7-2小记

第六讲 - 用"等待-通知"机制优化循环等待

引出问题:

       上一篇中,破坏死锁条件之一:占用且等待条件,采用的方式是一次性申请所有资源,并且死循环等待资源;

       代码如下:如果申请资源耗时长,并发量大,要循环上万次才能获取锁,非常消耗CPU;

      

 

解决方案:

       使用线程阻塞的方式避免循环等待消耗CPU问题;当线程要求的条件不满足时,线程应该阻塞自己, 进入

       等待状态,当线程要求的条件满足后,通知等待的线程重新执行;

 

"等待-通知"机制:

        方法一:java语言内置synchronized配合wait()、notify()、notifyAll();

        0)等待队列与互斥锁是一对一关系,每个互斥锁都有自己的等待队列;

        1)同一时刻,只允许一个线程进入synchronized保护的临界区,当有一个线程进入临界区后,其他线程就

             只能在左边的等待队列里等待;

       2)当一个线程进入临界区后,由于某些条件不满足,需要进入等待状态,java对象的wait()方法就能满足这

            种需求,调用wait()方法后,当前线程被阻塞,并且进入右边的等待队列,右边的等待队列也是互斥锁的

            等待队列;

       3)线程在进入等待队列的同时,会释放持有的互斥锁,线程释放锁后,其他线程就有机会获取锁,进入临

            界区;

       5)当满足条件时,调用java对象的notify()、notifyAll()方法通知等待队列中的线程,告诉它曾经满足过;

       6)notify()、notifyAll()只能保证在通知的时间点条件是满足的,而被通知线程的执行时间点和通知时间点基

            本上不会重合,所以当线程执行的时候,很可能条件已经不满足了;

       7)被通知的线程想要重新执行,仍然需要获取到互斥锁,因为曾经获取的锁在调用wait()时已经释放了;   

       8)wait()、notify()、notifyAll()方法操作的等待队列是互斥锁的等待队列;

            如果synchronized锁定的是this,那么对应的一定是this.wait()、this.notify()、this.notifyAll();

            如果synchronized锁定的是target,那么对应的一定是target.wait()、target.notify()、target.notifyAll();

       9)wait()、notify()、notifyAll能被调用的前提是已经获得了相应的互斥锁,所以在synchronized内部被调用;    

       

 

案例分享:

      解决一次性申请转出账户和转入账户问题:

      1)互斥锁:因为Allocator是单例的,可以用this作为互斥锁;

      2)线程要求的条件:转出账户和转入账户都没有被分配过;

      3)何时等待:线程要求的条件不满足就等待;

      4)何时通知:当有线程释放账户时就通知;

      

         

       

           

     

   

     

       

 

  • 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
根据引用\[1\]中的描述,当修改了nginx配置后,执行`nginx -s reload`命令时,发现配置文件没有生效。这可能是因为nginx的reload命令只会重新加载配置文件,但不会关闭已有的工作进程。因此,如果之前的工作进程仍在运行,新的配置可能不会生效。在这种情况下,需要通过执行`nginx -s stop`命令停止nginx,然后再执行`nginx`命令启动nginx,这样新的配置才会生效。 另外,根据引用\[2\]中的描述,nginx的配置文件位于`/etc/nginx/nginx.conf`,在该文件中,通过配置`upstream app{}`来定义后端服务的负载均衡。请确保在配置文件中正确定义了后端服务的地址和端口,并且在`location`块中配置了正确的请求路由。 如果以上方法仍然无法解决问题,建议参考引用\[3\]中提供的官方文档或使用系统包管理工具(如yum)安装nginx,以确保安装的版本和配置正确。 #### 引用[.reference_title] - *1* [nginx -s reload没生效的问题](https://blog.csdn.net/qq_36715271/article/details/118339017)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [nginx 使用小记](https://blog.csdn.net/qingquanyingyue/article/details/109365544)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
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