ByteCoding

安全性问题 线程安全的本质是正确性，而正确性的含义是程序按照预期执行 理论上线程安全的程序，应该要避免出现可见性问题（CPU缓存）、原子性问题（线程切换）和有序性问题（编译优化） 需要分析是否存在线程安全问题的场景：_存在共享数据且数据会发生变化，即有多个线程会同时读写同一个数据_ 针对该理论的解决方案：不共享数据，采用线程本地存储（Thread Local Storage，TLS）；不变模式 数据竞争数据竞争（Data Race）：多个线程同时访问同一数据，并且至少有一个线程会写这个数据 add12345678910private static final int MAX_COUNT = 1_000_000;private long count = 0;// 非线程安全public void add() { int index = 0; while (++index < MAX_COUNT) { count += 1; }} add + synchronized123456789101112131415161718priv ...

循环等待 在《Java并发 – 死锁》中，通过破坏占用且等待条件来规避死锁，核心代码如下 while (!allocator.apply(this, target)) {} 如果apply()操作的时间非常短，并且并发不大，该方案还能应付 一旦apply()操作比较耗时，或者并发比较大，该方案就不适用了 因为这可能需要循环上万次才能获得锁，非常_消耗CPU_ 最好的方案：_等待-通知_ 当线程要求的条件不满足，则线程阻塞自己，进入等待状态 当线程要求的条件满足后，通知等待的线程，重新开始执行 线程阻塞能够避免因循环等待而消耗CPU的问题 Java语言原生支持等待-通知机制 线程首先获取互斥锁，当线程要求的条件不满足时，释放互斥锁，进入等待状态 当要求的条件满足时，通知等待的线程，重新获取互斥锁 等待-通知机制Java语言原生支持的等待-通知机制：**synchronized + wait + notify/notifyAll** wait 每个互斥锁有两个独立的等待队列，如上图所示，等待队列L和等待队列R 左边有一个等待队列（等待队列L），_在同一时刻，只允许一个 ...

Account.class 在《Java并发 – 互斥锁》中，使用了Account.class作为互斥锁来解决银行业务的转账问题 虽然不存在并发问题，但所有账户的转账操作都是串行的，性能太差 例如账户A给账户B转账，账户C给账户D转账，在现实世界中是可以并行的，但该方案中只能串行 账户和账本 每个账户都对应一个账本，账本统一存放在文件架上 银行柜员进行转账操作时，需要到文件架上取出转出账本和转入账本，然后转账操作，会遇到三种情况 如果文件架上有转出账本和转入账本，都同时拿走 如果文件架上只有转出账本或只有转入账本，那需要等待那个缺失的账本 如果文件架上没有转出账本和转入账本，那需要等待两个账本 两把锁123456789101112131415161718public class Account { // 账户余额 private int balance; // 转账 public void transfer(Account target, int amt) { // 锁定转出账户 synchronized (this) & ...

解决什么问题互斥锁解决了并发程序中的原子性问题 禁止CPU中断 原子性：一个或多个操作在CPU执行的过程中不被中断的特性 原子性问题点源头是线程切换，而操作系统依赖CPU中断来实现线程切换的 单核时代，禁止CPU中断就能禁止线程切换 同一时刻，只有一个线程执行，禁止CPU中断，意味着操作系统不会重新调度线程，也就禁止了线程切换 获得CPU使用权的线程可以不间断地执行 多核时代 同一时刻，有可能有两个线程同时在执行，一个线程执行在CPU1上，一个线程执行在CPU2上 此时禁止CPU中断，只能保证CPU上的线程不间断执行，但并不能保证同一时刻只有一个线程执行 互斥：同一时刻只有一个线程执行 如果能保证对共享变量的修改是互斥的，无论是单核CPU还是多核CPU，都能保证原子性 简易锁模型 临界区：一段需要互斥执行的代码 线程在进入临界区之前，首先尝试加锁lock() 如果成功，则进入临界区，此时该线程只有锁 如果不成功就等待，直到持有锁的线程解锁 持有锁的线程执行完临界区的代码后，执行解锁unlock() 锁和资源 synchronized12345678910111213141516 ...

解决什么问题Java内存模型解决了并发程序中的可见性问题和有序性问题 Java内存模型按需禁用 CPU缓存会导致可见性问题，编译优化会导致有序性问题 解决可见性和有序性最直接的办法：_禁用CPU缓存和编译优化_ 问题虽然解决了，但程序性能会大大下降 合理的方案：_按需禁用CPU缓存和编译优化_ 为了解决可见性和有序性的问题，只需要给程序员提供按需禁用CPU缓存和编译优化的方案即可 程序员视角 Java内存模型规范了_JVM如何提供按需禁用CPU缓存和编译优化的方法_ 具体方法包括：volatile、synchronized和final关键字，以及六个Happens-Before规则 volatile volatile关键字不是Java语言的特产，在古老的C语言也有，最原始的意义就是_禁用CPU缓存_ volatile int x = 0：告诉编译器，对这个变量的读写，不能使用CPU缓存，必须从内存中读取或者写入 Java代码1234567891011121314151617public class VolatileExample { private int x = 0; ...

