精选30+云产品，助力企业轻松上云！>>>

推荐阅读：阿里P8架构师谈：工作1-5年的Java工程师，怎样提高核心竞争力

                  阿里架构师直言：“没有实战都是纸上谈兵”！Redis实战PDF分享

                  奋发图强半年多，终于四面阿里如愿拿到心仪offer定级P7

本文主要讲解几种常见并行模式, 具体目录结构如下图.

单例

单例是最常见的一种设计模式, 一般用于全局对象管理, 比如xml配置读写之类的.

一般分为懒汉式, 饿汉式.

懒汉式: 方法上加synchronized

public static synchronized Singleton getInstance() {            if (single == null) {                  single = new Singleton();            }             return single;   }  

这种方式, 由于每次获取示例都要获取锁, 不推荐使用, 性能较差

懒汉式: 使用双检锁 + volatile

private volatile Singleton singleton = null;     public static Singleton getInstance() {         if (singleton == null) {             synchronized (Singleton.class) {                 if (singleton == null) {                     singleton = new Singleton();                 }             }         }         return singleton;     }

本方式是对直接在方法上加锁的一个优化, 好处在于只有第一次初始化获取了锁.

后续调用getInstance已经是无锁状态. 只是写法上稍微繁琐点.

至于为什么要volatile关键字, 主要涉及到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: 使用静态内部类

public class Singleton {     private static class LazyHolder {        private static final Singleton INSTANCE = new Singleton();     }     private Singleton (){}     public static final Singleton getInstance() {        return LazyHolder.INSTANCE;     } }

该方式既解决了同步问题, 也解决了写法繁琐问题. 推荐使用改写法.

缺点在于无法响应事件来重新初始化INSTANCE.

饿汉式

public class Singleton1 {     private Singleton1() {}     private static final Singleton1 single = new Singleton1();     public static Singleton1 getInstance() {         return single;     } }

缺点在于对象在一开始就直接初始化了.

Future模式

该模式的核心思想是异步调用. 有点类似于异步的ajax请求.

当调用某个方法时, 可能该方法耗时较久, 而在主函数中也不急于立刻获取结果.

因此可以让调用者立刻返回一个凭证, 该方法放到另外线程执行,后续主函数拿凭证再去获取方法的执行结果即可, 其结构图如下

jdk中内置了Future模式的支持, 其接口如下:

通过FutureTask实现

注意其中两个耗时操作.

• 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左右结束.

public class FutureDemo1 {     public static void main(String[] args) throws InterruptedException, ExecutionException {         FutureTask<String> future = new FutureTask<String>(new Callable<String>() {             @Override             public String call() throws Exception {                 return new RealData().costTime();             }         });         ExecutorService service = Executors.newCachedThreadPool();         service.submit(future);         System.out.println("RealData方法调用完毕");         // 模拟主函数中其他耗时操作         doOtherThing();         // 获取RealData方法的结果         System.out.println(future.get());     }     private static void doOtherThing() throws InterruptedException {         Thread.sleep(2000L);     } } class RealData {     public String costTime() {         try {             // 模拟RealData耗时操作             Thread.sleep(1000L);             return "result";         } catch (InterruptedException e) {             e.printStackTrace();         }         return "exception";     } }

通过Future实现

与上述FutureTask不同的是, RealData需要实现Callable接口.

public class FutureDemo2 {     public static void main(String[] args) throws InterruptedException, ExecutionException {         ExecutorService service = Executors.newCachedThreadPool();     &
1000
nbsp;   Future<String> future = service.submit(new RealData2());         System.out.println("RealData2方法调用完毕");         // 模拟主函数中其他耗时操作         doOtherThing();         // 获取RealData2方法的结果         System.out.println(future.get());     }     private static void doOtherThing() throws InterruptedException {         Thread.sleep(2000L);     } } class RealData2 implements Callable<String>{     public String costTime() {         try {             // 模拟RealData耗时操作             Thread.sleep(1000L);             return "result";         } catch (InterruptedException e) {             e.printStackTrace();         }         return "exception";     }     @Override     public String call() throws Exception {         return costTime();     } }

