39套Java架构师，高并发，高性能，高可用，分布式，集群，电商，缓存，微服务，微信支付宝支付，公众号开发，java8新特性，P2P金融项目，程序设计，功能设计，数据库设计，第三方支付，web安全，性能调优，设计模式，数据结构，并发编程，虚拟机，中间件，数据库，项目实战，大型分布式电商项目实战视频教程

视频课程包含：

39套包含：架构师，高并发，高性能，高可用，高可扩展，分布式，集群，电商，缓存，微服务，微信支付宝支付，公众号开发，java8新特性，P2P金融项目，程序设计，功能设计，数据库设计，架构设计，web安全，性能调优，设计模式，数据结构，项目实战，工作流，程序调优，负载均衡，Solr集群与应用，主从复制，中间件，全文检索，任务调度，jvm虚拟机，Spring boot，Spring cloud，Docker，Kubernetes，jvm，Dubbo，Elasticsearch，ActiveMQ，Rocketmq，Rabbitmq，Kafka，Mycat，Spring，Git，Nosql，Mecached，Netty，Nio，Mina，Nutch，Webservice，Activiti，Shiro，Tomcat，Mysql，Oracle，Quartz，ELK Stack，zookeeper，Activiti大型分布式电商实战等高端视频课程......

39套精品课程介绍：

1、39套精品是掌柜最近整理出的最新课程，都是当下最火的技术，最火的课程，也是全网课程的精品；  

2、39套资源包含：全套完整高清视频、完整源码、配套文档；

3、知识也是需要投资的，有投入才会有产出（保证投入产出比是几百上千倍），如果有心的朋友会发现，身边投资知识的大都是技术经理或者项目经理，工资一般相对于不投资的也要高出很多；

 

总目录：39套Java架构师项目实战高并发高性能高可用分布式集群缓存性能调优设计模式数据结构算法并发编程微服务架构虚拟机中间件数据库微信支付公众号大型电商视频课程

第一套：【系统学习】高并发大型电商详情页系统的大型高性能与高可用缓存架构实战视频教程

第二套：【项目实战】4套Spring Boot基础到精通，实战与原理分析，微服务架构应用视频课程

第01套.Spring boot入门到精通视频课程

第02套.SpringBoot全套教程2018年更新

第03套.SpringBoot微服务架构应用

第04套.Spring Boot实战与原理分析视频课程

第三套：【微服务课】Spring Cloud微服务最新技术入门到精通视频教程

第四套：【微服务课】5套Docker基本概念与架构，Docker构建微服务，Docker到Kubernetes之技术实战视频课程

第01套、Docker基本概念与架构

第02套、Docker云计算与自动化实践

第03套、Docker实战系列课程

第04套、Docker构建微服务实战

第05套：Docker到Kubernetes技术系列实战视频教程

第五套：【2套项目实战】微信支付实战，支付宝支付实战，公众号网页支付实战，web商城支付系列实战视频课程

第01套.【项目实战】微信支付实战视频课程—公众号网页支付实战（ Java版）

第02套.【项目实战】支付宝即时到账web商城支付系列实战视频课程 （Java版）

第六套：【项目实战】微信二次开发实战JAVA版，微信验证，微信公众平台，智能客服，微信菜单定制，人脸识别系统视频课程

第七套：【并发编程】Java高并发编程，线程安全深入解析，锁原理，同步容器，实战讲解视频教程

第八套：从无到有搭建中小型互联网公司后台服务架构与运维架构视频课程

第九套：【系统学习】深入理解spring架构与原理从设计模式与原则理解Sring视频课程

第十套：【项目实战】设计模式综合项目（实战），设计模式综合应用的实战案例视频教程

第十一套：【项目实战】软件系统功能设计（实战）训练（6个设计案例，真实项目功能需求）视频教程

第十二套：【系统学习】Java数据结构和算法精讲版（数组、栈、队列、链表、递归、排序、二叉树、红黑树、堆、哈希表）视频课程

第十三套：【系统学习】Java虚拟机，深入JVM内核-原理，诊断与优化+内存模型+虚拟机原理

第十四套：【项目实战】Java8新特性原理，高级进阶实战视频教程

第十五套：深入Java程序性能调优视频(阿姆达尔定律、缓存组件、并行开发、线程池、JVM调优)

第十六套：【系统学习】Elasticsearch基础到深入，底层深入解析，结构化搜索，全文检索高级案例实战视频课程

01.Elasticsearch基础到深入，底层深入解析，结构化搜索，全文检索高级案例实战视频课程-基础篇

02.Elasticsearch基础到深入，底层深入解析，结构化搜索，全文检索高级案例实战视频课程-高级篇

第十七套：【中  间 件】3套ActiveMq，RocketMQ，RabbitMQ中间件架构，基础到精通高级实战视频课程

01.【中  间 件】ActiveMq中间件基础到精通高级实战视频课程

02.【中  间 件】JAVA-ACE架构师系列课程 Rocketmq

03.【中  间 件】RabbitMQ中间件基础到精通，消息订阅视频课程

第十八套：【中  间 件】Kafka原理剖析及实战演练

第十九套：【数  据 库】4套Mysql，从小白到大神，数据库查询优化，大型分布式集群，数据库运维视频课程

01.【数据库】Mysql从小白到大神

02.【数据库】MySQL高级大型分布式集群，主从复制，负载均衡，数据库中间件视频课程

03.【数据库】MySQL数据库查询优化

04.【数据库】MySQL数据库运维全套视频教程 阿里巴巴DBA讲授

第二十套：【数  据 库】2套Oracle引航，深入，性能优化，高可用，海量数据库设计视频课程

01.【数据库】oracle五部曲

             

02.【数据库】Oracle性能优化视频教程

第二十一套：【数  据 库】Mycat从基础到精通，分布式数据库中间件视频课程

第二十二套：【3套项目实战】Apache Shiro权限框架实战Springboot与Shiro整合+项目案例+权限设计实现视频课程

第03套.【项目实战】Apache Shiro权限框架实战+项目案例+权限设计实现视频课程

第01套.SpringBoot与Shiro整合-权限管理实战视频

第02套.Shiro基础到精通，原理与架构视频课程

第二十三套：【系统学习】spring+quartz的分布式任务调度及源码解析视频课程

第二十四套：【项目实战】Dubbo分布式系统架构-第三方支付项目的系统架构实战视频教程

第二十五套：【微服务课】基于支付系统场景的微服务架构的分布式事务解决方案视频课程

第二十七套：【项目实战】日志分析之ELK stack实战视频教程

第二十八套：【项目实战】Zookeeper分布式系统开发实战视频课程

第二十九套：【项目实战】疯狂讲义Activiti6.X工作流进阶与项目实战，Activiti整合Drools视频课程

第三十套：【项目实战】P2P互联网金融平台项目SSM+Redis+Mysql+Bootstrap+JQuery视频课程

第三十一套：【项目实战】P2P网络借贷平台项目SSH+Redis+ActiveMQ+POI+Shiro+AngularJS+Nginx+Quartz视频程

第三十三套：【项目实战】大型分布式电商系统redis+solr+Linux+nginx+springmvc+mybatis电商项目

第三十四套：【项目实战】大型分布式电商系统redis+solr+Linux+nginx+springmvc+mybatis电商项目

第三十五套：【架构师课】站在架构师的角度架构属于自己的项目框架（ORM、MVC、IOC框架）视频课程

第三十六套：【架构师课】架构师必备大规模高性能分布式存储系统设计与实现视频课程

第三十七套：【架构师课】Java高级系统培训架构师课程148课时（阶段一）（maven+spring+mybatis+git+memcached+activemq+nginx+内存调优）

