OpenJDK织机和结构化并发

Project Loom是Hotspot Group赞助的项目之一，旨在向JAVA世界提供高吞吐量和轻量级的并发模型。 在撰写本文时，Loom项目仍处于积极开发中，其API可能会更改。

为什么要织机？

每个新项目可能会出现的第一个问题是为什么？
为什么我们需要学习新的东西，它对我们有帮助？ （如果确实如此）

因此，要专门针对Loom回答这个问题，我们首先需要了解JAVA中现有线程系统如何工作的基础知识。

JVM内部产生的每个线程在OS内核空间中都有一个一对一的对应线程，并具有自己的堆栈，寄存器，程序计数器和状态。 每个线程的最大部分可能是堆栈，堆栈大小以兆字节为单位，通常在1MB到2MB之间。
因此，这些类型的线程在启动和运行时方面都很昂贵。 不可能在一台机器上产生1万个线程并期望它能正常工作。

有人可能会问为什么我们甚至需要那么多线程？ 鉴于CPU只有几个超线程。 例如，CPU Internal Core i9总共有16个线程。
嗯，CPU并不是您的应用程序使用的唯一资源，任何没有I / O的软件都只会导致全球变暖！
一旦线程需要I / O，OS就会尝试为其分配所需的资源，并同时调度另一个需要CPU的线程。 因此，我们在应用程序中拥有的线程越多，我们就越可以并行利用这些资源。

一个非常典型的示例是Web服务器。 每台服务器都能在每个时间点处理数千个打开的连接，但是同时处理那么多连接要么需要数千个线程，要么需要异步非阻塞代码（ 我可能会在接下来的几周内撰写另一篇文章，以解释更多有关异步代码 ），就像前面提到的，成千上万个OS线程既不是您也不是OS会满意的！

织机如何提供帮助？

作为Project Loom的一部分，引入了一种称为Fiber的新型线程。 光纤也称为虚拟线程 ， 绿色线程或用户线程，因为这些名称暗示完全由VM处理，并且OS甚至都不知道此类线程存在。 这意味着并非每个VM线程都需要在OS级别具有相应的线程！ 虚拟线程可能被I / O阻塞，或者等待从另一个线程获取信号，但是，与此同时，其他虚拟线程也可以利用基础线程！

上图说明了虚拟线程和OS线程之间的关系。 虚拟线程可以简单地被I / O阻塞，在这种情况下，基础线程将被另一个虚拟线程使用。

这些虚拟线程的内存占用量将以千字节为单位，而不是兆字节。 如果需要，可以在生成它们之后扩展它们的堆栈，这样JVM不需要为它们分配大量内存。

因此，既然我们已经有了一种非常轻巧的方式来实现并发，我们就可以重新考虑存在于Java经典线程中的最佳实践。

如今，用于在Java中实现并发的最常用的构造是ExecutorService的不同实现。 它们具有非常方便的API，并且相对易于使用。 执行程序服务具有一个内部线程池，用于根据开发人员定义的特征来控制可以产生多少个线程。 该线程池主要用于限制应用程序创建的OS线程的数量，因为如上所述，它们是昂贵的资源，我们应该尽可能地重用它们。 但是现在可以生成轻量级虚拟线程了，我们也可以重新考虑使用ExecutorServices的方式。

结构化并发

结构化并发是一种编程范式，是一种编写易于读取和维护的并发程序的结构化方法。 如果代码对并发任务有明确的入口和出口点，则其主要思想与结构化编程非常相似，与启动可能比当前作用域持续时间更长的并发任务相比，对代码的推理要容易得多！

为了更清楚地了解结构化并发代码的外观，请考虑以下伪代码：

 void notifyUser(User user) { 
   try (var scope = new ConcurrencyScope()) { 
     scope.submit( () -> notifyByEmail(user)); 
     scope.submit( () -> notifyBySMS(user)); 
   } 
   LOGGER.info( "User has been notified successfully" );  } 

notifyUser方法应该通过电子邮件和SMS通知用户，并且一旦成功完成此方法将记录一条消息。 使用结构化并发，可以保证在两种通知方法完成后立即写入日志。 换句话说，如果尝试范围在其中所有已启动的并发作业都完成了，那么它将完成！

注意：为了使示例简单，我们假设notifyByEmail和notifyBySMS在上面的示例中，在内部确实处理所有可能的极端情况，并始终使其通过。

JAVA的结构化并发

在本节中，我将通过一个非常简单的示例展示如何用JAVA编写结构化并发应用程序以及Fibers如何帮助扩展应用程序。

我们要解决的问题

想象一下，所有I / O绑定有1万个任务，而每个任务恰好需要100毫秒才能完成。 我们被要求编写高效的代码来完成这些工作。

我们使用下面定义的Job类来模仿我们的工作。

 public class Job { 
     public void doIt() { 
         try { 
             Thread.sleep(100l); 
         } catch (InterruptedException e) { 
             e.printStackTrace(); 
         } 
     }  } 

