并发编程(一)-线程的基本概念与应用

Super_Leng

已于 2022-11-14 22:45:05 修改

阅读量591

点赞数 6

分类专栏：并发编程文章标签： java 学习

于 2022-06-03 21:07:52 首次发布

本文链接：https://blog.csdn.net/qq_36602071/article/details/125113068

版权

并发编程专栏收录该内容

31 篇文章 14 订阅

订阅专栏

前言

全面深入学习Java并发编程，形成正确的"多线程世界观"。
以知识点为主线、穿插讲解"应用"，“原理"和"多线程设计模式”，多维度学懂并发编程。

一、进程和线程的概念

1.进程

程序由指令和数据组成，这些指令要运行，数据要读写，就必须将指令加载至 CPU执行，数据加载至内存供CPU读取。在指令运行过程中还需要用到磁盘、网络等设备。
进程就是用来加载指令、管理内存、管理 IO 的。
当一个程序被运行，从磁盘加载这个程序的代码至内存，这时就开启了一个进程。
（例如：在 Windows 下，双击一个exe文件，就开启了一个进程）
程序是静态存放在磁盘中，进程是动态运行的。进程可以视为程序的一个实例。大部分程序可以同时运行多个实例进程（例如记事本、画图、浏览器等），也有程序只能启动一个实例进程（例如网易云音乐、360 安全卫士等）

2.线程

一个进程之内可以分为一到多个线程。
一个线程就是一个指令流，将指令流中的一条条指令以一定的顺序交给 CPU 执行。
Java 中，线程作为最小调度单位，进程作为资源分配的最小单位。在 windows 中进程是不活动的，只是作为线程的容器。

3. 进程与线程对比

进程基本上相互独立的，而线程存在于进程内，是进程的一个子集。
进程拥有共享的资源，如内存空间等，供其内部的线程共享。
进程间通信较为复杂
- 同一台计算机的进程通信称为 IPC（Inter-process communication）。
- 不同计算机之间的进程通信，需要通过网络，并遵守共同的协议。
  （例如： HTTP）
线程通信相对简单，因为它们共享进程内的内存。
（例如：多个线程可以访问同一个共享变量）
线程更轻量，线程上下文切换成本一般上要比进程上下文切换低。

二、并发和并行的概念

1.并发与并行

并发（concurrent）是同一时间应对（dealing with）多件事情的能力。
并行（parallel）是同一时间动手做（doing）多件事情的能力。

单核 cpu 下，线程实际还是串行执行的。操作系统中有一个组件叫做任务调度器，将 cpu 的时间片（windows下时间片最小约为 15 毫秒）分给不同的程序使用，只是由于 cpu 在线程间（时间片很短）的切换非常快，人类感觉是同时运行的。总结为一句话就是： 微观串行，宏观并行 。
一般会将这种线程轮流使用 CPU 的做法称为并发（concurrent）。

CPU	时间片1	时间片2	时间片3	时间片4
core	线程1	线程2	线程3	线程4

在这里插入图片描述

多核 cpu下，每个核（core）都可以调度运行线程，这时候线程可以是并行的。

CPU	时间片1	时间片2	时间片3	时间片4
core1	线程1	线程2	线程3	线程4
core2	线程1	线程2	线程3	线程4

在这里插入图片描述

三、线程的基本应用

1.线程应用-异步调用

以调用方角度来讲：
需要等待结果返回，才能继续运行就是同步。
不需要等待结果返回，就能继续运行就是异步。
注意：同步在多线程中还有另外一层意思：让多个线程步调一致。

（1）设计

多线程可以让方法执行变为异步的。
（例如：读取磁盘文件时，假设读取操作花费了 5 秒钟，如果没有线程调度机制，这 5 秒 cpu 什么都做不了，其它代码都得暂停）
同步等待

/**
 * 同步等待
 */
@Slf4j(topic = "c.Sync")
public class Sync {

    public static void main(String[] args) {
        // 封装读取文件操作
        FileReader.read(Constants.PDF_FULL_PATH);
        log.debug("do other things ...");
    }

}

19:44:37.607 c.FileReader [main] - read [Java核心技术 卷2 高级特性 原书第10版.pdf] start ...
19:44:38.403 c.FileReader [main] - read [Java核心技术 卷2 高级特性 原书第10版.pdf] end ... cost: 798 ms
19:44:38.403 c.Sync [main] - do other things ...