(01-07)Java架构师之Maven和Git课程

(08-30)Maven+Git+Spring+Mybatis+X-gen基本业务功能块构建

(31-42)Java架构师之Ngnix入门到精通

(43-57)Java架构师之Varnish入门到精通部分

(58-70)Memcached+Nginx+Varnish内存调优缓存机制部分

(71-100)Java架构师之ActiveMQ消息存储持久化+Spring+JMS+Queue队列部分

(101-131)Java架构师之MongoDB入门到精通课程

(132-142)Java架构师之MogileFS部分+Nginx+Memcached的集成课程

(143-148)Nginx+Varnish+ActiveMQ阶段小结和整体部署

第三十八套：【架构师课】Java高级系统培训架构师课程116课时（阶段二）（分布式事物+单点登录+高并发+性能优化+逻辑层处理+数据库性能优化）

(1-23)、分布式架构和部署部分

(24-50)、高并发和Web层的性能优化部分

(51-98)、逻辑层处理和性能优化部分

(99-110)、数据层处理和性能优化部分

(111-116)、数据库性能优化

第三十九套：【架构师课】Java高级互联网架构师系统培训班课程（nginx+redis+zookeeper+activemq+storm+dubbo+netty+jvm+并发编程锁+项目实战）

高级互联网架构师（源码资料）

高级互联网架构师（项目实战）

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Java高并发，如何解决，什么方式解决

 

对于我们开发的网站，如果网站的访问量非常大的话，那么我们就需要考虑相关的并发访问问题了。而并发问题是绝大部分的程序员头疼的问题，

但话又说回来了，既然逃避不掉，那我们就坦然面对吧~今天就让我们一起来研究一下常见的并发和同步吧。

为了更好的理解并发和同步，我们需要先明白两个重要的概念:同步和异步

   1、同步和异步的区别和联系

 　　所谓同步，可以理解为在执行完一个函数或方法之后，一直等待系统返回值或消息，这时程序是出于阻塞的，只有接收到

        返回的值或消息后才往下执行其它的命令。

        异步，执行完函数或方法后，不必阻塞性地等待返回值或消息，只需要向系统委托一个异步过程，那么当系统接收到返回

        值或消息时，系统会自动触发委托的异步过程，从而完成一个完整的流程。

         同步在一定程度上可以看做是单线程，这个线程请求一个方法后就待这个方法给他回复，否则他不往下执行(死心眼)。

        异步在一定程度上可以看做是多线程的(废话，一个线程怎么叫异步)，请求一个方法后，就不管了，继续执行其他的方法。

 

　　  同步就是一件事，一件事情一件事的做。
        异步就是，做一件事情，不引响做其他事情。

例如：吃饭和说话，只能一件事一件事的来，因为只有一张嘴。
                但吃饭和听音乐是异步的，因为，听音乐并不引响我们吃饭。

 

        对于Java程序员而言，我们会经常听到同步关键字synchronized，假如这个同步的监视对象是类的话，那么如果当一个对象

        访问类里面的同步方法的话，那么其它的对象如果想要继续访问类里面的这个同步方法的话，就会进入阻塞，只有等前一个对象

        执行完该同步方法后当前对象才能够继续执行该方法。这就是同步。相反，如果方法前没有同步关键字修饰的话，那么不同的对象

        可以在同一时间访问同一个方法，这就是异步。

      

        在补充一下(脏数据和不可重复读的相关概念):

       脏数据

　　脏读就是指当一个事务正在访问数据，并且对数据进行了修改，而这种修改还没有提交到数据库中，这时，另外一个事务也访问这个数据，然后使用了这

个数据。因为这个数据是还没有提交的数据，那么另外一个事务读到的这个数据是脏数据(Dirty Data)，依据脏数据所做的操作可能是不正确的。

 

 　　不可重复读

 

　　不可重复读是指在一个事务内，多次读同一数据。在这个事务还没有结束时，另外一个事务也访问该同一数据。那么，在第一个事务中的两次读数据之间，由于第二个事务的修改，那么第一个事务两次读到的数据可能是不一样的。这样就发生了在一个事务内两次读到的数据是不一样的，因此称为是不可重复读

 2、如何处理并发和同步

        今天讲的如何处理并发和同同步问题主要是通过锁机制。

       我们需要明白，锁机制有两个层面。

       一种是代码层次上的，如java中的同步锁，典型的就是同步关键字synchronized，这里我不在做过多的讲解，

       感兴趣的可以参考:https://www.geek-share.com/detail/2629027462.html

       另外一种是数据库层次上的，比较典型的就是悲观锁和乐观锁。这里我们重点讲解的就是悲观锁（传统的物理锁）和乐观锁。

       悲观锁(Pessimistic Locking):       

       悲观锁，正如其名，它指的是对数据被外界（包括本系统当前的其他事务，以及来自 外部系统的事务处理）修改持保守态度，因此，

       在整个数据处理过程中，将数据处于锁定状态。

       悲观锁的实现，往往依靠数据库提供的锁机制（也只有数据库层提供的锁机制才能 真正保证数据访问的排他性，否则，即使在本系统

       中实现了加锁机制，也无法保证外部系 统不会修改数据）。 

       一个典型的倚赖数据库的悲观锁调用： 

       select * from account where name=”Erica” for update

       这条 sql 语句锁定了 account 表中所有符合检索条件（ name=”Erica” ）的记录。

       本次事务提交之前（事务提交时会释放事务过程中的锁），外界无法修改这些记录。 
       Hibernate 的悲观锁，也是基于数据库的锁机制实现。 
       下面的代码实现了对查询记录的加锁：

       String hqlStr ="from TUser as user where user.name='Erica'";

