总结
就写到这了,也算是给这段时间的面试做一个总结,查漏补缺,祝自己好运吧,也希望正在求职或者打算跳槽的 程序员看到这个文章能有一点点帮助或收获,我就心满意足了。多思考,多问为什么。希望小伙伴们早点收到满意的offer! 越努力越幸运!
金九银十已经过了,就目前国内的面试模式来讲,在面试前积极的准备面试,复习整个 Java 知识体系将变得非常重要,可以很负责任的说一句,复习准备的是否充分,将直接影响你入职的成功率。但很多小伙伴却苦于没有合适的资料来回顾整个 Java 知识体系,或者有的小伙伴可能都不知道该从哪里开始复习。我偶然得到一份整理的资料,不论是从整个 Java 知识体系,还是从面试的角度来看,都是一份含技术量很高的资料。
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.atomic.AtomicLong;
/**
* 跟着阿里p7学并发,微信公众号:javacode2018
*/
public class Demo2 {
static AtomicLong count = new AtomicLong(0);
public static void incr() {
count.incrementAndGet();
}
public static void main(String[] args) throws ExecutionException, InterruptedException {
for (int i = 0; i < 10; i++) {
count.set(0);
m1();
}
}
private static void m1() throws InterruptedException {
long t1 = System.currentTimeMillis();
int threadCount = 50;
CountDownLatch countDownLatch = new CountDownLatch(threadCount);
for (int i = 0; i < threadCount; i++) {
new Thread(() -> {
try {
for (int j = 0; j < 1000000; j++) {
incr();
}
} finally {
countDownLatch.countDown();
}
}).start();
}
countDownLatch.await();
long t2 = System.currentTimeMillis();
System.out.println(String.format(“结果:%s,耗时(ms):%s”, count, (t2 - t1)));
}
}
输出:
结果:50000000,耗时(ms):971
结果:50000000,耗时(ms):915
结果:50000000,耗时(ms):920
结果:50000000,耗时(ms):923
结果:50000000,耗时(ms):910
结果:50000000,耗时(ms):916
结果:50000000,耗时(ms):923
结果:50000000,耗时(ms):916
结果:50000000,耗时(ms):912
结果:50000000,耗时(ms):908
平均耗时:920毫秒
AtomicLong
内部采用CAS的方式实现,并发量大的情况下,CAS失败率比较高,导致性能比synchronized还低一些。并发量不是太大的情况下,CAS性能还是可以的。
AtomicLong
属于JUC中的原子类,还不是很熟悉的可以看一下:JUC中原子类,一篇就够了
方式3:LongAdder实现
先介绍一下LongAdder
,说到LongAdder,不得不提的就是AtomicLong,AtomicLong是JDK1.5开始出现的,里面主要使用了一个long类型的value作为成员变量,然后使用循环的CAS操作去操作value的值,并发量比较大的情况下,CAS操作失败的概率较高,内部失败了会重试,导致耗时可能会增加。
LongAdder是JDK1.8开始出现的,所提供的API基本上可以替换掉原先的AtomicLong。LongAdder在并发量比较大的情况下,操作数据的时候,相当于把这个数字分成了很多份数字,然后交给多个人去管控,每个管控者负责保证部分数字在多线程情况下操作的正确性。当多线程访问的时,通过hash算法映射到具体管控者去操作数据,最后再汇总所有的管控者的数据,得到最终结果。相当于降低了并发情况下锁的粒度,所以效率比较高,看一下下面的图,方便理解:
代码:
package com.itsoku.chat32;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.atomic.AtomicLong;
import java.util.concurrent.atomic.LongAdder;
/**
* 跟着阿里p7学并发,微信公众号:javacode2018
*/
public class Demo3 {
static LongAdder count = new LongAdder();
public static void incr() {
count.increment();
}
public static void main(String[] args) throws ExecutionException, InterruptedException {
for (int i = 0; i < 10; i++) {
count.reset();
m1();
}
}
private static void m1() throws ExecutionException, InterruptedException {
long t1 = System.currentTimeMillis();
int threadCount = 50;
CountDownLatch countDownLatch = new CountDownLatch(threadCount);
for (int i = 0; i < threadCount; i++) {
new Thread(() -> {
try {
for (int j = 0; j < 1000000; j++) {
incr();
}
} finally {
countDownLatch.countDown();
}
}).start();
}
countDownLatch.await();
long t2 = System.currentTimeMillis();