Process finished with exit code 0

异步不等待

/**
 * 异步不等待
 */
@Slf4j(topic = "c.Async")
public class Async {

    public static void main(String[] args) {
        new Thread(() -> FileReader.read(Constants.PDF_FULL_PATH)).start();
        log.debug("do other things ...");
    }

}

19:55:21.448 c.Async [main] - do other things ...
19:55:21.448 c.FileReader [Thread-0] - read [Java核心技术 卷2 高级特性 原书第10版.pdf] start ...
19:55:22.217 c.FileReader [Thread-0] - read [Java核心技术 卷2 高级特性 原书第10版.pdf] end ... cost: 770 ms

Process finished with exit code 0

（2）应用场景

在项目中，视频文件需要转换格式等操作比较费时，这时开一个新线程处理视频转换，避免阻塞主线程。
tomcat 的异步 servlet 也是类似的目的，让用户线程处理耗时较长的操作，避免阻塞 tomcat 的工作线程。
ui 程序中，开一个新线程进行其他操作，避免阻塞 ui 线程。

2.线程应用-提高效率

充分利用多核 cpu 的优势，提高运行效率。想象下面的场景，执行 3 个计算，最后将计算结果汇总。
如果是串行执行，那么总共花费的时间是 10 + 11 + 9 + 1 = 31ms。
但如果是四核 cpu，各个核心分别使用线程 1 执行计算 1，线程 2 执行计算 2，线程 3 执行计算 3，那么 3 个线程是并行的，花费时间只取决于最长的那个线程运行的时间，即 11ms 最后加上汇总时间只会花费 12ms。
注意：需要在多核 cpu 才能提高效率，单核仍然是轮流执行。

（1）设计

使用多线程充分利用 CPU
环境搭建
基准测试工具选择，使用了比较靠谱的 JMH，它会执行程序预热，执行多次测试并平均cpu 核数限制，有两种思路：
（1）使用虚拟机，分配合适的核，可以测试单核场景。
（2）使用 msconﬁg，分配合适的核，需要重启比较麻烦。
并行计算方式的选择：
（1）最初想直接使用 parallel stream，后来发现它有自己的问题。
（2）改为手动控制 thread，实现简单的并行计算。
注意：JMH测试时，需要将maven项目打成jar包，再执行jar包。
测试代码

@Fork(1)
@BenchmarkMode(Mode.AverageTime)// 统计平均时间模式
@Warmup(iterations = 3) // 热身次数
@Measurement(iterations = 5) // 5轮测试
public class MyBenchmark {
    // 对一亿个数进行求和
    static int[] ARRAY = new int[1000_000_00];

    static {
        Arrays.fill(ARRAY, 1);
    }

    // 测试多线程
    @Benchmark
    public int c() throws Exception {
        int[] array = ARRAY;
        FutureTask<Integer> t1 = new FutureTask<>(() -> {
            int sum = 0;
            for (int i = 0; i < 250_000_00; i++) {
                sum += array[i];
            }
            return sum;
        });
        FutureTask<Integer> t2 = new FutureTask<>(() -> {
            int sum = 0;
            for (int i = 0; i < 250_000_00; i++) {
                sum += array[250_000_00 + i];
            }
            return sum;
        });
        FutureTask<Integer> t3 = new FutureTask<>(() -> {
            int sum = 0;
            for (int i = 0; i < 250_000_00; i++) {
                sum += array[500_000_00 + i];
            }
            return sum;
        });
        FutureTask<Integer> t4 = new FutureTask<>(() -> {
            int sum = 0;
            for (int i = 0; i < 250_000_00; i++) {
                sum += array[750_000_00 + i];
            }
            return sum;
        });
        new Thread(t1).start();
        new Thread(t2).start();
        new Thread(t3).start();
        new Thread(t4).start();
        return t1.get() + t2.get() + t3.get() + t4.get();
    }

    // 测试单线程
    @Benchmark
    public int d() throws Exception {
        int[] array = ARRAY;
        FutureTask<Integer> t1 = new FutureTask<>(() -> {
            int sum = 0;
            for (int i = 0; i < 1000_000_00; i++) {
                sum += array[i];
            }
            return sum;
        });
        new Thread(t1).start();
        return t1.get();
    }
}

六核 CPU（12个逻辑CPU）

PS D:\下载\并发编程代码\concurrent\jmh_performance\target> java -jar -Xmx2G benchmarks.jar
# VM invoker: D:\Program Files\Java\jdk1.8.0_181\jre\bin\java.exe
# VM options: -Xmx2G
# Warmup: 3 iterations, 1 s each
# Measurement: 5 iterations, 1 s each
# Threads: 1 thread, will synchronize iterations
# Benchmark mode: Average time, time/op
# Benchmark: com.itcast.MyBenchmark.c

# Run progress: 0.00% complete, ETA 00:00:16
# Fork: 1 of 1
# Warmup Iteration   1: 0.018 s/op
# Warmup Iteration   2: 0.018 s/op
# Warmup Iteration   3: 0.017 s/op
Iteration   1: 0.019 s/op
Iteration   2: 0.019 s/op
Iteration   3: 0.018 s/op
Iteration   4: 0.018 s/op
Iteration   5: 0.017 s/op