        Query query = session.createQuery(hqlStr);

        query.setLockMode("user",LockMode.UPGRADE); // 加锁

       List userList = query.list();// 执行查询，获取数据

       query.setLockMode 对查询语句中，特定别名所对应的记录进行加锁（我们为 TUser 类指定了一个别名 “user” ），这里也就是对

      返回的所有 user 记录进行加锁。 

      观察运行期 Hibernate 生成的 SQL 语句： 
      select tuser0_.id as id, tuser0_.name as name, tuser0_.group_id
      as group_id, tuser0_.user_type as user_type, tuser0_.sex as sex
      from t_user tuser0_ where (tuser0_.name='Erica' ) for update
     这里 Hibernate 通过使用数据库的 for update 子句实现了悲观锁机制。 
      Hibernate 的加锁模式有： 
      Ø LockMode.NONE ： 无锁机制。 
      Ø LockMode.WRITE ： Hibernate 在 Insert 和 Update 记录的时候会自动获取
      Ø LockMode.READ ： Hibernate 在读取记录的时候会自动获取。 
      以上这三种锁机制一般由 Hibernate 内部使用，如 Hibernate 为了保证 Update
      过程中对象不会被外界修改，会在 save 方法实现中自动为目标对象加上 WRITE 锁。 
      Ø LockMode.UPGRADE ：利用数据库的 for update 子句加锁。 
      Ø LockMode. UPGRADE_NOWAIT ： Oracle 的特定实现，利用 Oracle 的 for
      update nowait 子句实现加锁。 
      上面这两种锁机制是我们在应用层较为常用的，加锁一般通过以下方法实现： 
      Criteria.setLockMode
      Query.setLockMode
      Session.lock
      注意，只有在查询开始之前（也就是 Hiberate 生成 SQL 之前）设定加锁，才会 
      真正通过数据库的锁机制进行加锁处理，否则，数据已经通过不包含 for update
      子句的 Select SQL 加载进来，所谓数据库加锁也就无从谈起。

      为了更好的理解select... for update的锁表的过程，本人将要以mysql为例，进行相应的讲解

      1、要测试锁定的状况，可以利用MySQL的Command Mode ，开二个视窗来做测试。

          表的基本结构如下:

          

 

           表中内容如下:

           

 

          开启两个测试窗口，在其中一个窗口执行select * from ta for update0

          然后在另外一个窗口执行update操作如下图:

          

          等到一个窗口commit后的图片如下:

          

           到这里，悲观锁机制你应该了解一些了吧~

       

           需要注意的是for update要放到mysql的事务中，即begin和commit中，否者不起作用。

           至于是锁住整个表还是锁住选中的行，请参考:

           https://www.geek-share.com/detail/2638906220.html

            至于hibernate中的悲观锁使用起来比较简单，这里就不写demo了~感兴趣的自己查一下就ok了~

           

          乐观锁(Optimistic Locking):        
         相对悲观锁而言，乐观锁机制采取了更加宽松的加锁机制。悲观锁大多数情况下依 靠数据库的锁机制实现，以保证操作最大程度的独占性。但随之

而来的就是数据库 性能的大量开销，特别是对长事务而言，这样的开销往往无法承受。 如一个金融系统，当某个操作员读取用户的数据，并在读出的用户数

据的基础上进 行修改时（如更改用户帐户余额），如果采用悲观锁机制，也就意味着整个操作过 程中（从操作员读出数据、开始修改直至提交修改结果的全

过程，甚至还包括操作 员中途去煮咖啡的时间），数据库记录始终处于加锁状态，可以想见，如果面对几 百上千个并发，这样的情况将导致怎样的后果。 乐

观锁机制在一定程度上解决了这个问题。

         乐观锁，大多是基于数据版本   Version ）记录机制实现。何谓数据版本？即为数据增加一个版本标识，在基于数据库表的版本解决方案中，一般是通

过为数据库表增加一个 “version” 字段来 实现。 读取出数据时，将此版本号一同读出，之后更新时，对此版本号加一。此时，将提 交数据的版本数据与数据

库表对应记录的当前版本信息进行比对，如果提交的数据 版本号大于数据库表当前版本号，则予以更新，否则认为是过期数据。对于上面修改用户帐户信息

的例子而言，假设数据库中帐户信息表中有一个 version 字段，当前值为 1 ；而当前帐户余额字段（ balance ）为 $100 。操作员 A 此时将其读出

（ version=1 ），并从其帐户余额中扣除 $50（ $100-$50 ）。 2 在操作员 A 操作的过程中，操作员 B 也读入此用户信息（ version=1 ），并 从其帐

户余额中扣除 $20 （ $100-$20 ）。 3 操作员 A 完成了修改工作，将数据版本号加一（ version=2 ），连同帐户扣 除后余额（ balance=$50 ），提交

至数据库更新，此时由于提交数据版本大 于数据库记录当前版本，数据被更新，数据库记录 version 更新为 2 。 4 操作员 B 完成了操作，也将版本号加一

（ version=2 ）试图向数据库提交数 据（ balance=$80 ），但此时比对数据库记录版本时发现，操作员 B 提交的 数据版本号为 2 ，数据库记录当前版

本也为 2 ，不满足 “ 提交版本必须大于记 录当前版本才能执行更新 “ 的乐观锁策略，因此，操作员 B 的提交被驳回。 这样，就避免了操作员 B 用基于

version=1 的旧数据修改的结果覆盖操作 员 A 的操作结果的可能。 从上面的例子可以看出，乐观锁机制避免了长事务中的数据库加锁开销（操作员 A

和操作员 B 操作过程中，都没有对数据库数据加锁），大大提升了大并发量下的系 统整体性能表现。 需要注意的是，乐观锁机制往往基于系统中的数据存储

逻辑，因此也具备一定的局 限性，如在上例中，由于乐观锁机制是在我们的系统中实现，来自外部系统的用户 余额更新操作不受我们系统的控制，因此可能

会造成脏数据被更新到数据库中。在 系统设计阶段，我们应该充分考虑到这些情况出现的可能性，并进行相应调整（如 将乐观锁策略在数据库存储过程中实

现，对外只开放基于此存储过程的数据更新途 径，而不是将数据库表直接对外公开）。 Hibernate 在其数据访问引擎中内置了乐观锁实现。如果不用考虑外

部系统对数 据库的更新操作，利用 Hibernate 提供的透明化乐观锁实现，将大大提升我们的 生产力。

User.hbm.xml

[code]<?xml version="1.0"?>
<!DOCTYPE hibernate-mapping PUBLIC
"-//Hibernate/Hibernate Mapping DTD 3.0//EN"
"http://hibernate.sourceforge.net/hibernate-mapping-3.0.dtd">

<hibernate-mapping package="com.xiaohao.test">

<class name="User"  table="user" optimistic-lock="version" >
<id name="id">
<generator class="native" />
</id>
<!--version标签必须跟在id标签后面-->
<version column="version" name="version"  />
<property name="userName"/>
<property name="password"/>

</class>

</hibernate-mapping>

注意 version 节点必须出现在 ID 节点之后。 
这里我们声明了一个 version 属性，用于存放用户的版本信息，保存在 User 表的version中 
optimistic-lock 属性有如下可选取值： 
Ø none
无乐观锁 
Ø version
通过版本机制实现乐观锁 
Ø dirty
通过检查发生变动过的属性实现乐观锁 
Ø all
通过检查所有属性实现乐观锁 
其中通过 version 实现的乐观锁机制是 Hibernate 官方推荐的乐观锁实现，同时也 
是 Hibernate 中，目前唯一在数据对象脱离 Session 发生修改的情况下依然有效的锁机 
制。因此，一般情况下，我们都选择 version 方式作为 Hibernate 乐观锁实现机制。

