H5W3
当前位置:H5W3 > java > 正文

【Java】多线程高并发学习之并发容器

多线程高并发学习之并发容器

MingLog发布于 今天 08:38

多线程高并发学习之并发容器

HashMap相关的同步容器

  • 前世今生介绍:HashMap是从HashTable演变过来的,HashTable设计之初的意愿是容器的的所有方法必须都得是同步的,所以HashTable的所有方法都是加了synchronized关键字来保证同步,这显然是不太合理的,因为大多数情况下,都是只有一个线程来操作容器,所以又在HashTable之后推出了HashMap

    • HashTable——>全锁操作
    • HashMap——>无锁操作
    • ConcurrentHashMap——>新的同步容器(CAS)
    • HashMap也应该有同步方法,所以又出了一个Collections这么一个工具类,他可以把HashMap变成一个同步容器,如下图,还可以将许多容器都变为同步容器
    • 【Java】多线程高并发学习之并发容器
    • Collections.synchronizedMap( )给出的同步容器HashMapHashTable有什么区别呢,区别其实很小,就是HashTable用的是方法锁,而Collections.synchronizedMap( )用的是同步代码块,都是用的synchronized,只不过相比于HashTable锁的力度要小一些,效率略高一丢丢ConcurrentHashMap采用的是CAS无锁操作,在put的过程中如果没有发生冲突,则采用CAS操作进行无锁化更新只有发生了哈希冲突的时候才锁住在链表上添加新Node或者更新Node的操作
  • 读写效率:

    • HashTable写入效率高,实测100W数据写入用时700毫秒左右,读效率低,100W数据读取用时37秒左右
    • Collections.synchronizedMap( )写入效率高,实测100W数据写入用时600毫秒左右,读效率低,100W数据读取用时38秒左右
    • ConcurrentHashMap写入效率低,实测100W数据写入用时1.8秒左右,读效率超高,100W数据读取用时1.7秒左右
    • 总结:实际用哪一个需要看项目的使用场景,到底是读操作多,还是写操作多,然后根据实际压测数据来决定到底是用哪个同步容器

List、Vector、Queue

  • List同步需要加锁,或者上图所示,使用collectios的synchronizedXXX的方法,获取同步的List,原理也是synchronized代码块
  • Vector是同步容器,是在方法上加了synchronized关键字,为方法锁,相比synchronizedList锁的力度要大一些,所以效率偏慢一丢丢
  • Queue队列,实现类中有多个同步队列,都可以实现同步,甚至还有的实现了生产者消费者模型,所以大并发下单个元素的操作,尽量可以多考虑Queue,少考虑List

经常在多线程下使用的容器

Map

  • ConcurrentHashMap,基于CAS实现,不多解释
  • ConcurrentSkipListMap,基于跳表实现

    • 可能是因为,考虑到利用CAS实现了一个ConcurrentHashMap,也应该需要用CAS实现一个 ”ConcurrentTreeMap“ (此处多逼逼一句,TreeMap基于红黑树实现),但不幸的是,使用CAS实现 ”ConcurrentTreeMap“ 太难了,难度超高,超复杂,所以退一步,使用跳表实现了一个ConcurrentSkipListMap
    • 【Java】多线程高并发学习之并发容器
  • HashTable
  • Collections.synchronizedMap( )

List

  • CopyOnWriteArrayList,写时复制,顾名思义,在写入数据的时候,将array数组copy一次,如下图

    • 【Java】多线程高并发学习之并发容器
    • 有点类似Lock里的ReadWriteLock,读不加锁,写入加锁
  • Collections.synchronizedList( )

    • 和上边提到的Collections.synchronizedMap( )一个样子,都是同步代码块

Queue

  • ConcurrentLinkedQueue

    • 方法介绍:

      • add:添加元素,加不进去,满了,跑异常
      • offer:添加元素,添加成功返回true,满了添加不进去了,返回false
      • peek:获取元素,但是获取后不删除元素
      • poll:获取元素并且删除元素