System.out.println(String.format(“结果:%s,耗时(ms):%s”, count.sum(), (t2 - t1)));
}
}
输出:
结果:50000000,耗时(ms):206
结果:50000000,耗时(ms):105
结果:50000000,耗时(ms):107
结果:50000000,耗时(ms):107
结果:50000000,耗时(ms):105
结果:50000000,耗时(ms):99
结果:50000000,耗时(ms):106
结果:50000000,耗时(ms):102
结果:50000000,耗时(ms):106
结果:50000000,耗时(ms):102
平均耗时:100毫秒
代码中new LongAdder()
创建一个LongAdder对象,内部数字初始值是0,调用increment()
方法可以对LongAdder内部的值原子递增1。reset()
方法可以重置LongAdder
的值,使其归0。
方式4:LongAccumulator实现
LongAccumulator介绍
LongAccumulator是LongAdder的功能增强版。LongAdder的API只有对数值的加减,而LongAccumulator提供了自定义的函数操作,其构造函数如下:
/**
* accumulatorFunction:需要执行的二元函数(接收2个long作为形参,并返回1个long)
* identity:初始值
**/
public LongAccumulator(LongBinaryOperator accumulatorFunction, long identity) {
this.function = accumulatorFunction;
base = this.identity = identity;
}
示例代码:
package com.itsoku.chat32;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.atomic.LongAccumulator;
import java.util.concurrent.atomic.LongAdder;
/**
* 跟着阿里p7学并发,微信公众号:javacode2018
*/
public class Demo4 {
static LongAccumulator count = new LongAccumulator((x, y) -> x + y, 0L);
public static void incr() {
count.accumulate(1);
}
public static void main(String[] args) throws ExecutionException, InterruptedException {
for (int i = 0; i < 10; i++) {
count.reset();
m1();
}
}
private static void m1() throws ExecutionException, InterruptedException {
long t1 = System.currentTimeMillis();
int threadCount = 50;
CountDownLatch countDownLatch = new CountDownLatch(threadCount);
for (int i = 0; i < threadCount; i++) {
new Thread(() -> {
try {
for (int j = 0; j < 1000000; j++) {
incr();
}
} finally {
countDownLatch.countDown();
}
}).start();
}
countDownLatch.await();
long t2 = System.currentTimeMillis();
System.out.println(String.format(“结果:%s,耗时(ms):%s”, count.longValue(), (t2 - t1)));
}
}
输出:
结果:50000000,耗时(ms):138
结果:50000000,耗时(ms):111
结果:50000000,耗时(ms):111
结果:50000000,耗时(ms):103
结果:50000000,耗时(ms):103
结果:50000000,耗时(ms):105
结果:50000000,耗时(ms):101
结果:50000000,耗时(ms):106
结果:50000000,耗时(ms):102
结果:50000000,耗时(ms):103
平均耗时:100毫秒
LongAccumulator
的效率和LongAdder
差不多,不过更灵活一些。
调用new LongAdder()
等价于new LongAccumulator((x, y) -> x + y, 0L)
。
从上面4个示例的结果来看,LongAdder、LongAccumulator
全面超越同步锁及AtomicLong
的方式,建议在使用AtomicLong
的地方可以直接替换为LongAdder、LongAccumulator
,吞吐量更高一些。
java高并发系列目录
分享
首先分享一份学习大纲,内容较多,涵盖了互联网行业所有的流行以及核心技术,以截图形式分享:
(亿级流量性能调优实战+一线大厂分布式实战+架构师筑基必备技能+设计思想开源框架解读+性能直线提升架构技术+高效存储让项目性能起飞+分布式扩展到微服务架构…实在是太多了)
其次分享一些技术知识,以截图形式分享一部分:
Tomcat架构解析:
算法训练+高分宝典:
Spring Cloud+Docker微服务实战:
最后分享一波面试资料:
切莫死记硬背,小心面试官直接让你出门右拐
1000道互联网Java面试题:
Java高级架构面试知识整理:
1)]
算法训练+高分宝典:
[外链图片转存中…(img-fNs3p4AP-1715642044441)]
Spring Cloud+Docker微服务实战:
[外链图片转存中…(img-cMPJJ01z-1715642044441)]
最后分享一波面试资料:
切莫死记硬背,小心面试官直接让你出门右拐
1000道互联网Java面试题:
[外链图片转存中…(img-DVOSd7fC-1715642044442)]
Java高级架构面试知识整理:
[外链图片转存中…(img-bIgh8QAn-1715642044443)]