文章目录
ThreadLocal
ThreadLocal 是 Java 中的一种用于在多线程环境下存储线程局部变量的机制，它可以为每个线程提供独立的变量副本，从而避免多个线程之间的竞争条件。ThreadLocal 在实际应用中，特别是在需要在线程间共享资源的场景下，发挥着重要作用。
ThreadLocal 的基本原理
ThreadLocal 的核心概念是为每个线程维护一个独立的变量副本。当一个线程通过 ThreadLocal 访问某个变量时，实际上访问的是属于该线程的独立副本。ThreadLocal 通过以下几个关键点实现了这一点：
- 每个线程持有自己的 ThreadLocalMap：
每个线程内部都有一个 ThreadLocalMap 对象，这个对象存储了 ThreadLocal 变量及其对应的值。ThreadLocalMap 是 Thread 类中的一个成员变量，因此它与线程的生命周期绑定。 - ThreadLocalMap** 的结构**：
ThreadLocalMap 是一个定制的哈希表，它的键是 ThreadLocal 对象，而值是对应的线程局部变量的值。每个线程持有的 ThreadLocalMap 可以存储多个 ThreadLocal 变量。 - 变量的存取过程：
- 当线程调用 ThreadLocal 的 get() 方法时，ThreadLocal 会获取当前线程持有的 ThreadLocalMap，然后通过自身（作为键）从 ThreadLocalMap 中获取变量的值。
- 当线程调用 ThreadLocal 的 set() 方法时，ThreadLocal 会将变量的值存储到当前线程持有的 ThreadLocalMap 中。
ThreadLocal 的实现细节
- ThreadLocal类：
ThreadLocal 本身只是提供了一套访问接口，它内部依赖于 ThreadLocalMap 来存储和获取线程局部变量。 - ThreadLocalMap的实现：
- ThreadLocalMap 是一个内部类，它的结构类似于一个简化的哈希表。ThreadLocalMap 使用了一个简单的开放地址法来处理哈希冲突。
- 每个键值对的键是一个 ThreadLocal 的弱引用（WeakReference），这有助于避免内存泄漏：当 ThreadLocal 对象被回收后，键会变成 null，相应的值也会被清理。
- ThreadLocalMap的垃圾回收：
由于 ThreadLocalMap 使用了弱引用，ThreadLocal 对象不会阻止其被垃圾回收机制回收。当 ThreadLocal 对象被回收后，ThreadLocalMap 中对应的键会变成 null，但是值仍然会存在。这种情况下，如果不及时清理，可能会导致内存泄漏。 - remove()方法：
ThreadLocal 提供了一个 remove() 方法，可以显式地将当前线程持有的 ThreadLocal 变量移除。这有助于防止内存泄漏，特别是在使用线程池的场景下，线程会被重复利用，如果不清理，可能会导致数据污染或内存泄漏。
内存泄漏
实际上 ThreadLocalMap 中使用的 key 为 ThreadLocal 的弱引用，弱引用的特点是，如果这个对象只存在弱引用，那么在下一次垃圾回收的时候必然会被清理掉。
所以如果 ThreadLocal 没有被外部强引用的情况下，在垃圾回收的时候会被清理掉的，这样一来 ThreadLocalMap中使用这个 ThreadLocal 的 key 也会被清理掉。但是，value 是强引用，不会被清理，这样一来就会出现 key 为 null 的 value。
ThreadLocal其实是与线程绑定的一个变量，如此就会出现一个问题：如果没有将ThreadLocal内的变量删除（remove）或替换，它的生命周期将会与线程共存。通常线程池中对线程管理都是采用线程复用的方法，在线程池中线程很难结束甚至于永远不会结束，这将意味着线程持续的时间将不可预测，甚至与JVM的生命周期一致。
如何避免内存泄漏：
- 每次使用完threadlocal调用remove方法清除
- 尽可能把threadlocal变量定义为static final，这样可以避免频繁创建实例。
- 内部优化
- 调用set（)方法，会采用采样清理，全量清理，扩容时还能继续检查
- 调用get（）方法，如果没有命中，向后环形查找时进行清理。
- 调用remove（）方法，清理当前entry，还会向后清理
最好是使用完之后手动调用remove方法，这个方法底层会调用map的remove将 Entry 移除。
因此，ThreadLocal内存泄漏的根源是：由于ThreadLocalMap的生命周期跟Thread一样长，如果没有手动删除对应key就会导致内存泄漏，而不是因为弱引用。弱引用只是保证了 ThreadLocal 会被 GC 自动回收。
最佳做法：每次使用完ThreadLocal，都调用它的remove()方法，清除数据。
源码
static class ThreadLocalMap {
static class Entry extends WeakReference<ThreadLocal<?>> {
/** The value associated with this ThreadLocal. */
Object value;
Entry(ThreadLocal<?> k, Object v) {
super(k);
value = v;
}
}
ThreadLocalMap(ThreadLocal<?> firstKey, Object firstValue) {
table = new Entry[INITIAL_CAPACITY];
int i = firstKey.threadLocalHashCode & (INITIAL_CAPACITY - 1);
table[i] = new Entry(firstKey, firstValue);
size = 1;
setThreshold(INITIAL_CAPACITY);
}
private Entry getEntry(ThreadLocal<?> key) {
int i = key.threadLocalHashCode & (table.length - 1);
Entry e = table[i];
if (e != null && e.get() == key)
return e;
else