Result: 0.018 ±(99.9%) 0.002 s/op [Average]
  Statistics: (min, avg, max) = (0.017, 0.018, 0.019), stdev = 0.001
  Confidence interval (99.9%): [0.016, 0.020]


# VM invoker: D:\Program Files\Java\jdk1.8.0_181\jre\bin\java.exe
# VM options: -Xmx2G
# Warmup: 3 iterations, 1 s each
# Measurement: 5 iterations, 1 s each
# Threads: 1 thread, will synchronize iterations
# Benchmark mode: Average time, time/op
# Benchmark: com.itcast.MyBenchmark.d

# Run progress: 50.00% complete, ETA 00:00:10
# Fork: 1 of 1
# Warmup Iteration   1: 0.045 s/op
# Warmup Iteration   2: 0.044 s/op
# Warmup Iteration   3: 0.045 s/op
Iteration   1: 0.044 s/op
Iteration   2: 0.045 s/op
Iteration   3: 0.044 s/op
Iteration   4: 0.045 s/op
Iteration   5: 0.044 s/op


Result: 0.044 ±(99.9%) 0.001 s/op [Average]
  Statistics: (min, avg, max) = (0.044, 0.044, 0.045), stdev = 0.000
  Confidence interval (99.9%): [0.043, 0.046]


# Run complete. Total time: 00:00:21

Benchmark            Mode  Samples  Score  Score error  Units
c.i.MyBenchmark.c    avgt        5  0.018        0.002   s/op
c.i.MyBenchmark.d    avgt        5  0.044        0.001   s/op

在多核下，多线程效率提升还是很明显的。

单核 CPU

# VM invoker: C:\Program Files\Java\jdk-11\bin\java.exe
# VM options: <none>
# Warmup: 3 iterations, 1 s each
# Measurement: 5 iterations, 1 s each
# Threads: 1 thread, will synchronize iterations
# Benchmark mode: Average time, time/op
# Benchmark: org.sample.MyBenchmark.c
# Run progress: 0.00% complete, ETA 00:00:16
# Fork: 1 of 1
# Warmup Iteration 1: 0.064 s/op
# Warmup Iteration 2: 0.052 s/op
# Warmup Iteration 3: 1.127 s/op
Iteration 1: 0.053 s/op
Iteration 2: 0.052 s/op
Iteration 3: 0.053 s/op
Iteration 4: 0.057 s/op
Iteration 5: 0.088 s/op
Result: 0.061 ±(99.9%) 0.060 s/op [Average]
Statistics: (min, avg, max) = (0.052, 0.061, 0.088), stdev = 0.016
Confidence interval (99.9%): [0.001, 0.121]
# VM invoker: C:\Program Files\Java\jdk-11\bin\java.exe
# VM options: <none>
# Warmup: 3 iterations, 1 s each
# Measurement: 5 iterations, 1 s each
# Threads: 1 thread, will synchronize iterations
# Benchmark mode: Average time, time/op
# Benchmark: org.sample.MyBenchmark.d
# Run progress: 50.00% complete, ETA 00:00:11
# Fork: 1 of 1
# Warmup Iteration 1: 0.054 s/op
# Warmup Iteration 2: 0.053 s/op
# Warmup Iteration 3: 0.051 s/op
Iteration 1: 0.096 s/op
Iteration 2: 0.054 s/op
Iteration 3: 0.065 s/op
Iteration 4: 0.050 s/op
Iteration 5: 0.055 s/op
Result: 0.064 ±(99.9%) 0.071 s/op [Average]
Statistics: (min, avg, max) = (0.050, 0.064, 0.096), stdev = 0.018
Confidence interval (99.9%): [-0.007, 0.135]
# Run complete. Total time: 00:00:22
Benchmark Mode Samples Score Score error Units
o.s.MyBenchmark.c avgt 5 0.061 0.060 s/op
o.s.MyBenchmark.d avgt 5 0.064 0.071 s/op

在单核下，多线程和单线程性能差不多。

（2）结论

单核 cpu 下，多线程不能实际提高程序运行效率，只是为了能够在不同的任务之间切换，不同线程轮流使用cpu ，不至于一个线程总占用 cpu，别的线程没法干活。
多核 cpu 可以并行跑多个线程，但能否提高程序运行效率还是要分情况的：
- 有些任务，经过精心设计，将任务拆分，并行执行，当然可以提高程序的运行效率。但不是所有计算任务都能拆分（参考【阿姆达尔定律】）
- 也不是所有任务都需要拆分，任务的目的如果不同，谈拆分和效率没啥意义。
IO 操作不占用 cpu，只是我们一般拷贝文件使用的是【阻塞 IO】，这时相当于线程虽然不用 cpu，但需要一直等待 IO 结束，没能充分利用线程。所以才有后面的【非阻塞 IO】和【异步 IO】优化。