标签：竞争 ble bis alc LLC opera master stat skin
我相信大家都很熟悉DCL，对于缺少实践经验的程序开发人员来说，DCL的学习基本限制在单例模式，但我发现在高并发场景中会经常遇到需要用到DCL的场景，但并非用做单例模式，其实DCL的核心思想和CopyOnWrite很相似，就是在需要的时候才加锁；为了说明这个观点，我先把单例的经典代码防止如下：
先说明几个关键词：
volatile：保证线程的可见性，有序性；这两点非常重要，可见性让线程可以马上获释主存变化，二有序性避免指令重排序出现问题；
public class Singleton { //通过volatile关键字来确保安全 private volatile static Singleton singleton; private Singleton(){} public static Singleton getInstance(){ if(singleton == null){ synchronized (Singleton.class){ if(singleton == null){ singleton = new Singleton(); } } } return singleton; } }
大家可以知道，这段代码是没有性能瓶颈的线程安全（当然，用了volatile是有一定的性能影响，但起码不需要竞争锁）；这代码只会在需要的时候才加锁，这就是DCL的需要时加锁的特性，由第一个检查check保证（也就是if (singleton == null)）；
但DCL的需要时才加锁的魅力不仅仅如此场景而已，我们看一个需求：一个不要求实时性的更新，所有线程公用一个资源，而且只有满足某个条件的时候才更新，那么多线程需要访问缓存时，是否需要加锁呢？不需要的，看如下代码：
private static volatile JSONArray cache = new JSONArray(Collections.synchronizedList(new LinkedList<>())); public static int updateAeProduct(JSONObject aeProduct,String productId,boolean isFlush){ JSONObject task = new JSONObject(); String whereStr ="{\"productId\": {\"operation\": \"eq\", \"value\":\""+productId+"\" },\"provider\":{\"operation\": \"eq\", \"value\":\"aliExpress\" }}"; task.put("where",JSON.parseObject(whereStr)); task.put("params",aeProduct); cache.add(task); if(cache.size()>2 ||isFlush){ // 争夺更新权 JSONArray temp=cache; synchronized (updateLock){ if(temp==cache&&cache.contains(task)){ cache = new JSONArray(Collections.synchronizedList(new LinkedList<>())); }else { return 1; } } // 拥有更新权的继续更新 try { Map<String,String> headers = new HashMap<>(); headers.put("Content-Type","application/json"); String response = HttpUtils.post(updateapi,temp.toJSONString(),headers); JSONObject result = JSON.parseObject(response); if(result!=null&&"Success".equals(result.getString("msg"))){ // System.out.println("=========================完成一次批量存储，成功Flush:"+temp.size()); } } catch (Exception e) { System.out.println("更新丢失，策略补救"); e.printStackTrace(); } } return 1; }
这样保证了性能，也做到了缓存的线程安全；这就是单例的厉害；我在项目中经常遇到该类场景，下面给出一个任务计时器的代码：
package com.mobisummer.spider.master.component; import java.util.concurrent.ConcurrentHashMap; import java.util.concurrent.ScheduledExecutorService; import java.util.concurrent.atomic.AtomicLong; public class RateCalculator { ConcurrentHashMap<String,AtomicLong> taskInfo = new ConcurrentHashMap(); volatile boolean isStart =false; Object lock = new Object(); AtomicLong allCount = new AtomicLong(); private ScheduledExecutorService scheduledThreadPool; public void consume(Long num,String taskId){ if(taskInfo.containsKey(taskId)){ taskInfo.get(taskId).addAndGet(num); }else { calculateTask(num,taskId); } allCount.addAndGet(num); calculateAll(num,taskId); } /** * 计算任务 * @param num * @param taskId */ private void calculateTask(Long num,String taskId){ synchronized (lock){ if(taskInfo.containsKey(taskId)){ return; }else { taskInfo.put(taskId,new AtomicLong()); Thread countor = new Thread(new Runnable() { @Override public void run() { while (true){ double startTime =System.currentTimeMillis(); double startCount = taskInfo.get(taskId).get(); try { Thread.sleep(10000); } catch (InterruptedException e) { System.out.println("计数器失效"); } double endTime =System.currentTimeMillis(); double endCount = taskInfo.get(taskId).get(); double percent =(endCount-startCount)/((endTime - startTime)/1000); // System.out.println("目前总成功爬取速率：==========="+percent+"=======目前处理总数========："+allCount); System.out.println("目前"+taskId+"成功爬取速率：==========="+percent+"=======目前"+taskId+"处理总数========："+endCount); } } }); countor.start(); } } } /** * 计算所有任务 * @param num * @param taskId */ private void calculateAll(Long num,String taskId){ if(isStart){ return; }else { synchronized (this){ if(isStart){ return; }else { isStart =true; Thread countor = new Thread(new Runnable() { @Override public void run() { while (true){ double startTime =System.currentTimeMillis(); double startCount = allCount.get(); try { Thread.sleep(10000); } catch (InterruptedException e) { System.out.println("计数器失效"); } double endTime =System.currentTimeMillis(); double endCount = allCount.get(); double percent =(endCount-startCount)/((endTime - startTime)/1000); System.out.println("目前总成功爬取速率：==========="+percent+"=======目前处理总数========："+allCount); // System.out.println("目前"+taskId+"成功爬取速率：==========="+percent+"=======目前"+taskId+"处理总数========："+allCount); } } }); countor.start(); } } } } }
同样的，线程安全的双重检测，这就是DCL的魅力；
标签：竞争 ble bis alc LLC opera master stat skin
原文地址：https://www.cnblogs.com/iCanhua/p/9532396.html