2 ． 配置文件hibernate.cfg.xml和UserTest测试类

   hibernate.cfg.xml

[code]<!DOCTYPE hibernate-configuration PUBLIC
"-//Hibernate/Hibernate Configuration DTD 3.0//EN"
"http://hibernate.sourceforge.net/hibernate-configuration-3.0.dtd">

<hibernate-configuration>
<session-factory>

<!-- 指定数据库方言 如果使用jbpm的话，数据库方言只能是InnoDB-->
<property name="dialect">org.hibernate.dialect.MySQL5InnoDBDialect</property>
<!-- 根据需要自动创建数据表 -->
<property name="hbm2ddl.auto">update</property>
<!-- 显示Hibernate持久化操作所生成的SQL -->
<property name="show_sql">true</property>
<!-- 将SQL脚本进行格式化后再输出 -->
<property name="format_sql">false</property>
<property name="current_session_context_class">thread</property>

<!-- 导入映射配置 -->
<property name="connection.url">jdbc:mysql:///user</property>
<property name="connection.username">root</property>
<property name="connection.password">123456</property>
<property name="connection.driver_class">com.mysql.jdbc.Driver</property>
<mapping resource="com/xiaohao/test/User.hbm.xml" />

</session-factory>
</hibernate-configuration>

UserTest.java

[code]package com.xiaohao.test;

import org.hibernate.Session;
import org.hibernate.SessionFactory;
import org.hibernate.Transaction;
import org.hibernate.cfg.Configuration;

public class UserTest {
public static void main(String[] args) {
Configuration conf=new Configuration().configure();
SessionFactory sf=conf.buildSessionFactory();
Session session=sf.getCurrentSession();
Transaction tx=session.beginTransaction();
//      User user=new User("小浩","英雄");
//      session.save(user);
//       session.createSQLQuery("insert into user(userName,password) value('张英雄16','123')")
//                  .executeUpdate();
User user=(User) session.get(User.class, 1);
user.setUserName("221");
//      session.save(user);

System.out.println("恭喜您，用户的数据插入成功了哦~~");
tx.commit();
}

}

每次对 TUser 进行更新的时候，我们可以发现，数据库中的 version 都在递增。

 

下面我们将要通过乐观锁来实现一下并发和同步的测试用例:

这里需要使用两个测试类，分别运行在不同的虚拟机上面，以此来模拟多个用户同时操作一张表,同时其中一个测试类需要模拟长事务

UserTest.java

[code]package com.xiaohao.test;

import org.hibernate.Session;
import org.hibernate.SessionFactory;
import org.hibernate.Transaction;
import org.hibernate.cfg.Configuration;

public class UserTest {
public static void main(String[] args) {
Configuration conf=new Configuration().configure();
SessionFactory sf=conf.buildSessionFactory();
Session session=sf.openSession();
//      Session session2=sf.openSession();
User user=(User) session.createQuery(" from User user where user=5").uniqueResult();
//      User user2=(User) session.createQuery(" from User user where user=5").uniqueResult();
System.out.println(user.getVersion());
//      System.out.println(user2.getVersion());
Transaction tx=session.beginTransaction();
user.setUserName("101");
tx.commit();

System.out.println(user.getVersion());
//      System.out.println(user2.getVersion());
//      System.out.println(user.getVersion()==user2.getVersion());
//      Transaction tx2=session2.beginTransaction();
//      user2.setUserName("4468");
//      tx2.commit();

}

}

 

UserTest2.java

[code]package com.xiaohao.test;

import org.hibernate.Session;
import org.hibernate.SessionFactory;
import org.hibernate.Transaction;
import org.hibernate.cfg.Configuration;

public class UserTest2 {
public static void main(String[] args) throws InterruptedException {
Configuration conf=new Configuration().configure();
SessionFactory sf=conf.buildSessionFactory();
Session session=sf.openSession();
//      Session session2=sf.openSession();
User user=(User) session.createQuery(" from User user where user=5").uniqueResult();
Thread.sleep(10000);
//      User user2=(User) session.createQuery(" from User user where user=5").uniqueResult();
System.out.println(user.getVersion());
//      System.out.println(user2.getVersion());
Transaction tx=session.beginTransaction();
user.setUserName("100");
tx.commit();

System.out.println(user.getVersion());
//      System.out.println(user2.getVersion());
//      System.out.println(user.getVersion()==user2.getVersion());
//      Transaction tx2=session2.beginTransaction();
//      user2.setUserName("4468");
//      tx2.commit();

}

}

 

操作流程及简单讲解: 首先启动UserTest2.java测试类，在执行到Thread.sleep(10000);这条语句的时候，当前线程会进入睡眠状态。在10秒钟之内

                            启动UserTest这个类，在到达10秒的时候，我们将会在UserTest.java中抛出下面的异常:

 

[code]Exception in thread "main" org.hibernate.StaleObjectStateException: Row was updated or deleted by another transaction (or unsaved-value mapping was incorrect): [com.xiaohao.test.User#5]
at org.hibernate.persister.entity.AbstractEntityPersister.check(AbstractEntityPersister.java:1932)
at org.hibernate.persister.entity.AbstractEntityPersister.update(AbstractEntityPersister.java:2576)
at org.hibernate.persister.entity.AbstractEntityPersister.updateOrInsert(AbstractEntityPersister.java:2476)
at org.hibernate.persister.entity.AbstractEntityPersister.update(AbstractEntityPersister.java:2803)
at org.hibernate.action.EntityUpdateAction.execute(EntityUpdateAction.java:113)
at org.hibernate.engine.ActionQueue.execute(ActionQueue.java:273)
at org.hibernate.engine.ActionQueue.executeActions(ActionQueue.java:265)
at org.hibernate.engine.ActionQueue.executeActions(ActionQueue.java:185)
at org.hibernate.event.def.AbstractFlushingEventListener.performExecutions(AbstractFlushingEventListener.java:321)
at org.hibernate.event.def.DefaultFlushEventListener.onFlush(DefaultFlushEventListener.java:51)
at org.hibernate.impl.SessionImpl.flush(SessionImpl.java:1216)
at org.hibernate.impl.SessionImpl.managedFlush(SessionImpl.java:383)
at org.hibernate.transaction.JDBCTransaction.commit(JDBCTransaction.java:133)
at com.xiaohao.test.UserTest2.main(UserTest2.java:21)

 

 UserTest2代码将在 tx.commit() 处抛出 StaleObjectStateException 异 常，并指出版本检查失败，当前事务正在试图提交一个过期数据。通过捕捉这个异常，我 们就可以在乐观锁校验失败时进行相应处理

 

 3、常见并发同步案例分析

    案例一:订票系统案例，某航班只有一张机票，假定有1w个人打开你的网站来订票，问你如何解决并发问题(可扩展到任何高并发网站要考虑

               的并发读写问题)

