這篇文章主要介紹了淺談java.util.concurrent包中的線程池和消息隊列,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨着小編來一起學習學習吧
1.java併發包介紹
JDK5.0(JDK1.5更名後)以後的版本引入高級併發特性,大多數的特性在java.util.concurrent包中,是專門用於多線程編程的,充分利用了現代多處理器和多核心繫統的功能以編寫大規模併發應用程序。主要包括原子量、併發集合、同步器、可重入鎖,並對線程池的構造提供了強力的支持
2.線程池
java.util.concurrent.Executors提供了一個 java.util.concurrent.Executor接口的實現用於創建線程池
多線程技術主要解決處理器單元內多個線程執行的問題,它可以顯著減少處理器單元的閒置時間,增加處理器單元的吞吐能力。
假設服務器完成一項任務所需時間爲:T1 創建線程時間,T2 在線程中執行任務的時間,T3 銷燬線程時間。如果T1 + T3 遠大於 T2,則可以採用線程池,以提高服務器性能,減少創建和銷燬線程所需消耗的時間。
一個線程池由以下四個基本部分組成:
- 線程池管理器(ThreadPool):用於創建並管理線程池,包括 創建線程池,銷燬線程池,添加新任務;
- 工作線程(PoolWorker):線程池中線程,在沒有任務時處於等待狀態,可以循環的執行任務;
- 任務接口(Task):每個任務必須實現的接口,以供工作線程調度任務的執行,它主要規定了任務的入口,任務執行完後的收尾工作,任務的執行狀態等;
- 任務隊列(taskQueue):用於存放沒有處理的任務。提供一種緩衝機制。
線程池技術正是關心如何縮短或調整T1,T3時間從而提高服務器程序性能的技術。它把T1,T3分別安排在服務器程序的啓動和結束的時間段或者一些空閒的時間段,這樣在服務器程序處理客戶請求時,免去了線程創建和銷燬的開銷。
線程池不僅調整T1,T3產生的時間段,而且它還顯著減少了創建線程的數目,看一個例子:
假設一個服務器一天要處理100000個請求,並且每個請求需要一個單獨的線程完成。在線程池中,線程數一般是固定的,
一般線程池大小是遠小於100000。所以利用線程池的服務器程序不會爲了創建100000而在處理請求時浪費時間,從而提高效率。
線程池的五種創建方式
- Single Thread Executor:只有一個線程的線程池,因此所提交的任務是順序執行,Executors.newSingleThreadExecutor();
- Cached Thread Pool:線程池裏有很多線程需同時進行,舊的可用線程將被新的任務觸發從而重新執行,如果線程超過60秒內沒有執行,那麼將被終止並從池中刪除Executors.newCachedThreadPool();
- Fixed Thread Pool:擁有固定線程數的線程池,如果沒有任務執行,那麼線程會一直等待,Executors.newFixedThreadPool(10);在構造函數中的參數10是線程池的大小,你可以隨意設置,也可以和cpu的數量保持一致,獲取cpu的數量int cpuNums = Runtime.getRuntime().availableProcessors();
- Scheduled Thread Pool:用來調度即將執行的任務的線程池Executors.newScheduledThreadPool();
- Sing Thread Scheduled Pool:只有一個線程,用來調度任務在指定時間執行Executors.newSingleThreadScheduledExecutor();
3.線程池的使用
以下用Fixed Thread Pool作爲示範,提供一個使用參考
LogNumVo
package com.ithzk.threadpool; /** * 用作返回 執行的數量的 * @author hzk * @date 2018/3/29 */ public class LogNumVo { private static final long serialVersionUID = -5541722936350755569L; private Integer dataNum; private Integer successNum; private Integer waitNum; public Integer getDataNum() { return dataNum; } public void setDataNum(Integer dataNum) { this.dataNum = dataNum; } public Integer getSuccessNum() { return successNum; } public void setSuccessNum(Integer successNum) { this.successNum = successNum; } public Integer getWaitNum() { return waitNum; } public void setWaitNum(Integer waitNum) { this.waitNum = waitNum; } }
DealObject
package com.ithzk.threadpool; /** * @author hzk * @date 2018/3/29 */ public class DealObject { private Integer identifyId; private String data; public DealObject(Integer identifyId, String data) { this.identifyId = identifyId; this.data = data; } public DealObject() { } public Integer getIdentifyId() { return identifyId; } public void setIdentifyId(Integer identifyId) { this.identifyId = identifyId; } public String getData() { return data; } public void setData(String data) { this.data = data; } }
AbstractCalculateThread
package com.ithzk.threadpool; import java.util.Collection; import java.util.concurrent.Callable; import java.util.concurrent.CountDownLatch; /** * @author hzk * @date 2018/3/29 */ public class AbstractCalculateThread<T> implements Callable<String> { protected Collection<T> insertList; protected CountDownLatch countd; protected String threadCode; protected String batchNumber; public Collection<T> getInsertList() { return insertList; } public void setInsertList(Collection<T> insertList) { this.insertList = insertList; } public CountDownLatch getCountd() { return