5.0的多线程任务包对于同步的性能方面有了很大的改进,在原有synchronized关键字的基础上,又增加了ReentrantLock,以及各种Atomic类。了解其性能的优劣程度,有助与我们在特定的情形下做出正确的选择。
总体的结论先摆出来:
synchronized:
在资源竞争不是很激烈的情况下,偶尔会有同步的情形下,synchronized是很合适的。原因在于,编译程序通常会尽可能的进行优化synchronize,另外可读性非常好,不管用没用过5.0多线程包的程序员都能理解。ReentrantLock:
ReentrantLock提供了多样化的同步,比如有时间限制的同步,可以被Interrupt的同步(synchronized的同步是不能Interrupt的)等。在资源竞争不激烈的情形下,性能稍微比synchronized差点点。但是当同步非常激烈的时候,synchronized的性能一下子能下降好几十倍。而ReentrantLock确还能维持常态。Atomic:
和上面的类似,不激烈情况下,性能比synchronized略逊,而激烈的时候,也能维持常态。激烈的时候,Atomic的性能会优于ReentrantLock一倍左右。但是其有一个缺点,就是只能同步一个值,一段代码中只能出现一个Atomic的变量,多于一个同步无效。因为他不能在多个Atomic之间同步。 所以,我们写同步的时候,优先考虑synchronized,如果有特殊需要,再进一步优化。ReentrantLock和Atomic如果用的不好,不仅不能提高性能,还可能带来灾难。先贴测试结果:再贴代码(Atomic测试代码不准确,一个同步中只能有1个Actomic,这里用了2个,但是这里的测试只看速度)
========================== round:100000 thread:5 Sync = 35301694 Lock = 56255753 Atom = 43467535 ========================== round:200000 thread:10 Sync = 110514604 Lock = 204235455 Atom = 170535361 ========================== round:300000 thread:15 Sync = 253123791 Lock = 448577123 Atom = 362797227 ========================== round:400000 thread:20 Sync = 16562148262 Lock = 846454786 Atom = 667947183 ========================== round:500000 thread:25 Sync = 26932301731 Lock = 1273354016 Atom = 982564544 代码package test.thread; import static java.lang.System.out; import java.util.Random; import java.util.concurrent.BrokenBarrierException; import java.util.concurrent.CyclicBarrier; import java.util.concurrent.ExecutorService; import java.util.concurrent.Executors; import java.util.concurrent.atomic.AtomicInteger; import java.util.concurrent.atomic.AtomicLong; import java.util.concurrent.locks.ReentrantLock; public class TestSyncMethods { public static void test(int round,int threadNum,CyclicBarrier cyclicBarrier){ new SyncTest("Sync",round,threadNum,cyclicBarrier).testTime(); new LockTest("Lock",round,threadNum,cyclicBarrier).testTime(); new AtomicTest("Atom",round,threadNum,cyclicBarrier).testTime(); } public static void main(String args[]){ for(int i=0;i<5;i++){ int round=100000*(i+1); int threadNum=5*(i+1); CyclicBarrier cb=new CyclicBarrier(threadNum*2+1); out.println("=========================="); out.println("round:"+round+" thread:"+threadNum); test(round,threadNum,cb); } } } class SyncTest extends TestTemplate{ public SyncTest(String _id,int _round,int _threadNum,CyclicBarrier _cb){ super( _id, _round, _threadNum, _cb); } @Override /** * synchronized关键字不在方法签名里面,所以不涉及重载问题 */ synchronized long getValue() { return super.countValue; } @Override synchronized void sumValue() { super.countValue+=preInit[index++%round]; } } class LockTest extends TestTemplate{ ReentrantLock lock=new ReentrantLock(); public LockTest(String _id,int _round,int _threadNum,CyclicBarrier _cb){ super( _id, _round, _threadNum, _cb); } /** * synchronized关键字不在方法签名里面,所以不涉及重载问题 */ @Override long getValue() { try{ lock.lock(); return super.countValue; }finally{ lock.unlock(); } } @Override void sumValue() { try{ lock.lock(); super.countValue+=preInit[index++%round]; }finally{ lock.unlock(); } } } class AtomicTest extends TestTemplate{ public AtomicTest(String _id,int _round,int _threadNum,CyclicBarrier _cb){ super( _id, _round, _threadNum, _cb); } @Override /** * synchronized关键字不在方法签名里面,所以不涉及重载问题 */ long getValue() { return super.countValueAtmoic.get(); } @Override void sumValue() { super.countValueAtmoic.addAndGet(super.preInit[indexAtomic.get()%round]); } } abstract class TestTemplate{ private String id; protected int round; private int threadNum; protected long countValue; protected AtomicLong countValueAtmoic=new AtomicLong(0); protected int[] preInit; protected int index; protected AtomicInteger indexAtomic=new AtomicInteger(0); Random r=new Random(47); //任务栅栏,同批任务,先到达wait的任务挂起,一直等到全部任务到达制定的wait地点后,才能全部唤醒,继续执行 private CyclicBarrier cb; public TestTemplate(String _id,int _round,int _threadNum,CyclicBarrier _cb){ this.id=_id; this.round=_round; this.threadNum=_threadNum; cb=_cb; preInit=new int[round]; for(int i=0;i
原文url:
自己看了一下Automic累加方法的源码,加完之后有一个比较的操作,看不到源码只能从方法的注释里面找答案了:
每次加完之后都会看一下内存里面是不是自己的期望值,如果是期望值就return,如果不是就重新获取内存里的值到寄存器,再次进行累加操作。