Java多线程之synchronized,volatile

多线程概念:

                    在同一时间段内,有2个或以上的线程在同时进行。

引发的问题:

    1.竞态条件:

public class hello {
        private static volatile int num = 0;
        public static void count(String s)
        {
            num++;
            System.out.println(s+' '+num);

        }
        public static void main(String[] args)
        {

        Runnable runnable1 = ()->{
            while(true) {
                count("1 ");
            }
        };
        Runnable runnable2 = ()->{
            while(true) {
               count("2 ");
            }
        };

        Thread thread1 = new Thread(runnable1);
        Thread thread2 = new Thread(runnable2);
        thread1.start();
        thread2.start();
    }
}

如我们所见,上面一段代码中,有2个线程,他们的run()方法都同时访问了同一个变量num,这会引起什么问题呢?其实num++看似是一个操作,其实是三个操作,读取num,修改num,更改num,那么就会有一个问题了,线程1读取num,修改num,但还没有修改num,这时线程2读取了num,完成了一系列操作,那么num最后的结果为1, 而正确的结果应该是2.

 

2.数据竞争

public class hello {
        private static String num = null;
        public static void count()
        {
            if(num == null)
                num = new String();

        }
        public static void main(String[] args)
        {

        Runnable runnable1 = ()->{
           count();
        };
        Runnable runnable2 = ()->{
           count();
        };

        Thread thread1 = new Thread(runnable1);
        Thread thread2 = new Thread(runnable2);
        thread1.start();
        thread2.start();
    }
}

数据竞争和竞态条件十分相似,但数据竞争往往指的是一段代码,而不是某一个变量,就像上面的代码,只是举一个栗子,执行完之后,num有可能曾经指向过2个不同的内存。

3.缓存变量。

   这个东西其实指的就是我们常说的多线程缓存一致性,(我觉得只会发生在多核cpu里面,因为我在我电脑没有碰到过这种情况),现在我们的电脑对内存进行了优化,如果所有的内存操作都要访问内存,效率必然不高,所以cpu通常会把一些内存操作存进缓存里,而不是对主存进行直接更新,这就导致了一个问题,若2个线程在2个不同的cpu上面运行,那么他们就用到了不同缓存,它们对静态变量的操作只会在他们自己对应的缓存里更新(只对这个变量的拷贝进行更新,这个拷贝存在缓存当中),而如果现在主线程去读取这个变量的时候,往往变量的值不会发生改变。

java解决方法:

      解决问题1,2:

      我们只需要在对应代码段或者方法名前加上synchronized就可以了,代码如下:

import javax.naming.ldap.PagedResultsControl;

public class hello {
        private static volatile int num = 0;
        public static synchronized void count(String s)
        {
            num++;
            System.out.println(s+' '+num);

        }
        public static void main(String[] args)
        {

        Runnable runnable1 = ()->{
            while(true) {
                count("1 ");
            }
        };
        Runnable runnable2 = ()->{
            while(true) {
               count("2 ");
            }
        };

        Thread thread1 = new Thread(runnable1);
        Thread thread2 = new Thread(runnable2);
        thread1.start();
        thread2.start();
    }
}

有什么用呢,这个关键字可以保证在同一时间内只能有一个线程进入该代码段,其实就是把这段代码从异步变成同步,实际上就是加上了一个锁。

解决问题3:

                   volatile关键字,首先我来说一下这个关键字的作用,我们前面都提到了我们在一个线程里面修改某一个静态变量里的值,其实修改的缓存里的值,而并非是主存里的值,加上这个关键字修饰变量以后,我们所有的修改操作都是经过主存的,从而解决了这一问题,但他并不能保证同步,他只是一个用来解决读取的都是主存。

    

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值