    问题，1w个人来访问，票没出去前要保证大家都能看到有票，不可能一个人在看到票的时候别人就不能看了。到底谁能抢到，那得看这个人的“运气”（网

             络快慢等）

其次考虑的问题，并发，1w个人同时点击购买，到底谁能成交？总共只有一张票。

首先我们容易想到和并发相关的几个方案 ：

锁同步同步更多指的是应用程序的层面，多个线程进来，只能一个一个的访问，java中指的是syncrinized关键字。锁也有2个层面，一个是java中谈到的对

象锁，用于线程同步；另外一个层面是数据库的锁；如果是分布式的系统，显然只能利用数据库端的锁来实现。

假定我们采用了同步机制或者数据库物理锁机制，如何保证1w个人还能同时看到有票，显然会牺牲性能，在高并发网站中是不可取的。使用hibernate后我们

提出了另外一个概念：乐观锁、悲观锁（即传统的物理锁）；

采用乐观锁即可解决此问题。乐观锁意思是不锁定表的情况下，利用业务的控制来解决并发问题，这样即保证数据的并发可读性又保证保存数据的排他性，保

证性能的同时解决了并发带来的脏数据问题。

hibernate中如何实现乐观锁：

前提：在现有表当中增加一个冗余字段，version版本号, long类型

原理：

1）只有当前版本号》=数据库表版本号，才能提交

2）提交成功后，版本号version ++

实现很简单：在ormapping增加一属性optimistic-lock="version"即可，以下是样例片段

<hibernate-mapping>

<class name="com.insigma.stock.ABC" optimistic-lock="version" table="T_Stock" schema="STOCK">

案例二、股票交易系统、银行系统，大数据量你是如何考虑的

首先，股票交易系统的行情表，每几秒钟就有一个行情记录产生，一天下来就有（假定行情3秒一个） 股票数量×20×60*6 条记录，一月下来这个表记录数

量多大？ oracle中一张表的记录数超过100w后 查询性能就很差了，如何保证系统性能？

再比如，中国移动有上亿的用户量，表如何设计？把所有用于存在于一个表么？

所以，大数量的系统，必须考虑表拆分-（表名字不一样，但是结构完全一样），通用的几种方式：（视情况而定）

1）按业务分，比如 手机号的表，我们可以考虑 130开头的作为一个表，131开头的另外一张表 以此类推

2）利用oracle的表拆分机制做分表

3）如果是交易系统，我们可以考虑按时间轴拆分，当日数据一个表，历史数据弄到其它表。这里历史数据的报表和查询不会影响当日交易。

当然，表拆分后我们的应用得做相应的适配。单纯的or-mapping也许就得改动了。比如部分业务得通过存储过程等

此外，我们还得考虑缓存

这里的缓存，指的不仅仅是hibernate，hibernate本身提供了一级二级缓存。这里的缓存独立于应用，依然是内存的读取，假如我们能减少数据库频繁的访

问，那对系统肯定大大有利的。比如一个电子商务系统的商品搜索，如果某个关键字的商品经常被搜，那就可以考虑这部分商品列表存放到缓存（内存中

去），这样不用每次访问数据库，性能大大增加。

简单的缓存大家可以理解为自己做一个hashmap，把常访问的数据做一个key，value是第一次从数据库搜索出来的值，下次访问就可以从map里读取，而不

读数据库；专业些的目前有独立的缓存框架比如memcached 等，可独立部署成一个缓存服务器。

 

4、常见的提高高并发下访问的效率的手段

      首先要了解高并发的的瓶颈在哪里？

     1、可能是服务器网络带宽不够

     2.可能web线程连接数不够

     3.可能数据库连接查询上不去。

     根据不同的情况，解决思路也不同。

1. 像第一种情况可以增加网络带宽，DNS域名解析分发多台服务器。

2. 负载均衡，前置代理服务器nginx、apache等等

3. 数据库查询优化，读写分离，分表等等

   最后复制一些在高并发下面需要常常需要处理的内容:

• 尽量使用缓存，包括用户缓存，信息缓存等，多花点内存来做缓存，可以大量减少与数据库的交互，提高性能。

• 用jprofiler等工具找出性能瓶颈，减少额外的开销。

• 优化数据库查询语句，减少直接使用hibernate等工具的直接生成语句（仅耗时较长的查询做优化）。

• 优化数据库结构，多做索引，提高查询效率。

• 统计的功能尽量做缓存，或按每天一统计或定时统计相关报表，避免需要时进行统计的功能。

• 能使用静态页面的地方尽量使用，减少容器的解析（尽量将动态内容生成静态html来显示）。

• 解决以上问题后，使用服务器集群来解决单台的瓶颈问题。

 

 

java高并发，如何解决，什么方式解决

之前我将高并发的解决方法误认为是线程或者是队列可以解决，因为高并发的时候是有很多用户在访问，导致出现系统数据不正确、丢失数据现象，所以想到 的是用队列解决，其实队列解决的方式也可以处理，比如我们在竞拍商品、转发评论微博或者是秒杀商品等，同一时间访问量特别大，队列在此起到特别的作用，将 所有请求放入队列，以毫秒计时单位，有序的进行，从而不会出现数据丢失系统数据不正确的情况。

 

今天我经过查资料，高并发的解决方法有俩种:

一种是使用缓存、另一种是使用生成静态页面；还有就是从最基础的地方优化我们写代码减少不必要的资源浪费：(

1.不要频繁的new对象,对于在整个应用中只需要存在一个实例的类使用单例模式.对于String的连接操作,使用StringBuffer或者StringBuilder.对于utility类型的类通过静态方法来访问。

2. 避免使用错误的方式,如Exception可以控制方法推出,但是Exception要保留stacktrace消耗性能,除非必要不要使用 instanceof做条件判断,尽量使用比的条件判断方式.使用JAVA中效率高的类,比如ArrayList比Vector性能好。)

 

首先缓存技术我一直没有使用过，我觉得应该是在用户请求时将数据保存在缓存中，下次请求时会检测缓存中是否有数据存在，防止多次请求服务器，导致服务器性能降低，严重导致服务器崩溃，这只是我自己的理解，详细的资料还是需要在网上收集；

 

使用生成静态页面我想大家应该不模式，我们见过很多网站当在请求的时候页面的后最已经变了，如“http://developer.51cto.com/art/201207/348766.htm”该页面其实是一个服务器请求地址，在转换成htm后，访问速度将提升，因为静态页面不带有服务器组件；在这里我就多多介绍一下：

一、什么是页面静态化：

简 单的说，我们如果访问一个链接 ,服务器对应的模块会处理这个请求，转到对应的jsp界面，最后生成我们想要看到的数据。这其中的缺点是显而易见的：因为每次请求服务器都会进行处理，如 果有太多的高并发请求，那么就会加重应用服务器的压力，弄不好就把服务器 搞down 掉了。那么如何去避免呢？如果我们把对 test.do 请求后的结果保存成一个 html 文件，然后每次用户都去访问 ,这样应用服务器的压力不就减少了？