countd; } public void setCountd(CountDownLatch countd) { this.countd = countd; } public String getThreadCode() { return threadCode; } public void setThreadCode(String threadCode) { this.threadCode = threadCode; } public String getBatchNumber() { return batchNumber; } public void setBatchNumber(String batchNumber) { this.batchNumber = batchNumber; } public AbstractCalculateThread() { super(); } public AbstractCalculateThread(Collection<T> insertList, CountDownLatch countd, String threadCode,String batchNumber) { super(); this.insertList = insertList; this.countd = countd; this.threadCode = threadCode; this.batchNumber = batchNumber; } public String call() throws Exception { return null; } }
CalculateDealThread
package com.ithzk.threadpool; import java.util.Collection; import java.util.concurrent.CountDownLatch; /** * @author hzk * @date 2018/3/29 */ public class CalculateDealThread extends AbstractCalculateThread<DealObject> { private ExecutorPool executorPool = SpringContextUtil.getBean(ExecutorPool.class); @Override public String call() throws Exception { try { System.out.println("========開始跑線程【"+threadCode+"】"); return executorPool.syncBatchDealObject(insertList,batchNumber); } catch (Exception e) { e.printStackTrace(); System.out.println("========開始跑線程【"+threadCode+"】:"+e.getMessage()); }finally { countd.countDown(); } return null; } public CalculateDealThread() { super(); } public CalculateDealThread(Collection<DealObject> insertList, CountDownLatch countd, String threadCode,String batchNumber) { super(insertList, countd, threadCode, batchNumber); } }
ExecutorPool
package com.ithzk.threadpool; import java.util.*; import java.util.concurrent.*; /** * @author hzk * @date 2018/3/29 */ public class ExecutorPool { /** * 模擬需要處理數據的大小 */ private static final int ARRAY_COUNT = 50000; /** * 開啓多線程處理的條件 */ private static final int MULTI_THREAD_STARTCOUNT = 10000; /** * 批量處理的大小 */ private static final int BATCH_DEAL_SIZE = 100; /** * 每次開啓線程數量 */ public static final int THREAD_POOL_NUM=10; public static void main(String[] args){ testExecutorPool(); } public static void testExecutorPool(){ ArrayList<DealObject> dealObjects = new ArrayList<DealObject>(); for (int i = 0;i<ARRAY_COUNT;i++){ DealObject dealObject = new DealObject(i,"data_"+i); dealObjects.add(dealObject); System.out.println("Data add success current:"+i); } int size = dealObjects.size(); int successNum = 0; int waitNum = 0; System.out.println("需要處理的數據數據量爲:"+size); // 判斷數據是否大於10000 如果大於則開啓線程池 跑數據 if (size > MULTI_THREAD_STARTCOUNT) { try { System.out.println("===================dataNum > 1000 | Multiple Thread Run======================="); // 每次新增處理的條數 int batchInsertSize = BATCH_DEAL_SIZE; // 定義保存的線程池 ExecutorService executorInsert = Executors.newFixedThreadPool(THREAD_POOL_NUM); // 定義保存過程中返回的線程執行返回參數 List<Future<String>> futureListIsert = new ArrayList<Future<String>>(); // 線程 修改list List<Map<Integer, DealObject>> listDealObjects = new ArrayList<Map<Integer, DealObject>>(); List<Map<Integer, DealObject>> listLiveSyncLogInsert = pointDateClassify(dealObjects, batchInsertSize, listDealObjects); if (null != listLiveSyncLogInsert && !listDealObjects.isEmpty()) { System.out.println("===================切割後的大小:"+listLiveSyncLogInsert.size()+"======================="); //配合使用CountDownLatch爲了保證在執行完所有子程序之後再執行主程序 CountDownLatch countd = new CountDownLatch(listLiveSyncLogInsert.size()); for (int j = 0; j < listLiveSyncLogInsert.size(); j++) { Map<Integer, DealObject> insert = listLiveSyncLogInsert.get(j); Future<String> future = executorInsert.submit(new CalculateDealThread(insert.values(), countd,"executor_pool_test_thread", null)); futureListIsert.add(future); } } // 等待線程執行完成 executorInsert.shutdown(); for (Future<String> future : futureListIsert) { String json = future.get(); if (null != json && !"".equals(json)) { 將返回的json格式數據轉換爲實體類 進行業務記錄 LogNumVo logNumVo = JSON.toJavaObject(JSON.parseObject(json),LogNumVo.class); successNum += logNumVo.getSuccessNum(); waitNum += logNumVo.getWaitNum(); } } } catch (InterruptedException e) { e.printStackTrace(); } catch (ExecutionException e) { e.printStackTrace(); } } } /** * 拆分線程數 * 假設集合中有50000個元素 則按照100個一組切分 可切分爲500組 * 即每個線程一次處理一組(100個元素) * * @author * @param lPostUploadIntegralList * @param batchInsertSize * @param listPostUploadIsert */ @SuppressWarnings("all") public static List<Map<Integer, DealObject>> pointDateClassify(List<DealObject> lPostUploadIntegralList,int batchInsertSize, List<Map<Integer, DealObject>> listJSONObjectUpdate) { List<Map<Integer, DealObject>> listLiveSyncLogInsert = new Vector<Map<Integer, DealObject>>(); // 新增數據list List<DealObject> integralListInsert = lPostUploadIntegralList; System.out.println("============integralListInsert.size()=====:" + integralListInsert.size()); // 拆分數據(拆成多個List) int inserti = 0; if (integralListInsert != null && integralListInsert.size() > 0) { ConcurrentHashMap<Integer, DealObject> integralListIns = null; for (int l = 0; l < integralListInsert.size(); l++) { if (integralListIns == null) { integralListIns = new ConcurrentHashMap<Integer, DealObject>(); } integralListIns.put(integralListInsert.get(l).getIdentifyId(), integralListInsert.get(l)); inserti++; if ((inserti % batchInsertSize) == 0) { listLiveSyncLogInsert.add(integralListIns); integralListIns = null; } else { // 最後100條或不足100條數據 if ((l + 1) == integralListInsert.size()) { listLiveSyncLogInsert.add(integralListIns); } } } } System.out.println("=============listPostUploadInsert.size()====:" + listLiveSyncLogInsert.size()); return listLiveSyncLogInsert; } /** * 多線程保存數據至數據庫 */ public String syncBatchDealObject(Collection<DealObject> insertList,String batchNumber) { int successNum = 0, waitNum = 0; Date currentDate = new Date(System.currentTimeMillis()); for (DealObject dealObject : insertList) { try { int icount = syncDealObject(dealObject,currentDate); if(icount > 0){ successNum ++; }else { waitNum ++; } } catch (Exception e) { e.printStackTrace(); ++waitNum; } } LogNumVo logNum = new LogNumVo(); logNum.setDataNum(0); logNum.setSuccessNum(successNum); logNum.setWaitNum(waitNum); // 將記錄實體類轉爲json格式反饋給線程池 return JSON.toJSONString(logNum); } /** * 處理數據業務 * @param dealObject * @param currentDate * @return */ private int syncDealObject(DealObject dealObject,Date currentDate){ int successNum = 0; //業務處理邏輯 if(null != dealObject.getData()){ successNum++; } return successNum; } }
4.BlockingQueue
BlockingQueue也是java.util.concurrent下的主要用來控制線程同步的工具。主要的方法是:put、take一對阻塞存取;add、poll一對非阻塞存取。
插入:
add(anObject)
把anObject加到BlockingQueue裏,如果BlockingQueue可以容納,則返回true,否則拋出異常
offer(anObject)
把anObject加到BlockingQueue裏,如果BlockingQueue可以容納,則返回true,否則返回false.
put(anObject)
把anObject加到BlockingQueue裏,如果BlockQueue沒有空間,則調用此方法的線程被阻塞直到BlockingQueue裏面有空間再繼續.
