当前位置: 首页 > news >正文

ThreadLocal的设计思考

问题的提出

  • 在Java多线程中,共享变量的读写非常容易出现不可预测的行为,因此对共享变量的访问控制非常重要。因此在多线程编程时,为了保证线程安全,需要进行额外的同步措施。比如典型的操作就是加锁。除了加锁外,另一种常用的方法是使用ThreadLocal , 这种用法在框架中非常普遍。
  • ThreadLocal可以理解为线程本地变量。多个线程对同一个变量如何不互相影响,那么只有对自身独有的变量访问(独占内存)时才是线程安全的,因此,ThreadLocal 为变量在每个线程中都创建了一个副本,该副本只能被当前线程访问,多线程之间是隔离的,变量不能在多线程之间共享。这样每个线程修改变量副本时,不会对其他线程产生影响。

常规做法

  • 多线程访问 ThreadLocal 变量时都会有自己独立的实例副本,要维护线程与变量的对应关系,一种普遍的思维就是在 ThreadLocal 中维护一个映射表 Map 用于记录线程与实例之间的映射关系,也就是有一层总控的协调在里面。
  • 但是,如果存在总控进行协调,那么在新增线程和销毁线程时都需要更新 Map 中的映射关系时,就会在总控这里产生多线程并发修改,那么就又产生了额外的操作来保证 Map 是线程安全的。如果是在高并发的场景并发修改 Map 需要加锁,会明显降低性能。

JDK的实现

  • JDK的 ThreadLocal 提供了一种新的思路,从 Thread 的视角来看,在 Thread 中维护一个 Map用于记录 ThreadLocal 与实例之间的映射关系,这样在同一个线程内,Map 就不需要加锁了。

  • 从 Thread 代码定义看出:Thread类依赖了ThreadLocal.ThreadLocalMap;

public class Thread implements Runnable {/* ThreadLocal values pertaining to this thread. This map is maintained* by the ThreadLocal class. */ThreadLocal.ThreadLocalMap threadLocals = null;
} 
  • 从 ThreadLocal 的代码来看:
    1. 它的get/set都是从线程取到对应的ThreadLocal.ThreadLocalMap;代码仅以get示例。
    2. 它定义的ThreadLocalMap的 Entry 继承了WeakReference,Entry的key是弱引用,value是强引用。这样设计获得了另外一个好处:防止内存泄漏。在 JVM 垃圾回收时,只要发现了弱引用的对象,不管内存是否充足,都会被回收。如果key是强引用,当ThreadLocal不再使用时,ThreadLocalMap中还是存在对ThreadLocal的强引用,那么GC是无法回收的,从而造成内存泄漏。
public class ThreadLocal<T> {/*** Returns the value in the current thread's copy of this* thread-local variable.  If the variable has no value for the* current thread, it is first initialized to the value returned* by an invocation of the {@link #initialValue} method.** @return the current thread's value of this thread-local*/public T get() {Thread t = Thread.currentThread();ThreadLocalMap map = getMap(t);if (map != null) {ThreadLocalMap.Entry e = map.getEntry(this);if (e != null) {@SuppressWarnings("unchecked")T result = (T)e.value;return result;}}return setInitialValue();}ThreadLocalMap getMap(Thread t) {return t.threadLocals;}static class ThreadLocalMap {/*** The entries in this hash map extend WeakReference, using* its main ref field as the key (which is always a* ThreadLocal object).  Note that null keys (i.e. entry.get()* == null) mean that the key is no longer referenced, so the* entry can be expunged from table.  Such entries are referred to* as "stale entries" in the code that follows.*/static class Entry extends WeakReference<ThreadLocal<?>> {/** The value associated with this ThreadLocal. */Object value;Entry(ThreadLocal<?> k, Object v) {super(k);value = v;}}}
}
  • Entry的key设计成了弱引用,但是当ThreadLocal不再使用被 GC 回收后,ThreadLocalMap 中可能出现 Entry的key为null,那么Entry的value一直会强引用数据而得不到释放,只能等待线程销毁。
  • 如何避免ThreadLocalMap内存泄漏? ThreadLocal做了如下的保护措施,在执行 ThreadLocal.set()/get()方法时,ThreadLocal会调用expungeStaleEntry方法清除 ThreadLocalMap 中key为null的 Entry 对象,让它还能够被 GC 回收。
    • expungeStaleEntry方法会遍历ThreadLocalMap的散列表,从当前节点开始向后遍历数组,将过期的条目(即key为null的条目)清理掉,并将这些条目的位置设置为null。如果遇到未过期的数据,则重新计算其位置并重新分配,确保数据尽可能靠近正确的位置,以减少冲突和查找时间‌。

编程习惯

在编程时,还需要注意:

  • 当线程中某个ThreadLocal对象不再使用时,立即调用remove()方法删除Entry对象。
  • 如果是在异常的场景中,应在finally代码块中进行清理,保持良好的异常处理意识。

学得经验

  • 除了集中控制并发外,可以将竞争的数据分散出去。
  • 解决方案的自洽性,增加了线程自身的数据副本,需要保证生命周期的一致性,这里的设计尽最大可能的保证了GC的可执行。
http://www.lryc.cn/news/495282.html

相关文章:

  • shell脚本练习(2)
  • 通讯专题4.1——CAN通信之计算机网络与现场总线
  • Harmony NEXT-越过相机读写权限上传图片至项目云存储中
  • MATLAB基础应用精讲-【数模应用】Retinex图像去雾算法(附MATLAB和python代码实现)
  • 点击A组件跳转到B页面的tab的某一列
  • HarmonyOS xml转换JavaScript 常用的几个方法
  • Linux笔记---进程:进程等待
  • 【Linux】匿名管道通信场景——进程池
  • 算法妙妙屋-------1.递归的深邃回响:全排列的奇妙组合
  • 【maven-6】Maven 生命周期相关命令演示
  • 黑马程序员Java笔记整理(day06)
  • LeetCode【代码随想录】刷题(动态规划篇)
  • 【看海的算法日记✨优选篇✨】第三回:二分之妙,寻径中道
  • 基于yolov8、yolov5的铝材缺陷检测识别系统(含UI界面、训练好的模型、Python代码、数据集)
  • 计算机光电成像理论基础
  • 【QNX+Android虚拟化方案】125 - 如何创建android-spare镜像
  • 深度学习基础小结_项目实战:手机价格预测
  • EMall实践DDD模拟电商系统总结
  • 【随笔】AI技术在电商中的应用
  • 序列式容器详细攻略(vector、list)C++
  • 快速启动项目
  • springboot347基于web的铁路订票管理系统(论文+源码)_kaic
  • 使用API管理Dynadot域名,在账户中添加域名服务器(Name Server)
  • 【Linux | 计网】TCP协议深度解析:从连接管理到流量控制与滑动窗口
  • go语言的成神之路-筑基篇-对文件的操作
  • 两道数据结构编程题
  • 【Qt】QDateTimeEdit控件实现清空(不保留默认时间/最小时间)
  • 12、字符串
  • DPDK用户态协议栈-Tcp Posix API 1
  • 【人工智能-科普】图神经网络(GNN):与传统神经网络的区别与优势