BlockingQueue:天生的生产者消费者模型

LinkedBlockingQueue无界队列

  • 介绍:基于链表实现的无界队列,可以一直添加,直到内存溢出
  • 方法介绍:除了上边的add、offer、peek、poll方法外

    • put:添加元素,如果添加满了,就阻塞住,等待可以继续添加元素
    • take:获取元素,如果没有可以获取的元素,就阻塞住,等待可以继续往外取元素

ArrayBlockingQueue有界队列

  • 与LinkedBlockingQueue相同,只不过是指定大小的,有界的

PriorityQueue

  • 介绍:可以根据添加进来的对象进行比较排序,然后安顺序取出

    • 例如:依次添加“a”、“z”、“f”、“c”,然后循环调用poll,依次取出,顺序是排好序的

DelayQueue时间排序队列

  • 介绍:根据时间排序,要进入队列的对象必须实现Delayed接口,重写getDelay(获取等待时间)方法以及compareTo(比较时间)方法
  • 【Java】多线程高并发学习之并发容器

SynchronusQueue

  • 介绍:容量为0的队列,其实,这东西不是用来装东西的,是用来让一个线程给另外一个线程下达任务的,一个线程往里放数据,等待另一个线程来取数据
  • 容量为0,所以调用add方法往里面添加数据是会报错,正确的使用方法是一个线程调用put方法往里放数据,另一个线程调用take方法,取数据
  • 【Java】多线程高并发学习之并发容器
  • 【Java】多线程高并发学习之并发容器

TransferQueue

  • 介绍:具有独有的transfer方法,调用该方法写入数据,在被其他线程取走数据前一直阻塞的等着,知道有人将数据取走
  • 方法:

    • transfer方法,写入数据,并且阻塞住,等待数据被取走后继续执行
说了这么多,那么,你学废了吗?
不点个赞再走嘛

【Java】多线程高并发学习之并发容器

java
阅读 85更新于 今天 08:54
本作品系原创,采用《署名-非商业性使用-禁止演绎 4.0 国际》许可协议
avatar

MingLog

我们登上并非我们所选择的舞台,演出并非我们所选择的剧本。我们这一生能够决定的东西很少,我们可能能决定5%的东西,但95%的东西是我们决定不了的。

1 声望
3 粉丝

0 条评论
得票时间

avatar

MingLog

我们登上并非我们所选择的舞台,演出并非我们所选择的剧本。我们这一生能够决定的东西很少,我们可能能决定5%的东西,但95%的东西是我们决定不了的。

1 声望
3 粉丝

宣传栏

多线程高并发学习之并发容器

HashMap相关的同步容器

  • 前世今生介绍:HashMap是从HashTable演变过来的,HashTable设计之初的意愿是容器的的所有方法必须都得是同步的,所以HashTable的所有方法都是加了synchronized关键字来保证同步,这显然是不太合理的,因为大多数情况下,都是只有一个线程来操作容器,所以又在HashTable之后推出了HashMap

    • HashTable——>全锁操作
    • HashMap——>无锁操作
    • ConcurrentHashMap——>新的同步容器(CAS)
    • HashMap也应该有同步方法,所以又出了一个Collections这么一个工具类,他可以把HashMap变成一个同步容器,如下图,还可以将许多容器都变为同步容器
    • 【Java】多线程高并发学习之并发容器
    • Collections.synchronizedMap( )给出的同步容器HashMapHashTable有什么区别呢,区别其实很小,就是HashTable用的是方法锁,而Collections.synchronizedMap( )用的是同步代码块,都是用的synchronized,只不过相比于HashTable锁的力度要小一些,效率略高一丢丢ConcurrentHashMap采用的是CAS无锁操作,在put的过程中如果没有发生冲突,则采用CAS操作进行无锁化更新只有发生了哈希冲突的时候才锁住在链表上添加新Node或者更新Node的操作
  • 读写效率:

    • HashTable写入效率高,实测100W数据写入用时700毫秒左右,读效率低,100W数据读取用时37秒左右
    • Collections.synchronizedMap( )写入效率高,实测100W数据写入用时600毫秒左右,读效率低,100W数据读取用时38秒左右
    • ConcurrentHashMap写入效率低,实测100W数据写入用时1.8秒左右,读效率超高,100W数据读取用时1.7秒左右
    • 总结:实际用哪一个需要看项目的使用场景,到底是读操作多,还是写操作多,然后根据实际压测数据来决定到底是用哪个同步容器

