展开菜单
首页 精品内容 本月促销 装机必备 Windows PDF教程 macOS软件 IOS软件 Android AI 专题
全部分类

当前位置:

首页 > 编程开发 > Java Future不可变性与数据共享技巧

Java Future不可变性与数据共享技巧

本文深入探讨了Java并发编程中将List<Future<Integer>>误用作可变数据存储的常见陷阱,详细解释了Future对象的不可变性及其导致的类型不匹配问题。文章将指导读者选择合适的共享数据结构,特别是演示如何利用AtomicIntegerArray安全高效地进行并发修改,并强调了ExecutorService正确生命周期管理的重要性,以避免竞态条件和资源泄露。

本文目录

    Java并发编程:理解Future的不可变性与共享数据修改策略

    本文深入探讨了Java并发编程中将List>误用作可变数据存储的常见陷阱,详细解释了Future对象的不可变性及其导致的类型不匹配问题。文章将指导读者选择合适的共享数据结构,特别是演示如何利用AtomicIntegerArray安全高效地进行并发修改,并强调了ExecutorService正确生命周期管理的重要性,以避免竞态条件和资源泄露。

    1. 问题解析:Future的误用与类型不匹配

    在Java并发编程中,java.util.concurrent.Future接口代表一个异步计算的结果。它允许我们检查计算是否完成、等待计算完成以及获取计算结果。然而,将List>用于存储一组需要频繁修改的整数值,并尝试直接修改其内部值,是一个常见的误区。

    原始代码片段中,elements被声明为List>:

    List> elements = new ArrayList<>();
    // ...
    elements.set(firstIndex, elements.get(firstIndex).get() - randomAmount);

    这里存在两个核心问题:

    1. 类型不匹配:List.set(int index, E element)方法期望第二个参数的类型与列表的泛型类型E一致。在List>的上下文中,这意味着set方法期望传入一个Future对象。然而,表达式elements.get(firstIndex).get() - randomAmount的结果是一个原始的int类型值(或者装箱后的Integer)。尝试将一个int类型的值直接赋给一个Future类型的槽位,会导致编译错误,提示set> is not applicable to arguments (int,int)。
    2. Future的不可变性:Future对象一旦创建并关联到某个异步任务,其所代表的计算结果在任务完成后是不可变的。你不能通过Future接口的方法来“修改”它所持有的值。Future的get()方法只是返回计算完成时的结果,而不是提供一个可修改的引用。如果需要修改数据,那么Future本身不是一个合适的容器。

    此外,初始代码在填充elements列表时,即使是简单的初始值1000,也通过ex.submit(() -> { int val = 1000; return val; })来获取Future。这种做法对于静态初始值而言是过度设计,且没有必要。如果只是为了存储初始值,直接使用List并添加整数即可。

    2. ExecutorService生命周期管理

    另一个关键问题是ExecutorService的生命周期管理。在原始代码中,首次提交完100个初始化任务后,立即调用了ex.shutdown():

    // ...
    for (int i = 0; i < 100; i++) {
        elements.add(ex.submit(() -> { /* ... */ }));
    }
    ex.shutdown(); // 过早关闭
    // ...
    for (int i = 0; i < 10_000; i++) {
        ex.submit(() -> { /* ... */ }); // 此处会因ExecutorService已关闭而失败
    }

    ExecutorService.shutdown()方法会平缓地关闭线程池,不再接受新的任务提交,但会等待已提交任务执行完成。如果在此之后尝试提交新任务(如后续的10,000个转账任务),将会抛出RejectedExecutionException。正确的做法是,只有在所有任务都已提交且不再需要线程池时,才调用shutdown()。对于本例,shutdown()应该在所有转账任务提交完毕之后再调用。

    3. 正确的共享数据结构选择与并发修改

    鉴于上述问题,如果目标是存储和修改一组整数值,并允许多线程并发访问,我们需要选择一个合适的并发数据结构。直接使用ArrayList虽然解决了类型问题,但在多线程环境下对共享的ArrayList进行读写操作会引发竞态条件,导致数据不一致。

    3.1 解决方案:使用 AtomicIntegerArray

    java.util.concurrent.atomic.AtomicIntegerArray是Java并发包提供的一个高效且线程安全的数组。它内部的每个元素都是一个AtomicInteger,支持原子性的读取、写入、更新等操作,无需显式使用synchronized关键字或锁。这非常适合本例中对数组中特定索引位置的整数进行并发修改的需求。

    AtomicIntegerArray的优势:

    • 原子性操作:getAndSet(), addAndGet(), compareAndSet()等方法保证了对单个元素的读-改-写操作是原子性的,有效避免了竞态条件。
    • 性能优越:相比于使用synchronized块对整个ArrayList进行锁定,AtomicIntegerArray通常在并发性能上表现更好,因为它利用了底层的CAS(Compare-And-Swap)指令。