那么静态页面从哪里来呢？总不能让我们每个页面都手动处理吧？这里就牵涉到我们要讲解的内容了，静态页面生成方案… 我们需要的是自动的生成静态页面，当用户访问 ,会自动生成 test.html ,然后显示给用户。

二、下面我们在简单介绍一下要想掌握页面静态化方案应该掌握的知识点：

1、 基础- URL Rewrite

什么是 URL Rewrite 呢 ? URL 重写。用一个简单的例子来说明问题：输入网址 ,但是实际上访问的却是 abc.com/test.action,那我们就可以说 URL 被重写了。这项技术应用广泛，有许多开源的工具可以实现这个功能。

2、 基础- Servlet web.xml

如果你还不知道 web.xml 中一个请求和一个 servlet 是如何匹配到一起的，那么请搜索一下 servlet 的文档。这可不是乱说呀，有很多人就认为 /xyz/*.do 这样的匹配方式能有效。

如果你还不知道怎么编写一个 servlet ,那么请搜索一下如何编写 servlet.这可不是说笑呀，在各种集成工具漫天飞舞的今天，很多人都不会去从零编写一个 servlet了。

三、基本的方案介绍

其中，对于 URL Rewriter的部分，可以使用收费或者开源的工具来实现，如果 url不是特别的复杂，可以考虑在 servlet 中实现，那么就是下面这个样子：

 

 

总 结：其实我们在开发中都很少考虑这种问题，直接都是先将功能实现，当一个程序员在干到1到2年，就会感觉光实现功能不是最主要的，安全性能、质量等等才是 一个开发人员最该关心的。今天我所说的是高并发。

我的解决思路是：

1、采用分布式应用设计

2、分布式缓存数据库

3、代码优化

 

Java高并发的例子：

😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈

具体情况是这样： 通过java和数据库，自己实现序列自动增长。
实现代码大致如下：
 id_table表结构, 主要字段：

 

[code] id_name  varchar2(16);
id_val  number(16,0);
id_prefix  varchar2(4);

 

 

[code]//操作DB
public synchronized String nextStringValue(String id){
SqlSession sqlSess = SqlSessionUtil.getSqlSession();
sqlSess.update("update id_table set id_val = id_val + 1 where id_name="+id);
Map map = sqlSess.getOne("select id_name, id_prefix, id_val from id_table where id_name="+ id);
BigDecimal val = (BigDecimal) map.get("id_val");
//id_val是具体数字，rePack主要是统一返回固定长度的字符串；如：Y0000001, F0000001, T0000001等
String idValue = rePack(val, map);
return idValue;
}

//公共方法
public class IdHelpTool{
public static String getNextStringValue(String idName){
return getXX().nextStringValue(idName);
}
}

具体使用者，都是通过类似这种方式：IdHelpTool.getNextStringValue("PAY_LOG");来调用。

问题：
      （1） 当出现并发时， 有时会获取重复的ID；
      （2） 由于服务器做了相关一些设置，有时调用这个方法，好像还会导致超时。

         为了解决问题(1), 考虑过在方法getNextStringValue上，也加上synchronized ， 同步关键字过多，会不会更导致超时？
跪求大侠提供个解决问题的大概思路！！！

😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈😁✈

 

解决思路一：

1、推荐 https://github.com/adyliu/idcenter
2、可以通过第三方redis来实现。

 

解决思路一：

1、出现重复ID，是因为脏读了，并发的时候不加 synchronized  比如会出现问题

2、但是加了 synchronized  ，性能急剧下降了，本身 java 就是多线程的，你把它单线程使用，不是明智的选择，同时，如果分布式部署的时候，加了 synchronized  也无法控制并发

3、调用这个方法，出现超时的情况，说明你的并发已经超过了数据库所能处理的极限，数据库无限等待导致超时

基于上面的分析，建议采用线程池的方案，支付宝的单号就是用的线程池的方案进行的。

数据库 update 不是一次加1，而是一次加几百甚至上千，然后取到的这 1000个序号，放在线程池里慢慢分配即可，能应付任意大的并发，同时保证数据库没任何压力。

 

对于我们开发的网站，如果网站的访问量非常大的话，那么我们就需要考虑相关的并发访问问题了。而并发问题是绝大部分的程序员头疼的问题， 但话又说回来了，既然逃避不掉，那我们就坦然面对吧~今天就让我们一起来研究一下常见的并发和同步吧。

为了更好的理解并发和同步，我们需要先明白两个重要的概念: 同步和异步

1、同步和异步的区别和联系

同步，可以理解为在执行完一个函数或方法之后，一直等待系统返回值或消息，这时程序是处于阻塞的，只有接收到 返回的值或消息后才往下执行其它的命令。

异步，执行完函数或方法后，不必阻塞性地等待返回值或消息，只需要向系统委托一个异步过程，那么当系统接收到返回 值或消息时，系统会自动触发委托的异步过程，从而完成一个完整的流程。

同步在一定程度上可以看做是单线程，这个线程请求一个方法后就待这个方法给他回复，否则他不往下执行(死心眼)。

异步在一定程度上可以看做是多线程的(废话，一个线程怎么叫异步)，请求一个方法后，就不管了，继续执行其他的方法。

同步就是一件事一件事的做。

异步就是，做一件事情，不做其他事情。

例如：吃饭和说话，只能一件事一件事的来，因为只有一张嘴。但吃饭和听音乐是异步的，因为，听音乐并不影响我们吃饭。

对于Java程序员而言，我们会经常听到同步关键字synchronized，假如这个同步的监视对象是类的话，那么如果当一个对象 访问类里面的同步方法时，其它的对象如果想要继续访问类里面的这个同步方法的话，就会进入阻塞，只有等前一个对象执行完该同步方法后，当前对象才能够继续执行该方法。这就是同步。

相反，如果方法前没有同步关键字修饰的话，那么不同的对象可以在同一时间访问同一个方法，这就是异步。

补充一下脏数据和不可重复读的相关概念：

脏数据

脏读就是指当一个事务正在访问数据，并且对数据进行了修改，而这种修改还没有提交到数据库中，这时，另外一个事务也访问这个数据，然后使用了这 个数据。因为这个数据是还没有提交的数据，那么另外一个事务读到的这个数据是脏数据(Dirty Data)，依据脏数据所做的操作可能是不正确的。

不可重复读

在一个事务内，多次读同一数据。在这个事务还没有结束时，另外一个事务也访问该数据。那么，在第一个事务中的两次读数据之间，由于第二个事务的修改，那么第一个事务两次读到的数据可能是不一样的。这样就发生了在一个事务内两次读到的数据是不一样的，因此称为是不可重复读

2、如何处理并发和同步

今天讲的如何处理并发和同步问题主要是通过锁机制。

我们需要明白，锁机制有两个层面。

一种是代码层次上的，如java中的同步锁，典型的就是同步关键字synchronized，这里我不再做过多的讲解， 感兴趣的可以参考://www.cnblogs.com/xiohao/p/4151408.html

另外一种是数据库层次上的，比较典型的就是悲观锁和乐观锁。这里我们重点讲解的就是悲观锁（传统的物理锁）和乐观锁。

悲观锁(Pessimistic Locking)