return getEntryAfterMiss(key, i, e);
}
}
该Java静态内部类Entry继承自WeakReference<ThreadLocal<?>>，主要用于存储ThreadLocal与其关联对象的弱引用及其对应的值。具体说明如下：
value：存储与ThreadLocal关联的具体值。
构造方法接收一个ThreadLocal对象和一个值，创建一个弱引用来持有ThreadLocal对象，并保存关联值。
使用场景
ThreadLocal 常用于以下场景：
- 数据库连接管理：每个线程持有一个独立的数据库连接，避免多个线程同时使用同一个连接。
- 用户上下文信息：在 Web 应用中，每个线程处理一个用户请求，可以通过 ThreadLocal 存储和访问该用户的上下文信息。
- 线程安全的对象实例：通过 ThreadLocal 为每个线程创建独立的对象实例，避免线程间的竞争条件。
注意事项 - 内存泄漏：如果 ThreadLocal 变量不及时清理，可能会导致内存泄漏，尤其是在使用线程池时要特别注意调用 remove() 方法。
- 适用场景：ThreadLocal 适合用于线程独立的数据存储，不适合跨线程的数据共享。
总结来说，ThreadLocal 是一种通过在每个线程中创建独立变量副本的方式，来实现线程隔离的工具，它的底层依赖于每个线程持有的 ThreadLocalMap 来存储这些变量副本，从而确保线程间的数据独立性和安全性。
例子：
ThreadLocalMap 中的 Key 和 Value
- Key：
- 在 ThreadLocalMap 中，Key 是 ThreadLocal 实例本身。ThreadLocal 对象作为键，指向当前线程所持有的变量。
- Value：
- Value 是由 ThreadLocal 对象所关联的值。在本例中，Value 是 Integer，存储的是每个线程独立的计数器值。
每个线程都有一个 ThreadLocalMap，这个 ThreadLocalMap 使用 ThreadLocal 实例作为键来存储和获取对应的线程局部变量值，从而实现数据隔离。
public class MultipleThreadLocalExample {
// 定义两个不同的 ThreadLocal 变量
private static ThreadLocal<Integer> threadLocalCounter1 = ThreadLocal.withInitial(() -> 0);
private static ThreadLocal<String> threadLocalCounter2 = ThreadLocal.withInitial(() -> "Initial Value");
public static void main(String[] args) {
// 启动一个线程，独立操作两个 ThreadLocal 变量
Thread thread = new Thread(() -> {
// 操作第一个 ThreadLocal 变量
threadLocalCounter1.set(threadLocalCounter1.get() + 10);
System.out.println(Thread.currentThread().getName() + " - Counter1: " + threadLocalCounter1.get());
// 操作第二个 ThreadLocal 变量
threadLocalCounter2.set(threadLocalCounter2.get() + " Updated");
System.out.println(Thread.currentThread().getName() + " - Counter2: " + threadLocalCounter2.get());
});
thread.start();
}
}
多个 ThreadLocal 变量在同一线程中的工作机制
- ThreadLocalMap 的键区分：
- 在同一个线程中，不同的 ThreadLocal 变量对应着不同的键。这些键就是 ThreadLocal 对象本身。因此，即使在同一个线程中，每个 ThreadLocal 实例都能独立存储和访问自己的值，不会与其他 ThreadLocal 变量发生冲突。
- ThreadLocalMap 的存储结构：
- ThreadLocalMap 通过一个哈希表来存储键值对。键是 ThreadLocal 对象，值是线程局部变量的实际数据。因此，同一线程中的多个 ThreadLocal 变量不会相互覆盖或混淆。
ConcurrentHashMap 怎么实现线程安全的
采用了CAS算法（compareAndSwapObject）和部分代码使用synchronized锁保证线程安全。
对应的非并发容器:HashMap
目标:代替Hashtable、synchronizedMap，支持复合操作。
原理:JDK6中采用一种更加细粒度的加锁机制 Segment “分段锁”，JDK8中采用 volatile + CAS 或者 synchronized 。
**添加元素时首先会判断容器是否为空：
- 如果为空则使用 volatile 加 CAS 来初始化
- 如果容器不为空，则根据存储的元素计算该位置是否为空。
- 如果根据存储的元素计算结果为空，则利用 CAS 设置该节点；
- 如果根据存储的元素计算结果不为空，则使用 synchronized ，然后，遍历桶中的数据，并替换或新增节点到桶中，最后再判断是否需要转为红黑树，这样就能保证并发访问时的线程安全了**。
如果把上面的执行用一句话归纳的话，就相当于是ConcurrentHashMap通过对头结点加锁来保证线程安全的，锁的粒度相比 Segment 来说更小了，发生冲突和加锁的频率降低了，并发操作的性能就提高了。
而且 JDK 1.8 使用的是红黑树优化了之前的固定链表，那么当数据量比较大的时候，查询性能也得到了很大的提升，从之前的 O(n) 优化到了 O(logn) 的时间复杂度。
CAS初始化源码
这段 Java 代码定义了一个名为 sizeCtl 的私有变量，其类型为 int，并且被 transient 和 volatile 修饰符所修饰。这个变量在类中的作用如下：
Table 初始化和调整大小控制：
- 当 sizeCtl 的值为负数时，表示当前正在进行表的初始化或调整大小操作。
- -1 表示正在初始化表。