    3.2 示例代码:使用AtomicIntegerArray实现并发转账

    以下是修正后的代码,它使用AtomicIntegerArray来存储和修改元素,并正确管理了ExecutorService的生命周期:

    import java.util.concurrent.ExecutorService;
    import java.util.concurrent.Executors;
    import java.util.concurrent.ThreadLocalRandom;
    import java.util.concurrent.TimeUnit;
    import java.util.concurrent.atomic.AtomicIntegerArray;
    
    public class ConcurrentMoneyTransfer {
    
        public static void main(String[] args) throws InterruptedException {
    
            // 1. 初始化 ExecutorService
            // 使用固定大小的线程池,例如10个线程
            ExecutorService ex = Executors.newFixedThreadPool(10);
    
            // 2. 使用 AtomicIntegerArray 存储可变整数值
            // 初始包含100个元素,每个元素值为1000
            AtomicIntegerArray elements = new AtomicIntegerArray(100);
            for (int i = 0; i < 100; i++) {
                elements.set(i, 1000);
            }
    
            // 计算初始总和
            int initialSum = 0;
            for (int i = 0; i < elements.length(); i++) {
                initialSum += elements.get(i);
            }
            System.out.println("Initial sum: " + initialSum); // 预期输出 100 * 1000 = 100000
    
            // 3. 提交并发转账任务
            // 模拟10,000次转账操作
            for (int i = 0; i < 10_000; i++) {
                ex.submit(() -> {
                    int firstIndex = ThreadLocalRandom.current().nextInt(100);
                    int secondIndex = ThreadLocalRandom.current().nextInt(100); // 尽管未使用,保留原意
                    int randomAmount = ThreadLocalRandom.current().nextInt(1000);
    
                    // 原子性地获取并检查余额
                    int currentFirstValue = elements.get(firstIndex);
                    if (currentFirstValue - randomAmount >= 0) { // 确保余额足够
                        // 原子性地减少第一个账户的金额
                        elements.getAndAdd(firstIndex, -randomAmount);
                        // 如果有转入操作,也需要原子性增加
                        // elements.getAndAdd(secondIndex, randomAmount); // 如果需要转入,这里可以添加
                    }
                });
            }
    
            // 4. 关闭 ExecutorService
            // 等待所有提交的任务完成
            ex.shutdown();
            // 设置一个超时,防止无限等待
            if (!ex.awaitTermination(60, TimeUnit.SECONDS)) {
                System.err.println("ExecutorService did not terminate in time.");
                ex.shutdownNow(); // 强制关闭
            }
    
            // 5. 计算最终总和
            int finalSum = 0;
            for (int i = 0; i < elements.length(); i++) {
                finalSum += elements.get(i);
            }
            System.out.println("Final sum: " + finalSum); // 预期输出小于等于 initialSum
        }
    }

    代码说明:

    • AtomicIntegerArray elements = new AtomicIntegerArray(100);: 创建了一个长度为100的AtomicIntegerArray,其所有元素默认初始化为0。
    • elements.set(i, 1000);: 在初始化阶段,为每个索引设置初始值。set()方法是原子性的。
    • elements.get(firstIndex): 原子性地获取指定索引的值。
    • elements.getAndAdd(firstIndex, -randomAmount): 这是关键的原子操作。它会先获取firstIndex位置的当前值,然后将该值与-randomAmount相加,并将结果原子性地写回该位置。这个操作保证了在多线程环境下,减少金额的过程不会被中断,避免了竞态条件。
    • ex.shutdown() 和 ex.awaitTermination(): 确保在所有任务提交并执行完成后,再安全地关闭线程池,防止资源泄露。awaitTermination提供了一个等待机制和超时处理。

    4. 注意事项与最佳实践

    1. 明确Future的职责:Future主要用于获取异步任务的结果,它不是一个可变的容器。如果需要存储和修改数据,应选择其他数据结构。
    2. 选择合适的并发数据结构:
      • 对于原子性地修改单个变量,使用AtomicInteger、AtomicLong、AtomicReference等。
      • 对于原子性地修改数组中的元素,使用AtomicIntegerArray、AtomicLongArray、AtomicReferenceArray。
      • 对于更复杂的集合操作,考虑java.util.concurrent包下的并发集合类,如ConcurrentHashMap、CopyOnWriteArrayList等。
      • 对于需要更细粒度控制的同步,可以使用synchronized块或java.util.concurrent.locks包下的锁(如ReentrantLock)。
    3. 合理管理线程池生命周期:
      • ExecutorService应该在所有任务提交完毕且不再需要时才关闭。
      • 使用shutdown()启动平缓关闭,并结合awaitTermination()等待任务完成。
      • 如果需要立即停止所有任务,可以使用shutdownNow(),但要注意处理未完成任务。
    4. 警惕竞态条件:任何时候,当多个线程访问和修改共享的可变状态时,都必须采取适当的同步措施来防止竞态条件和数据不一致。