List、Vector、Queue

  • List同步需要加锁,或者上图所示,使用collectios的synchronizedXXX的方法,获取同步的List,原理也是synchronized代码块
  • Vector是同步容器,是在方法上加了synchronized关键字,为方法锁,相比synchronizedList锁的力度要大一些,所以效率偏慢一丢丢
  • Queue队列,实现类中有多个同步队列,都可以实现同步,甚至还有的实现了生产者消费者模型,所以大并发下单个元素的操作,尽量可以多考虑Queue,少考虑List

经常在多线程下使用的容器

Map

  • ConcurrentHashMap,基于CAS实现,不多解释
  • ConcurrentSkipListMap,基于跳表实现

    • 可能是因为,考虑到利用CAS实现了一个ConcurrentHashMap,也应该需要用CAS实现一个 ”ConcurrentTreeMap“ (此处多逼逼一句,TreeMap基于红黑树实现),但不幸的是,使用CAS实现 ”ConcurrentTreeMap“ 太难了,难度超高,超复杂,所以退一步,使用跳表实现了一个ConcurrentSkipListMap
    • 【Java】多线程高并发学习之并发容器
  • HashTable
  • Collections.synchronizedMap( )

List

  • CopyOnWriteArrayList,写时复制,顾名思义,在写入数据的时候,将array数组copy一次,如下图

    • 【Java】多线程高并发学习之并发容器
    • 有点类似Lock里的ReadWriteLock,读不加锁,写入加锁
  • Collections.synchronizedList( )

    • 和上边提到的Collections.synchronizedMap( )一个样子,都是同步代码块

Queue

  • ConcurrentLinkedQueue

    • 方法介绍:

      • add:添加元素,加不进去,满了,跑异常
      • offer:添加元素,添加成功返回true,满了添加不进去了,返回false
      • peek:获取元素,但是获取后不删除元素
      • poll:获取元素并且删除元素

BlockingQueue:天生的生产者消费者模型

LinkedBlockingQueue无界队列

  • 介绍:基于链表实现的无界队列,可以一直添加,直到内存溢出
  • 方法介绍:除了上边的add、offer、peek、poll方法外

    • put:添加元素,如果添加满了,就阻塞住,等待可以继续添加元素
    • take:获取元素,如果没有可以获取的元素,就阻塞住,等待可以继续往外取元素

ArrayBlockingQueue有界队列

  • 与LinkedBlockingQueue相同,只不过是指定大小的,有界的

PriorityQueue

  • 介绍:可以根据添加进来的对象进行比较排序,然后安顺序取出

    • 例如:依次添加“a”、“z”、“f”、“c”,然后循环调用poll,依次取出,顺序是排好序的

DelayQueue时间排序队列

  • 介绍:根据时间排序,要进入队列的对象必须实现Delayed接口,重写getDelay(获取等待时间)方法以及compareTo(比较时间)方法
  • 【Java】多线程高并发学习之并发容器

SynchronusQueue

  • 介绍:容量为0的队列,其实,这东西不是用来装东西的,是用来让一个线程给另外一个线程下达任务的,一个线程往里放数据,等待另一个线程来取数据
  • 容量为0,所以调用add方法往里面添加数据是会报错,正确的使用方法是一个线程调用put方法往里放数据,另一个线程调用take方法,取数据
  • 【Java】多线程高并发学习之并发容器
  • 【Java】多线程高并发学习之并发容器

TransferQueue

  • 介绍:具有独有的transfer方法,调用该方法写入数据,在被其他线程取走数据前一直阻塞的等着,知道有人将数据取走
  • 方法:

    • transfer方法,写入数据,并且阻塞住,等待数据被取走后继续执行
说了这么多,那么,你学废了吗?
不点个赞再走嘛

【Java】多线程高并发学习之并发容器

本文地址:H5W3 » 【Java】多线程高并发学习之并发容器

评论 0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址