- 其他负数值（如 -2, -3 等）表示正在进行调整大小的操作，并且 -1 减去该值即为当前活跃的调整大小线程的数量。
初始表大小或默认值：
- 如果表（table）为空，并且 sizeCtl 的值为非负数，则该值表示创建表时应使用的初始大小。
- 如果 sizeCtl 的值为 0，则表示使用默认大小创建表。
调整大小的阈值： - 在初始化之后，sizeCtl 的值表示下次应该调整表大小时元素的数量阈值。
变量修饰符说明： - transient：表示这个变量不会被序列化。当对象被序列化成字节流时，sizeCtl 的值不会被保存。
- volatile：确保多线程环境下的可见性和有序性，即任何线程对 sizeCtl 的修改都会立即反映到其他线程中。
通过这种方式，sizeCtl 变量帮助实现了并发哈希表（如 ConcurrentHashMap）在初始化和动态调整大小过程中的控制逻辑。
private transient volatile int sizeCtl;
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
while ((tab = table) == null || tab.length == 0) {
if ((sc = sizeCtl) < 0)
Thread.yield(); // lost initialization race; just spin提示调度器当前线程愿意放弃处理器使用权
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
if ((tab = table) == null || tab.length == 0) {
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
sc = n - (n >>> 2);
}
} finally {
sizeCtl = sc;
}
break;
}
}
return tab;
}
该函数初始化哈希表，主要功能如下：
- 检查当前表格是否为空或长度为零。
- 使用CAS操作安全地初始化表格数组。
- 如果成功，则根据sizeCtl记录的大小创建新数组，并更新sizeCtl值。
添加元素putVal方法
/**
* 核心方法，用于处理put和putIfAbsent操作
* 该方法实现了哈希表的插入逻辑，包括处理哈希冲突和数据结构转换（链表转红黑树）
*
* @param key 键，不能为null
* @param value 值，不能为null
* @param onlyIfAbsent 如果为true，则仅在键不存在时进行插入
* @return 插入前该键对应的旧值，如果没找到则返回null
*/
final V putVal(K key, V value, boolean onlyIfAbsent) {
// 检查键值对是否为null，为null则抛出异常
if (key == null || value == null) throw new NullPointerException();
// 扩散哈希码，以减少哈希冲突
int hash = spread(key.hashCode());
int binCount = 0; // 用于记录链表或红黑树中的元素数量
// 循环尝试在哈希表中插入值
for (Node<K,V>[] tab = table;;) {
Node<K,V> first; int n, i, firstHash;
// 表为空时初始化哈希表（volatile和CAS）
if (tab == null || (n = tab.length) == 0)
tab = initTable();
// 位置i处的节点为空，直接插入新节点
else if ((first = tabAt(tab, i = (n - 1) & hash)) == null) {
// 存储的元素在该node数组的下标位置结果为空，则利用 CAS 设置该节点
if (casTabAt(tab, i, null,new Node<K,V>(hash, key, value, null)))
break; // 成功插入，跳出循环
}
// 位置i处的节点处于迁移中，帮助完成迁移
else if ((firstHash = first.hash) == MOVED)
tab = helpTransfer(tab, first);
// 位置i处的节点正常，进行插入或更新操作
else {
V oldVal = null;
// 同步锁，确保线程安全。存储的元素计算结果不为空，则使用 synchronized
synchronized (first) {
// 再次检查节点，防止并发修改
if (tabAt(tab, i) == first) {
// 链表形式，遍历链表找到键或插入新节点
if (firstHash >= 0) {
binCount = 1;
for (Node<K,V> e = first;; ++binCount) {
K ek;
// 找到匹配的键，更新值并跳出循环
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
}
Node<K,V> pred = e;
// 链表末尾插入新节点
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
// 红黑树形式，调用红黑树的插入或更新方法
else if (first instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)first).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
// 链表节点数超过阈值，转换为红黑树
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
// 找到旧值，返回旧值
if (oldVal != null)
return oldVal;
break;
}
}
}
// 更新哈希表大小和修改次数
addCount(1L, binCount);
return null; // 未找到旧值，返回null
}
13万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