CPU、内存、IO设备 核心矛盾：三者的_速度差异_ 为了合理利用CPU的高性能，平衡三者的速度差异，计算机体系结构、操作系统和编译程序都做出了贡献 计算机体系结构：CPU增加了缓存、以均衡CPU与内存的速度差异 操作系统：增加了进程、线程，分时复用CPU，以平衡CPU和IO设备的速度差异 编译程序：优化指令执行次序，使得缓存能够得到更加合理地利用 CPU缓存 -> 可见性问题单核 在单核时代，所有的线程都在一颗CPU上执行，CPU缓存与内存的数据一致性很容易解决 因为所有线程操作的都是同一个CPU的缓存，一个线程对CPU缓存的写，对另外一个线程来说一定是可见的 可见性：一个线程对共享变量的修改，另一个线程能够立即看到 多核 在多核时代，每颗CPU都有自己的缓存，此时CPU缓存与内存的数据一致性就没那么容易解决了 当多个线程在不同的CPU上执行时，操作的是不同的CPU缓存 线程A操作的是CPU-1上的缓存，线程B操作的是CPU-2上的缓存，此时线程A对变量V的操作对于线程B而言不具备可见性 代码验证123456789101112131415161718192021222324252 ...

核心问题分工 JUC中的Executor、Fork/Join和Future本质上都是一种分工方法 并发编程领域还总结了一些设计模式，基本上都是和分工方法相关 生产者-消费者 Thread-Per-Message Worker Thread 同步 在并发编程领域里的同步，主要指的就是_线程间的协作_ 一个线程执行完了一个任务，如何通知执行后续任务的线程开始工作 协作一般是与分工相关的 JUC中的Executor、Fork/Join和Future本质上都是一种分工方法 但同时也能解决线程协作的问题 例如，用Future可以发起一个异步调用 当主线程调用get()方法取结果时，主线程会等待 当异步执行的结果返回时，get()方法就自动返回了 Future工具类已经帮我们解决了_主线程和异步线程之间的协作_ JUC中的CountDownLatch、CyclicBarrier、Phaser和Exchanger都是用来解决线程协作问题的 但很多场景还是需要自己处理线程之间的协作，问题基本可以描述为 当某个条件不满足时，线程需要等待，当某个条件满足时，线程需要被唤醒执行 在Java并发编程领域，解 ...

可靠性保证 可靠性保证：确保系统在各种不同的环境下能够发生一致的行为 Kafka的保证 保证_分区消息的顺序_ 如果使用同一个生产者往同一个分区写入消息，而且消息B在消息A之后写入 那么Kafka可以保证消息B的偏移量比消息A的偏移量大，而且消费者会先读取消息A再读取消息B 只有当消息被写入分区的所有同步副本时（文件系统缓存），它才被认为是已提交 生产者可以选择接收不同类型的确认，控制参数acks 只要还有一个副本是活跃的，那么已提交的消息就不会丢失 消费者只能读取已经提交的消息 复制 Kafka可靠性保证的核心：_复制机制_ + 分区的多副本架构 把消息写入多个副本，可以使Kafka在发生崩溃时仍能保证消息的持久性 Kafka的主题被分成多个分区，分区是基本的数据块，分区存储在单个磁盘上 Kafka可以保证分区里的事件总是有序的，分区可以在线（可用），也可以离线（不可用） 每个分区可以有多个副本，其中一个副本是首领副本 所有的事件都直接发送给首领副本，或者直接从首领副本读取事件 其他副本只需要与首领副本保持同步，并及时复制最新的事件即可 当首领副本不可用时，其中一个同步副本将成为新的首领 ...

群组成员关系 Kakfa使用ZooKeeper来维护集群成员的信息 每个Broker都有一个唯一的ID，这个ID可以在配置文件里面指定，也可以自动生成 在Broker启动的时候，通过创建临时节点把自己的ID注册到ZooKeeper Kakfa组件订阅ZooKeeper的/brokers/ids路径，当有Broker加入集群或者退出集群时，Kafka组件能获得通知 如果要启动另一个具有相同ID的Broker，会得到一个错误，这个Broker会尝试进行注册，但会失败 在Broker停机，出现网络分区或者长时间垃圾回收停顿时，Broker会从ZooKeeper上_断开连接_ 此时，Broker在启动时创建的临时节点会从ZooKeeper上自动移除（ZooKeeper特性） 订阅Broker列表的Kafka组件会被告知该Broker已经被移除 在关闭Broker时，它对应的临时节点也会消失，不过它的ID会继续存在于其他数据结构中 例如，主题的副本列表里可能会包含这些ID 在完全关闭了一个Broker之后，如果使用相同的ID启动另一个全新的Broker 该Broker会立即加入集群，并拥有与旧Broker相同的 ...

Avro Avro的数据文件里包含了整个Schema 如果每条Kafka记录都嵌入了Schema，会让记录的大小成倍地增加 在读取记录时，仍然需要读到整个Schema，所以需要先找到Schema 可以采用通用的结构模式并使用Schema注册表的方案 开源的Schema注册表实现：Confluent Schema Registry Confluent Schema Registry 把所有写入数据需要用到的Schema保存在注册表里，然后在_记录里引用Schema ID_ 负责读数据的应用程序使用Schema ID从注册表拉取Schema来反序列化记录 序列化器和反序列化器分别负责处理Schema的注册和拉取 Confluent Schema Registry1234567891011121314151617181920# Start Zookeeper and expose port 2181 for use by the host machine$ docker run -d --name zookeeper -p 2181:2181 confluent/zookeeper# Start K ...