另外Future本身还提供了一些额外的简单控制功能, 其API如下

// 取消任务     boolean cancel(boolean mayInterruptIfRunning);     // 是否已经取消     boolean isCancelled();     // 是否已经完成     boolean isDone();     // 取得返回对象     V get() throws InterruptedException, ExecutionException;     // 取得返回对象, 并可以设置超时时间     V get(long timeout, TimeUnit unit)             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. 它为多线程间的协作提供了良好的解决方案。

在生产者-消费者模式中，通常有两类线程，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请求，消费者线程则负责具体处理生产者提交的任务。

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为我们需要处理的元数据模型, 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.

生产者核心代码

while(isRunning) {             Thread.sleep(r.nextInt(SLEEP_TIME));             data = new PCData(count.incrementAndGet);             //&nb
1ff8
sp;构造任务数据             System.out.println(data + " is put into queue");             if (!queue.offer(data, 2, TimeUnit.SECONDS)) {                 // 将数据放入队列缓冲区中                 System.out.println("faild to put data : " + data);             }         }

消费者核心代码

while (true) {             PCData data = queue.take();             // 提取任务             if (data != null) {                 // 获取数据, 执行计算操作                 int re = data.getData() * 10;                 System.out.println("after cal, value is : " + re);                 Thread.sleep(r.nextInt(SLEEP_TIME));             }         }

生产消费者模式可以有效对数据解耦, 优化系统结构.

降低生产者和消费者线程相互之间的依赖与性能要求.

一般使用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, 则可以使用基于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, 而是一种思想.

它可以将一个大任务拆解为若干个小任务并行执行, 提高系统吞吐量.

我们主要讲两个场景, Master-Worker模式, ForkJoin线程池.

Master-Worker模式

该模式核心思想是系统由两类进行协助工作: Master进程, Worker进程.

Master负责接收与分配任务, Worker负责处理任务. 当各个Worker处理完成后,

将结果返回给Master进行归纳与总结.

假设一个场景, 需要计算100个任务, 并对结果求和, Master持有10个子进程.

Master代码

public class MasterDemo {     // 盛装任务的集合     private ConcurrentLinkedQueue<TaskDemo> workQueue = new ConcurrentLinkedQueue<TaskDemo>();     // 所有worker     private HashMap<String, Thread> workers = new HashMap<>();     // 每一个worker并行执行任务的结果     private ConcurrentHashMap<String, Object> resultMap = new ConcurrentHashMap<>();     public MasterDemo(WorkerDemo worker, int workerCount) {         // 每个worker对象都需要持有queue的引用, 用于领任务与提交结果         worker.setResultMap(resultMap);         worker.setWorkQueue(workQueue);         for (int i = 0; i < workerCount; i++) {             workers.put("子节点: " + i, new Thread(worker));         }     }     // 提交任务     public void submit(TaskDemo task) {         workQueue.add(task);     }     // 启动所有的子任务     public void execute(){         for (Map.Entry<String, Thread> entry : workers.entrySet()) {             entry.getValue().start();         }     }     // 判断所有的任务是否执行结束     public boolean isComplete() {         for (Map.Entry<String, Thread> entry : workers.entrySet()) {             if (entry.getValue().getState() != Thread.State.TERMINATED) {                 return false;             }         }         return true;     }     // 获取最终汇总的结果     public int getResult() {         int result = 0;         for (Map.Entry<String, Object> entry : resultMap.entrySet()) {             result += Integer.parseInt(entry.getValue().toString());         }         return result;     } }

