JavaSE(2)04 多线程--线程同步机制

多线程

线程同步机制

不安全案例
  • 不安全的买票
//不安全的买票
public class UnsafeBuyTicket {
    public static void main(String[] args) {
        BuyTicket buyTicket=new BuyTicket();
        new Thread(buyTicket,"zs").start();
        new Thread(buyTicket,"ls").start();
        new Thread(buyTicket,"ww").start();
    }
}
class BuyTicket implements Runnable{
    private int num=10;
    private boolean flag=true;
    public  void Buy(){
        if(num<1){
            flag=false;
            return;
        }
        try {
            Thread.sleep(1000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        System.out.println(Thread.currentThread().getName()+"买到了第"+num--+"张票");
    }
    @Override
    public void run() {
        while (flag){
            Buy();
        }
    }
}
  • 线程不安全
public class UnsafeList {
    public static void main(String[] args) throws InterruptedException {
        List<String> list=new ArrayList<>();
        for (int i = 0; i < 10000; i++) {
            new Thread(()->{
                list.add(Thread.currentThread().getName());
            }).start();
        }
        Thread.sleep(3000);
        System.out.println(list.size());//小于10000
    }
}
并发
  • 同一个对象被多个线程同时操作
线程同步
  • 其实就是一个等待机制,多个需要同时访问此对象的线程进入这个对象的等待池形成队列,等待前面线程使用完毕,下一个线程再使用
  • 统一进程的多个线程共享同一存储空间,为了保证数据在方法中被访问时的正确性,在访问时加入了锁机制synchronized,当一个线程获得对象的排他锁,独占资源,其他线程必须等待。但会存在如下问题:
    • 一个线程持有锁会导致其他所需要的此锁的线程挂起;
    • 在多线程竞争下,加锁,释放锁会导致比较多的上下文切换和调度延时,引起性能问题;
    • 如果一个优先级高的线程等待一个优先级低的线程释放锁会导致优先级倒置,引起性能问题
  • synchronized关键字 :synchronized方法控制对象的访问,每个对象对应一把锁,每个synchronize方法都必须获得调用该方法的对象的锁才能执行,否则线程会阻塞,方法一旦执行,就独占该锁,直到该方法返回才释放锁,后面阻塞的线程才能获得这个锁,继续执行
  • 缺陷:若将一个大的方法声明为synchronized将会影响效率
  • 方法里面需要修改的内容才需要锁,锁的太多,浪费资源
同步块
  • 同步块:synchronized(Obj){ }
  • Ojb称之为同步监视器
    • Ojb可以是任何对象,但是推荐使用共享资源作为同步监视器
    • 同步方法中无需指定同步监视器,因为同步方法的同步监视器就是this,就是这个对象本身,或者是class
队列和锁
  • 线程同步形成条件:队列+锁(每个对象都拥有一把锁)去解决线程不安全问题
死锁
  • 多个线程各自占有一些共享资源,并且互相等待其他线程占有的资源才能运行,而导致这两个或多个线程都在等待对方释放资源,都停止执行的情形。某一同步块同时拥有“两个以上对象锁”时,就可能发生“死锁”的问题
  • 产生死锁的必要条件:
    • 互斥:一个资源只能被一个进程使用
    • 请求和保持:一个进程因请求资源而阻塞时,对已获得的资源保持不放
    • 不可剥夺:进程已获得资源,在未使用完之前,不能强行剥夺
    • 循环等待:若干进程之间形成一种头尾相接的循环等待资源关系
    • 注意:以上四个条件只要破坏一个或多个就可以避免死锁的发生
Lock锁
  • 提供更强大的线程同步机制—通过显式定义同步锁对象来实现同步。同步锁使用Lock对象充当
  • 每次只能由一个线程对Lock对象加锁,线程开始访问共享资源之前应先去获得Lock对象
  • ReentrantLock(可重入锁 )类实现了Lock,比较常用,与synchronized的区别在于了显式的加锁、释放锁
  • Lock只能锁代码块
//Lock锁
public class TestLock {
    public static void main(String[] args) {
        Test test=new Test();
        new Thread(test,"zs").start();
        new Thread(test,"ls").start();
        new Thread(test,"ww").start();
    }
}
class  Test implements Runnable{
    //定义Lock
    private ReentrantLock Lock=new ReentrantLock();
    int num=100;
    boolean flag=true;
    public   void  buy() throws InterruptedException {
        if(num<1){
            flag=false;
            return;
        }else{
             Thread.sleep(1000);
            System.out.println(Thread.currentThread().getName()+"获得第"+num--+"张票");
        }
    }
    @Override
    public void run() {
        while (flag){
            try {
                Lock.lock();
                buy();
                //Thread.sleep(1000);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }finally {
                Lock.unlock();
            }
        }
    }
}
  • 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
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