ThreadLocal 在spring中的使用

[size=medium]
[color=red]ThreadLocal作用,总结起来一句话就是,让线程轻松的就可以获得独立实例,不用在线程创建的时候传入。
ThreadLocal在资源实例里使用(创建一个方法A,A创建一个实例并与ThreadLocal绑定),用来在run()方法中调用该方法A。[/color]

spring中访问数据库的模板使用了ThreadLocal技术,数据库资源本来是非线程安全的,如果使用synchronized进行同步,大大降低了并发访问。
ThreadLocal,实际上应该理解为Thread的局部变量。
把非线程安全的变量与current的线程绑定。每个访问的线程拿到的都是属于自己的一份。

多个线程之间并不是共享实例,而是利用ThreadLocal给每个线程绑定一个实例。
这样在某个线程调用到该实例时,会先去判断该线程是否已经绑定了该实例,如果没有,则获取或创建一个新的实例。
同时,如果某个线程结束了,其相应的绑定的实例也会被回收。
[/size]

public class CountNum {
private static ThreadLocal<CountNum> countNumLocals
= new ThreadLocal<CountNum>();

public static CountNum getCountNum(){
if (CountNum.countNumLocals.get() == null) {
System.out.println("here");
CountNum.countNumLocals.set(new CountNum());
}
return CountNum.countNumLocals.get();
}

private int i = 0;
public void increase(){
++i;
System.out.println(Thread.currentThread().getName() + " : " + i);
}

public void decrease(){
--i;
System.out.println(Thread.currentThread().getName() + " : " + i);
}

public static void main(String[] args) throws InterruptedException{
Thread.sleep(1000);
Thread t1 = new Thread(new Increase());
Thread t2 = new Thread(new Increase());
Thread t3 = new Thread(new Decrease());
t1.start();
t2.start();
t3.start();
}
}


public class Increase implements Runnable{

public Increase(){

}

@Override
public void run() {
CountNum countNum = CountNum.getCountNum();

for(int i = 0; i< 50; i++){
countNum.increase();
}
}
}


public class Decrease implements Runnable {

public Decrease(){
}

@Override
public void run() {
CountNum countNum = CountNum.getCountNum();

for(int i = 0; i< 50; i++){
countNum.decrease();
}
}
}



[size=medium]从上面的实例可以看到,如果有多个线程执行Increase 的run()方法,如果不用ThreadLocal, countNum实例只能通过类似在构造方法中传入的方法。
但这样有很多缺点:
1)此实例就成了全局变量,当线程结束时,不能自动回收。
2)实例的传入是个问题,何时传入,在什么地方传入,在实际项目中(如servlet)将变得复杂。 [color=blue]要想使实例独立,必须在每个线程启动的时候传入实例。[/color]
在web项目中,多线程启动的地方是在web服务器内,我们没法去修改代码传入实例。
在线程的run()中传入实例,将造成多个线程并发访问的状态。 实例不能独立,并且需要考虑并发的情况。
[/size]
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计的实现,以及它们在MATLAB环境的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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