Worker代码

public class WorkerDemo implements Runnable{     private ConcurrentLinkedQueue<TaskDemo> workQueue;     private ConcurrentHashMap<String, Object> resultMap;     @Override     public void run() {         while (true) {             TaskDemo input = this.workQueue.poll();             // 所有任务已经执行完毕             if (input == null) {                 break;             }             // 模拟对task进行处理, 返回结果             int result = input.getPrice();             this.resultMap.put(input.getId() + "", 
2000
result);             System.out.println("任务执行完毕, 当前线程: " + Thread.currentThread().getName());         }     }     public ConcurrentLinkedQueue<TaskDemo> getWorkQueue() {         return workQueue;     }     public void setWorkQueue(ConcurrentLinkedQueue<TaskDemo> workQueue) {         this.workQueue = workQueue;     }     public ConcurrentHashMap<String, Object> getResultMap() {         return resultMap;     }     public void setResultMap(ConcurrentHashMap<String, Object> resultMap) {         this.resultMap = resultMap;     } }

public class TaskDemo {     private int id;     private String name;     private int price;     public int getId() {         return id;     }     public void setId(int id) {         this.id = id;     }     public String getName() {         return name;     }     public void setName(String name) {         this.name = name;     }     public int getPrice() {         return price;     }     public void setPrice(int price) {         this.price = price;     } }

主函数测试

MasterDemo master = new MasterDemo(new WorkerDemo(), 10);         for (int i = 0; i < 100; i++) {             TaskDemo task = new TaskDemo();             task.setId(i);             task.setName("任务" + i);             task.setPrice(new Random().nextInt(10000));             master.submit(task);         }         master.execute();         while (true) {             if (master.isComplete()) {                 System.out.println("执行的结果为: " + master.getResult());                 break;             }         }

ForkJoin线程池

该线程池是jdk7之后引入的一个并行执行任务的框架, 其核心思想也是将任务分割为子任务,

有可能的任务还是很大, 还需要进一步拆解, 最终得到足够小的任务.

将分割出来的子任务放入双端队列中, 然后几个启动线程从双端队列中获取任务执行.

子任务执行的结果放到一个队列里, 另起线程从队列中获取数据, 合并结果.

假设我们的场景需要计算从0到20000000L的累加求和. CountTask继承自RecursiveTask, 可以携带返回值.

每次分解大任务, 简单的将任务划分为100个等规模的小任务, 并使用fork()提交的任务.

在子任务中通过THRESHOLD设置子任务分解的阈值, 如果当前需要求和的总数大于THRESHOLD, 则子任务需要再次分解,如果子任务可以直接执行, 则进行求和操作, 返回结果. 最终等待所有的子任务执行完毕, 对所有结果求和.

public class CountTask extends RecursiveTask<Long>{     // 任务分解的阈值     private static final int THRESHOLD = 10000;     private long start;     private long end;     public CountTask(long start, long end) {         this.start = start;         this.end = end;     }     public Long compute() {         long sum = 0;         boolean canCompute = (end - start) < THRESHOLD;         if (canCompute) {             for (long i = start; i <= end; i++) {                 sum += i;             }         } else {             // 分成100个小任务             long step = (start + end) / 100;             ArrayList<CountTask> subTasks = new ArrayList<CountTask>();             long pos = start;             for (int i = 0; i < 100; i++) {                 long lastOne = pos + step;                 if (lastOne > end) {                     lastOne = end;                 }                 CountTask subTask = new CountTask(pos, lastOne);                 pos += step + 1;           
ff9
      // 将子任务推向线程池                 subTasks.add(subTask);                 subTask.fork();             }             for (CountTask task : subTasks) {                 // 对结果进行join                 sum += task.join();             }         }         return sum;     }     public static void main(String[] args) throws ExecutionException, InterruptedException {         ForkJoinPool pool = new ForkJoinPool();         // 累加求和 0 -> 20000000L         CountTask task = new CountTask(0, 20000000L);         ForkJoinTask<Long> result = pool.submit(task);         System.out.println("sum result : " + result.get());     } }

ForkJoin线程池使用一个无锁的栈来管理空闲线程, 如果一个工作线程暂时取不到可用的任务, 则可能被挂起.

挂起的线程将被压入由线程池维护的栈中, 待将来有任务可用时, 再从栈中唤醒这些线程.