第一次尝试

在第一次尝试中，我们使用缓存线程池和OS线程来编写它。

 public class ThreadBasedJobRunner implements JobRunner { 
     @Override 
     public long run(List<Job> jobs) { 
         var start = System.nanoTime(); 
         var executor = Executors.newCachedThreadPool(); 
         for (Job job : jobs) { 
             executor.submit(job::doIt); 
         } 
         executor.shutdown(); 
         try { 
             executor.awaitTermination( 1 , TimeUnit.DAYS); 
         } catch (InterruptedException e) { 
             e.printStackTrace(); 
             Thread.currentThread().interrupt(); 
         } 
         var end = System.nanoTime(); 
         long timeSpentInMS = Util.nanoToMS(end - start);  
         return timeSpentInMS; 
     }  } 

在此尝试中，我们没有应用Loom项目中的任何内容。 只是一个缓存的线程池，以确保将使用空闲线程，而不是创建新线程。

让我们看看使用此实现可以运行10,000个作业所需的时间。 我使用下面的代码来查找运行速度最快的10个代码。 为简单起见，未使用任何微基准测试工具。

 public class ThreadSleep { 
     public static void main(String[] args) throws InterruptedException { 
         List<Long> timeSpents = new ArrayList<>( 100 ); 
         var jobs = IntStream.range( 0 , 10000 ).mapToObj(n -> new Job()).collect(toList()); 
         for ( int c = 0 ; c <= 100 ; c++) { 
             var jobRunner = new var jobRunner = ThreadBasedJobRunner(); 
             var timeSpent = jobRunner.run(jobs); 
             timeSpents.add(timeSpent); 
         } 
         Collections.sort(timeSpents); 
         System.out.println( "Top 10 executions took:" ); 
         timeSpents.stream().limit( 10 ) 
                 .forEach(timeSpent -> 
                         System.out.println( "%s ms" .formatted(timeSpent)) 
                 ); 
     }  } 

我的机器上的结果是：

执行的前10名：
694毫秒
695毫秒 696毫秒 696毫秒 696毫秒 697毫秒 699毫秒 700毫秒 700毫秒 700毫秒

到目前为止，我们有一个代码，最好情况下大约需要700毫秒才能在我的计算机上运行10,000个作业。 让我们这次使用Loom功能实现JobRunner。

第二次尝试（使用光纤）

在使用Fibers或Virtual Threads的实现中，我还将以结构化的方式对并发进行编码。

 public class FiberBasedJobRunner implements JobRunner { 
     @Override 
     public long run(List<Job> jobs) { 
         var start = System.nanoTime(); 
         var factory = Thread.builder().virtual().factory(); 
         try (var executor = Executors.newUnboundedExecutor(factory)) { 
             for (Job job : jobs) { 
                 executor.submit(job::doIt); 
             } 
         } 
         var end = System.nanoTime(); 
         long timeSpentInMS = Util.nanoToMS(end - start); 
         return timeSpentInMS; 
     }  } 

也许关于此实现的第一个值得注意的事情是它的简洁性，如果将其与ThreadBasedJobRunner进行比较，您会发现该代码的行数更少！ 主要原因是ExecutorService接口中的新更改现在扩展了Autocloseable ，因此，我们可以在try-with-resources范围中使用它。 所有提交的作业完成后，将执行try块之后的代码。

这正是我们用来在JAVA中编写结构化并发代码的主要结构。

上面代码中的另一件事是我们可以构建线程工厂的新方法。 Thread类具有一个称为builder的新静态方法，可用于创建Thread或ThreadFactory 。
此行代码正在创建一个创建虚拟线程的线程工厂。

 var factory = Thread.builder().virtual().factory(); 

现在，让我们看看使用此实现可以运行10,000个作业所需的时间。

执行的前10名：
121毫秒
122毫秒 122毫秒 123毫秒 124毫秒 124毫秒 124毫秒 125毫秒 125毫秒 125毫秒

鉴于Project Loom仍在积极开发中，仍然有提高速度的空间，但结果确实很棒。
不论是全部还是部分，许多应用都可以以最小的努力受益于Fibers！ 唯一需要更改的是线程池的线程工厂 ，就是这样！

具体来说，在此示例中，应用程序的运行时速度提高了约6倍，但是，速度并不是我们在这里实现的唯一目标！

尽管我不想写有关使用Fibers大大减少了的应用程序的内存占用的信息，但是我强烈建议您在这里访问本文的代码，并比较使用的内存量和每个实现占用的OS线程数！ 您可以在此处下载Loom的官方早期试用版。

在接下来的文章中，我将详细介绍Loom引入的其他API项目，以及我们如何将其应用于现实生活中的用例。

请不要犹豫，通过评论与我分享您的反馈意见

翻译自: https://www.javacodegeeks.com/2020/02/openjdk-loom-and-structured-concurrency.html