悲观锁，正如其名，它指的是对数据被外界（包括本系统当前的其他事务，以及来自外部系统的事务处理）修改持保守态度。因此， 在整个数据处理过程中，将数据处于锁定状态。

悲观锁的实现，往往依靠数据库提供的锁机制（也只有数据库层提供的锁机制才能真正保证数据访问的排他性。否则，即使在本系统 中实现了加锁机制，也无法保证外部系统不会修改数据）。

一个典型的依赖数据库的悲观锁调用：

select * from account where name=”Erica” for update

这条 sql 语句锁定了 account 表中所有符合检索条件（ name=”Erica” ）的记录。

本次事务提交之前（事务提交时会释放事务过程中的锁），外界无法修改这些记录。

Hibernate 的悲观锁，也是基于数据库的锁机制实现。

下面的代码实现了对查询记录的加锁：

String hqlStr =”from TUser as user where user.name=’Erica’”;Query query = session.createQuery(hqlStr);query.setLockMode(“user”,LockMode.UPGRADE); // 加锁List userList = query.list();// 执行查询，获取数据

query.setLockMode 对查询语句中，特定别名所对应的记录进行加锁（我们为 TUser 类指定了一个别名 “user” ），这里也就是对 返回的所有 user 记录进行加锁。

观察运行期 Hibernate 生成的 SQL 语句：

select tuser0_.id as id, tuser0_.name as name, tuser0_.group_idas group_id, tuser0_.user_type as user_type, tuser0_.sex as sexfrom t_user tuser0_ where (tuser0_.name=’Erica’ ) for update

这里 Hibernate 通过使用数据库的 for update 子句实现了悲观锁机制。

Hibernate 的加锁模式有：

Ø LockMode.NONE ： 无锁机制。

Ø LockMode.WRITE ： Hibernate 在 Insert 和 Update 记录的时候会自动获取

Ø LockMode.READ ： Hibernate 在读取记录的时候会自动获取。

以上这三种锁机制一般由 Hibernate 内部使用，如 Hibernate 为了保证 Update过程中对象不会被外界修改，会在 save 方法实现中自动为目标对象加上 WRITE 锁。

Ø LockMode.UPGRADE ：利用数据库的 for update 子句加锁。

Ø LockMode. UPGRADE_NOWAIT ： Oracle 的特定实现，利用 Oracle 的 for update nowait 子句实现加锁。

上面这两种锁机制是我们在应用层较为常用的，加锁一般通过以下方法实现：

Criteria.setLockModeQuery.setLockModeSession.lock

注意，只有在查询开始之前（也就是 Hiberate 生成 SQL 之前）设定加锁，才会真正通过数据库的锁机制进行加锁处理。否则，数据已经通过不包含 for update子句的 Select SQL 加载进来，所谓数据库加锁也就无从谈起。

为了更好的理解select… for update的锁表的过程，本人将要以mysql为例，进行相应的讲解。

1、要测试锁定的状况，可以利用MySQL的Command Mode ，开二个视窗来做测试。

表的基本结构如下:

 

表中内容如下:

 

开启两个测试窗口，在其中一个窗口执行select * from ta for update0。 然后在另外一个窗口执行update操作如下图：

 

等到一个窗口commit后的图片如下:

 

到这里，悲观锁机制你应该了解一些了吧~

需要注意的是for update要放到mysql的事务中，即begin和commit中，否则不起作用。

至于是锁住整个表还是锁住选中的行， 请参考:

//www.cnblogs.com/xiohao/p/4385768.html

至于hibernate中的悲观锁，使用起来比较简单，这里就不写demo了~感兴趣的自己查一下就ok了~、

乐观锁(Optimistic Locking)

相对悲观锁而言，乐观锁机制采取了更加宽松的加锁机制。悲观锁大多数情况下依靠数据库的锁机制实现，以保证操作最大程度的独占性。但随之

而来的就是数据库性能的大量开销，特别是对长事务而言，这样的开销往往无法承受。

如一个金融系统，当某个操作员读取用户的数据，并在读出的用户数 据的基础上进行修改时（如更改用户帐户余额），如果采用悲观锁机制，也就意味着整个操作过程中（从操作员读出数据、开始修改直至提交修改结果的全 过程，甚至还包括操作员中途去煮咖啡的时间），数据库记录始终处于加锁状态，可以想见，如果面对几百上千个并发，这样的情况将导致怎样的后果。 乐观锁机制在一定程度上解决了这个问题。

乐观锁，大多是基于数据版本 （Version ）记录机制实现。何谓数据版本？

即为数据增加一个版本标识，在基于数据库表的版本解决方案中，一般是通 过为数据库表增加一个 “version” 字段来实现。 读取出数据时，将此版本号一同读出，之后更时，对此版本号加一。此时，将提交数据的版本数据与数据 库表对应记录的当前版本信息进行比对，如果提交的数据版本号大于数据库表当前版本号，则予以更新，否则认为是过期数据。

对于上面修改用户帐户信息 的例子而言，假设数据库中帐户信息表中有一个 version 字段，当前值为 1 ；而当前帐户余额字段（ balance ）为 $100 。

1，操作员 A 此时将其读出 （ version=1 ），并从其帐户余额中扣除50（100-$20 ）。

3 ，操作员 A 完成了修改工作，将数据版本号加一（ version=2 ），连同帐户扣除后余额（ balance=$50 ），提交 至数据库更新，此时由于提交数据版本大于数据库记录当前版本，数据被更新，数据库记录 version 更新为 2 。

4 ，操作员 B 完成了操作，也将版本号加一 （ version=2 ）试图向数据库提交数据（ balance=$80 ），但此时比对数据库记录版本时发现，操作员B提交的数据版本号为 2 ，数据库记录当前版本也为 2 ，不满足 “ 提交版本必须大于记录当前版本才能执行更新 “ 的乐观锁策略。因此，操作员 B 的提交被驳回。 这样，就避免了操作员 B 用基于 version=1 的旧数据修改的结果覆盖操作员 A 的操作结果的可能。

从上面的例子可以看出，乐观锁机制避免了长事务中的数据库加锁开销（操作员 A 和操作员 B 操作过程中，都没有对数据库数据加锁），大大提升了大并发量下的系统整体性能表现。 需要注意的是，乐观锁机制往往基于系统中的数据存储 逻辑，因此也具备一定的局限性。

如在上面例子中，由于乐观锁机制是在我们的系统中实现，来自外部系统的用户余额更新操作不受我们系统的控制，因此可能 会造成脏数据被更新到数据库中。在系统设计阶段，我们应该充分考虑到这些情况出现的可能性，并进行相应调整（如将乐观锁策略在数据库存储过程中实 现，对外只开放基于此存储过程的数据更新途径，而不是将数据库表直接对外公开）。 Hibernate 在其数据访问引擎中内置了乐观锁实现。如果不用考虑外 部系统对数 据库的更新操作，利用 Hibernate 提供的透明化乐观锁实现，将大大提升我们的生产力。

