA)这个函数,它被用来加速大模型的Attention计算,本文就详细介绍一下它的使用方法,核心内容主要参考了torch.nn.functional中该函数的注释…...

Linux练级宝典->Linux进程概念介绍

目录 进程基本概念 PCB概念 task_struct tack_struct内容分类 PID和PPID fork函数创建子进程 进程优先级概念 4个名词 进程地址空间 进程地址空间的意义 内核进程调度队列 优先级 活动队列 过期队列 进程基本概念 一个正在执行的程序。担当分配系统资源的实体&#…...

OpenHarmony 5.0 mpegts封装的H265视频播放失败的解决方案

问题现象 OpenHarmony 5.0版本使用AVPlayer播放mpegts封装格式的H.265(HEVC)编码格式的视频时出现报错导致播放失败 问题原因 OpenHarmony 5.0版本AVPlayer播放器使用histreamer引擎,因为 libav_codec_hevc_parser.z.so 动态库未开源导致H265编码格式视频解析不到…...

Qt从入门到入土(九) -model/view(模型/视图)框架

简介 Qt的模型/视图(Model/View)架构是一种用于分离数据处理和用户界面展示的设计模式。它允许开发者将数据存储和管理(模型)与数据的显示和交互(视图)解耦,从而提高代码的可维护性和可扩展性。…...

缓存之美:Guava Cache 相比于 Caffeine 差在哪里?

大家好,我是 方圆。本文将结合 Guava Cache 的源码来分析它的实现原理,并阐述它相比于 Caffeine Cache 在性能上的劣势。为了让大家对 Guava Cache 理解起来更容易,我们还是在开篇介绍它的原理: Guava Cache 通过分段(…...

[漏洞篇]XSS漏洞详解

[漏洞篇]XSS漏洞 一、 介绍 概念 XSS:通过JS达到攻击效果 XSS全称跨站脚本(Cross Site Scripting),为避免与层叠样式表(Cascading Style Sheets, CSS)的缩写混淆,故缩写为XSS。这是一种将任意 Javascript 代码插入到其他Web用户页面里执行以…...

【Leetcode 每日一题】2269. 找到一个数字的 K 美丽值

问题背景 一个整数 n u m num num 的 k k k 美丽值定义为 n u m num num 中符合以下条件的 子字符串 数目: 子字符串长度为 k k k。子字符串能整除 n u m num num。 给你整数 n u m num num 和 k k k,请你返回 n u m num num 的 k k k 美丽值…...

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…...

django filter 统计数量 按属性去重

在Django中,如果你想要根据某个属性对查询集进行去重并统计数量,你可以使用values()方法配合annotate()方法来实现。这里有两种常见的方法来完成这个需求: 方法1:使用annotate()和Count 假设你有一个模型Item,并且你想…...

Golang dig框架与GraphQL的完美结合

将 Go 的 Dig 依赖注入框架与 GraphQL 结合使用,可以显著提升应用程序的可维护性、可测试性以及灵活性。 Dig 是一个强大的依赖注入容器,能够帮助开发者更好地管理复杂的依赖关系,而 GraphQL 则是一种用于 API 的查询语言,能够提…...

linux arm系统烧录

1、打开瑞芯微程序 2、按住linux arm 的 recover按键 插入电源 3、当瑞芯微检测到有设备 4、松开recover按键 5、选择升级固件 6、点击固件选择本地刷机的linux arm 镜像 7、点击升级 (忘了有没有这步了 估计有) 刷机程序 和 镜像 就不提供了。要刷的时…...

如何在看板中有效管理突发紧急任务

在看板中有效管理突发紧急任务需要:设立专门的紧急任务通道、重新调整任务优先级、保持适度的WIP(Work-in-Progress)弹性、优化任务处理流程、提高团队应对突发情况的敏捷性。其中,设立专门的紧急任务通道尤为重要,这能…...

vue3 定时器-定义全局方法 vue+ts

1.创建ts文件 路径&#xff1a;src/utils/timer.ts 完整代码&#xff1a; import { onUnmounted } from vuetype TimerCallback (...args: any[]) > voidexport function useGlobalTimer() {const timers: Map<number, NodeJS.Timeout> new Map()// 创建定时器con…...

Ascend NPU上适配Step-Audio模型

1 概述 1.1 简述 Step-Audio 是业界首个集语音理解与生成控制一体化的产品级开源实时语音对话系统&#xff0c;支持多语言对话&#xff08;如 中文&#xff0c;英文&#xff0c;日语&#xff09;&#xff0c;语音情感&#xff08;如 开心&#xff0c;悲伤&#xff09;&#x…...

涂鸦T5AI手搓语音、emoji、otto机器人从入门到实战

“&#x1f916;手搓TuyaAI语音指令 &#x1f60d;秒变表情包大师&#xff0c;让萌系Otto机器人&#x1f525;玩出智能新花样&#xff01;开整&#xff01;” &#x1f916; Otto机器人 → 直接点明主体 手搓TuyaAI语音 → 强调 自主编程/自定义 语音控制&#xff08;TuyaAI…...

让回归模型不再被异常值“带跑偏“,MSE和Cauchy损失函数在噪声数据环境下的实战对比

在机器学习的回归分析中&#xff0c;损失函数的选择对模型性能具有决定性影响。均方误差&#xff08;MSE&#xff09;作为经典的损失函数&#xff0c;在处理干净数据时表现优异&#xff0c;但在面对包含异常值的噪声数据时&#xff0c;其对大误差的二次惩罚机制往往导致模型参数…...

腾讯云V3签名

想要接入腾讯云的Api&#xff0c;必然先按其文档计算出所要求的签名。 之前也调用过腾讯云的接口&#xff0c;但总是卡在签名这一步&#xff0c;最后放弃选择SDK&#xff0c;这次终于自己代码实现。 可能腾讯云翻新了接口文档&#xff0c;现在阅读起来&#xff0c;清晰了很多&…...