    5. 总结

    在Java并发编程中,理解Future对象的本质及其不可变性至关重要。将其误用作可变数据容器不仅会导致编译错误,还会混淆并发模型。对于需要多线程并发修改的共享数据,应选择AtomicIntegerArray等原子类或并发集合,它们提供了高效且线程安全的机制。同时,正确管理ExecutorService的生命周期,确保在所有任务提交和执行完成后再关闭线程池,是编写健壮并发程序的关键。通过遵循这些原则,可以有效地避免常见的并发陷阱,构建出高性能、高可靠性的并发应用。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    精品专题 更多
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    macOS软件

    正软商城macOS软件专区,精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具,提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。

    IOS软件

    正软商城iOS软件专区,精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用,提供功能介绍、适用设备、系统要求和正版获取方式等信息。

    AI

    正软商城AI软件专区,汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具,提供功能介绍、适用平台、收费方式及正版购买信息。

    Mac软件 更多
    Aperty macOS版
    Aperty macOS版

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    火山引擎 网页版
    火山引擎 网页版

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    立刻MV 网页版
    立刻MV 网页版

    立刻MV 面向音乐人、内容创作者和品牌团队,帮助用户低成本完成歌曲 MV、歌词视频、AI 分镜、图生视频与最终合成。

    蛙蛙写作 网页版
    蛙蛙写作 网页版

    蛙蛙写作 AI 创作工具,覆盖小说、剧本、文案,一键生成文稿,打通文字转视频全流程,高效解决创作难题。

    讯飞智作 网页版
    讯飞智作 网页版

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    超级简历WonderCV 网页版
    超级简历WonderCV 网页版

    超级简历WonderCV是面向应届生和AI小白的智能求职平台,覆盖简历、面试与职业规划。

    音述AI 网页版
    音述AI 网页版

    音述AI,是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区。

    AionClaw macOS版
    AionClaw macOS版

    AionClaw 是可在桌面端运行的任务型 AI 助手,通过数字专家与技能市场组合办公、创作、数据和开发能力。

    Loomy macOS版
    Loomy macOS版

    Loomy 是科大讯飞推出的桌面 AI 助手,可通过对话、任务与工作目录协助处理办公、内容创作和资料整理。

    AirBuddy 3 macOS版
    AirBuddy 3 macOS版

    AirBuddy 3 是面向 macOS 的蓝牙外设增强工具,可集中查看 AirPods、Beats 与苹果设备电量,提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。

    AirServer macOS版
    AirServer macOS版

    AirServer macOS版可把 Mac 转换为无线投屏接收端,通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面,并支持多设备同时连接、高清镜像及会话录制,适合家庭娱乐、课堂教学、会议演示和应用展示。

    AnyDesk macOS版
    AnyDesk macOS版

    AnyDesk macOS版是一款适用于远程办公、设备维护和客户支持的远程桌面工具,可连接并操作异地计算机,支持文件传输、无人值守访问、会话权限控制及跨平台协作。

    WINDOWS 更多
    Aperty Windows版
    Aperty Windows版

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    火山引擎 网页版
    火山引擎 网页版

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    立刻MV 网页版
    立刻MV 网页版

    立刻MV 面向音乐人、内容创作者和品牌团队,帮助用户低成本完成歌曲 MV、歌词视频、AI 分镜、图生视频与最终合成。

    蛙蛙写作 网页版
    蛙蛙写作 网页版

    蛙蛙写作 AI 创作工具,覆盖小说、剧本、文案,一键生成文稿,打通文字转视频全流程,高效解决创作难题。

    讯飞智作 网页版
    讯飞智作 网页版

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    超级简历WonderCV 网页版
    超级简历WonderCV 网页版

    超级简历WonderCV是面向应届生和AI小白的智能求职平台,覆盖简历、面试与职业规划。

    音述AI 网页版
    音述AI 网页版

    音述AI,是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区。

    AionClaw Windows版
    AionClaw Windows版

    AionClaw 是可在桌面端运行的任务型 AI 助手,通过数字专家与技能市场组合办公、创作、数据和开发能力。

    Loomy Windows版
    Loomy Windows版

    Loomy 是科大讯飞推出的桌面 AI 助手,可通过对话、任务与工作目录协助处理办公、内容创作和资料整理。

    讯飞绘文 网页版
    讯飞绘文 网页版

    讯飞绘文网页版是科大讯飞推出的AI图文创作与内容运营工具,覆盖热点选题、文章生成、稿件校对、智能配图、排版发布和数据复盘等环节,适合自媒体创作者及内容团队在线使用。

    AirServer Windows版
    AirServer Windows版

    AirServer Windows版可把电脑变成AirPlay、Google Cast和Miracast无线投屏接收端,适合会议演示、课堂教学及家庭大屏分享。发送设备通常无需另装客户端,并可同时接收和智能排列多个镜像会话。

    AlwaysUp Windows版
    AlwaysUp Windows版

    AlwaysUp是一款面向Windows的系统服务注册与程序托管工具,可让普通应用、脚本及批处理在无人登录时随系统启动,并通过状态检测、异常重启、资源监控和邮件通知保障关键任务持续运行。