 

什么是高并发？

高并发（High Concurrency）是一种系统运行过程中遇到的一种“短时间内遇到大量操作请求”的情况，主要发生在web系统集中大量访问收到大量请求（例如：12306的抢票情况；天猫双十一活动）。该情况的发生会导致系统在这段时间内执行大量操作，例如对资源的请求，数据库的操作等。

高并发的处理指标？

高并发相关常用的一些指标有:

1.响应时间（Response Time）

响应时间：系统对请求做出响应的时间。例如系统处理一个HTTP请求需要200ms，这个200ms就是系统的响应时间

2.吞吐量（Throughput）

吞吐量：单位时间内处理的请求数量。

3.每秒查询率QPS（Query Per Second）

QPS：每秒响应请求数。在互联网领域，这个指标和吞吐量区分的没有这么明显。

4.并发用户数

并发用户数：同时承载正常使用系统功能的用户数量。例如一个即时通讯系统，同时在线量一定程度上代表了系统的并发用户数。

高并发和多线程的关系和区别

“高并发和多线程”总是被一起提起，给人感觉两者好像相等，实则 高并发 ≠ 多线程

1.多线程

多线程是java的特性，因为现在cpu都是多核多线程的，可以同时执行几个任务，为了提高jvm的执行效率，java提供了这种多线程的机制，以增强数据处理效率。多线程对应的是cpu，高并发对应的是访问请求，可以用单线程处理所有访问请求，也可以用多线程同时处理访问请求。

在过去单CPU时代，单任务在一个时间点只能执行单一程序。之后发展到多任务阶段，计算机能在同一时间点并行执行多任务或多进程。虽然并不是真正意义上的“同一时间点”，而是多个任务或进程共享一个CPU，并交由操作系统来完成多任务间对CPU的运行切换，以使得每个任务都有机会获得一定的时间片运行。

再后来发展到多线程技术，使得在一个程序内部能拥有多个线程并行执行。一个线程的执行可以被认为是一个CPU在执行该程序。当一个程序运行在多线程下，就好像有多个CPU在同时执行该程序。

总之，多线程即可以这么理解：多线程是处理高并发的一种编程方法，即并发需要用多线程实现。

2.高并发

高并发不是JAVA的专有的东西，是语言无关的广义的，为提供更好互联网服务而提出的概念。

典型的场景，例如：12306抢火车票，天猫双十一秒杀活动等。该情况的发生会导致系统在这段时间内执行大量操作，例如对资源的请求，数据库的操作等。如果高并发处理不好，不仅仅降低了用户的体验度（请求响应时间过长），同时可能导致系统宕机，严重的甚至导致OOM异常，系统停止工作等。

如果要想系统能够适应高并发状态，则需要从各个方面进行系统优化，包括，硬件、网络、系统架构、开发语言的选取、数据结构的运用、算法优化、数据库优化等……而多线程只是其中解决方法之一。

多线程并发技术

java多线程编程将会涉及到如下技术点：

1.并发编程三要素

•  原子性原子，即一个不可再被分割的颗粒。在Java中原子性指的是一个或多个操作要么全部执行成功要么全部执行失败。
•  有序性程序执行的顺序按照代码的先后顺序执行。（处理器可能会对指令进行重排序）
•  可见性当多个线程访问同一个变量时，如果其中一个线程对其作了修改，其他线程能立即获取到最新的值。

2. 线程的五大状态

•  创建状态当用 new 操作符创建一个线程的时候
•  就绪状态调用 start 方法，处于就绪状态的线程并不一定马上就会执行 run 方法，还需要等待CPU的调度
•  运行状态CPU 开始调度线程，并开始执行 run 方法
•  阻塞状态线程的执行过程中由于一些原因进入阻塞状态比如：调用 sleep 方法、尝试去得到一个锁等等
•  死亡状态run 方法执行完 或者 执行过程中遇到了一个异常

3.悲观锁与乐观锁

•  悲观锁：每次操作都会加锁，会造成线程阻塞。
•  乐观锁：每次操作不加锁而是假设没有冲突而去完成某项操作，如果因为冲突失败就重试，直到成功为止，不会造成线程阻塞。

4.线程之间的协作：wait/notify/notifyAll等

5.synchronized 关键字

6.CAS

CAS全称是Compare And Swap，即比较替换，是实现并发应用到的一种技术。操作包含三个操作数 —— 内存位置（V）、预期原值（A）和新值(B)。 如果内存位置的值与预期原值相匹配，那么处理器会自动将该位置值更新为新值 。否则，处理器不做任何操作。

7.线程池

如果我们使用线程的时候就去创建一个线程，虽然简单，但是存在很大的问题。如果并发的线程数量很多，并且每个线程都是执行一个时间很短的任务就结束了，这样频繁创建线程就会大大降低系统的效率，因为频繁创建线程和销毁线程需要时间。线程池通过复用可以大大减少线程频繁创建与销毁带来的性能上的损耗。

高并发技术方案：提高高并发能力

1.分布式缓存：redis、memcached等，结合CDN来解决图片文件等访问。

2.消息队列中间件：activeMQ等，解决大量消息的异步处理能力。

3.应用拆分:一个工程被拆分为多个工程部署，利用dubbo解决多工程之间的通信。

4.数据库垂直拆分和水平拆分(分库分表)等。

5.数据库读写分离，解决大数据的查询问题。

6.还可以利用nosql ，例如mongoDB配合mysql组合使用。

7.还需要建立大数据访问情况下的服务降级以及限流机制等。

 

 

Java高并发,如何解决,什么方式解决，高性能高并发，阿里P8架构师谈：高并发与多线程的关系、区别、高并发的技术方案Java高并发,如何解决,什么方式解决，高性能高并发，阿里P8架构师谈：高并发与多线程的关系、区别、高并发的技术方案Java高并发,如何解决,什么方式解决，高性能高并发，阿里P8架构师谈：高并发与多线程的关系、区别、高并发的技术方案Java高并发,如何解决,什么方式解决，高性能高并发，阿里P8架构师谈：高并发与多线程的关系、区别、高并发的技术方案Java高并发,如何解决,什么方式解决，高性能高并发，阿里P8架构师谈：高并发与多线程的关系、区别、高并发的技术方案Java高并发,如何解决,什么方式解决，高性能高并发，阿里P8架构师谈：高并发与多线程的关系、区别、高并发的技术方案Java高并发,如何解决,什么方式解决，高性能高并发，阿里P8架构师谈：高并发与多线程的关系、区别、高并发的技术方案Java高并发,如何解决,什么方式解决，高性能高并发，阿里P8架构师谈：高并发与多线程的关系、区别、高并发的技术方案Java高并发,如何解决,什么方式解决，高性能高并发，阿里P8架构师谈：高并发与多线程的关系、区别、高并发的技术方案Java高并发,如何解决,什么方式解决，高性能高并发，阿里P8架构师谈：高并发与多线程的关系、区别、高并发的技术方案