讀取:
poll(time)
取走BlockingQueue裏排在首位的對象,若不能立即取出,則可以等time參數規定的時間,取不到時返回null
take()
取走BlockingQueue裏排在首位的對象,若BlockingQueue爲空,阻斷進入等待狀態直到Blocking有新的對象被加入爲止
其他:
int remainingCapacity()
返回理想情況下(沒有內存和資源約束)此隊列可接受並且不會被阻塞的附加元素數量。
該數量總是等於此隊列的初始容量,小於隊列的當前 size(返回隊列剩餘的容量)。
注意,不能總是通過檢查 remainingcapacity 來斷定試圖插入一個元素是否成功,因爲可能是另一個線程將插入或移除某個元
素。
boolean remove(Object o)
從隊列移除元素,如果存在,即移除一個或者更多,隊列改變了返回true
public boolean contains(Object o)
查看隊列是否存在這個元素,存在返回true
int drainTo(Collection<? super E> c)
傳入的集合中的元素,如果在隊列中存在,那麼將隊列中的元素移動到集合中
int drainTo(Collection<? super E> c, int maxElements)
和上面方法的區別在於,制定了移動的數量
以下是一個BlockQueue的基本使用參考:
Producer
package com.ithzk.BlockingQueueTest; import java.util.concurrent.BlockingQueue; /** * @author hzk * @date 2018/3/31 */ public class Producer implements Runnable{ BlockingQueue<String> blockingQueue; public Producer(BlockingQueue<String> blockingQueue) { this.blockingQueue = blockingQueue; } @Override public void run() { try { String threadIdentify = "A Producer,生產線程"+Thread.currentThread().getName(); blockingQueue.put(threadIdentify); System.out.println("Produce success! Thread:"+Thread.currentThread().getName()); } catch (InterruptedException e) { e.printStackTrace(); } } }
Consumer
package com.ithzk.BlockingQueueTest; import java.util.concurrent.BlockingQueue; /** * @author hzk * @date 2018/3/31 */ public class Consumer implements Runnable{ BlockingQueue<String> blockingQueue; public Consumer(BlockingQueue<String> blockingQueue) { this.blockingQueue = blockingQueue; } @Override public void run() { try { String consumer = Thread.currentThread().getName(); System.out.println("Current Consumer Thread:"+consumer); //如果隊列爲空會阻塞當前線程 String take = blockingQueue.take(); System.out.println(consumer + " consumer get a product:"+take); } catch (InterruptedException e) { e.printStackTrace(); } } }
BlockTest
package com.ithzk.BlockingQueueTest; import java.util.concurrent.BlockingQueue; import java.util.concurrent.LinkedBlockingQueue; /** * @author hzk * @date 2018/3/31 */ public class BlockTest { public static void main(String[] args) throws InterruptedException { // 不設置的話,LinkedBlockingQueue默認大小爲Integer.MAX_VALUE // BlockingQueue<String> blockingQueue = new LinkedBlockingQueue<String>(); // BlockingQueue<String> blockingQueue = new ArrayBlockingQueue<String>(2); BlockingQueue<String> blockingQueue = new LinkedBlockingQueue<String>(2); Consumer consumer = new Consumer(blockingQueue); Producer producer = new Producer(blockingQueue); for (int i = 0; i < 3; i++) { new Thread(producer, "Producer" + (i + 1)).start(); } for (int i = 0; i < 5; i++) { new Thread(consumer, "Consumer" + (i + 1)).start(); } Thread.sleep(5000); new Thread(producer, "Producer" + (5)).start(); } }
BlockingQueue有四個具體的實現類,常用的兩種實現類爲:
- ArrayBlockingQueue:一個由數組支持的有界阻塞隊列,規定大小的BlockingQueue,其構造函數必須帶一個int參數來指明其大小.其所含的對象是以FIFO(先入先出)順序排序的。
- LinkedBlockingQueue:大小不定的BlockingQueue,若其構造函數帶一個規定大小的參數,生成的BlockingQueue有大小限制。
若不帶大小參數,所生成的BlockingQueue的大小由Integer.MAX_VALUE來決定.其所含的對象是以FIFO(先入先出)順序排序的。
LinkedBlockingQueue 可以指定容量,也可以不指定,不指定的話,默認最大是Integer.MAX_VALUE,其中主要用到put和take方法,put方法在隊列滿的時候會阻塞直到有隊列成員被消費,take方法在隊列空的時候會阻塞,直到有隊列成員被放進來。
LinkedBlockingQueue和ArrayBlockingQueue區別
LinkedBlockingQueue和ArrayBlockingQueue比較起來,它們背後所用的數據結構不一樣,導致LinkedBlockingQueue的數據吞吐量要大於ArrayBlockingQueue,但在線程數量很大時其性能的可預見性低於ArrayBlockingQueue.
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持神馬文庫。