学习笔记 之 Java并发编程的艺术
系列文章目录
提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加
例如:第一章 Python 机器学习入门之pandas的使用
提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
- 系列文章目录
- 前言
- 第一章 并发编程的挑战
- 一、并发执行一定比串行执行快吗
- 二、如何减少上下文切换
- 三、死锁的代码示例
- 四、避免死锁的常见方法
- 五、资源限制的挑战
- 二、使用步骤
- 1.引入库
- 2.读入数据
- 总结
前言
提示:这里可以添加本文要记录的大概内容:
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。
提示:以下是本篇文章正文内容,下面案例可供参考
第一章 并发编程的挑战
一、并发执行一定比串行执行快吗
如下是并发执行和串行执行的代码,书中说随着count大于一个数量级之后才会出现并发比串行执行的快,但是我在自己的机器上跑了一下,发现并发一直要比串行执行的快,我觉得这是因为现代的计算机对于流水线技术已经优化得非常好了。当然也并不是说并发一定比串行快,只是在这个特定程序中,并发要比串行得快
public class ConcurrencyTest {private static final long count = 100001;public static void main(String[] args) throws InterruptedException{concurrency();serial();}private static void concurrency() throws InterruptedException{long start = System.currentTimeMillis();Thread thread = new Thread(new Runnable() {@Overridepublic void run() {int a = 0;for(long i = 0;i < count;i++) {a += 5;}}});thread.start();int b = 0;for(long i = 0; i < count; i++) {b--;}thread.join();long time = System.currentTimeMillis() - start;System.out.println("concurrency :" + time + "ms,b="+b);}private static void serial() {long start = System.currentTimeMillis();int a = 0;for(long i = 0; i < count; i++) {a += 5;}int b = 0;for(long i = 0; i < count; i++) {b--;}long time = System.currentTimeMillis() - start;System.out.println("serial:" + time +"ms,b="+b+",a="+a);}
}
二、如何减少上下文切换
1.无锁并发编程: 多线程竞争锁时,会引起上下文切换,所以多线程处理数据时,可以用一些办法来避免使用锁,如将数据的ID按照Hash算法取模分段,不同的线程处理不同段的数据
2.CAS算法: Java的Atomic包使用CAS算法来更新数据,而不需要加锁
3.使用最少线程: 避免创建不需要的线程,比如任务很少,但是创建了很多线程来处理,这样会造成大量线程都处于等待状态
4.协程: 在单线程里实现多任务的调度,并在单线程里维持多个任务的切换
三、死锁的代码示例
public class DeadLockDemo{private static String A = "A";private static String B = "B";public static void main(String[] args) {new DeadLockDemo().deadLock(); }private void deadLock() {Thread t1 = new Thread(new Runnable() {@Overridepublic void run() {synchronized(A) {try {Thread.currentThread().sleep(2000);}catch(InterruptedException e) {e.printStackTrace();}synchronized(B) {System.out.println("1");}}}});Thread t2 = new Thread(new Runnable() {@Overridepublic void run() {synchronized(B) {synchronized(A) {System.out.println("2");}}}});t1.start();t2.start();}
}
四、避免死锁的常见方法
1.避免一个线程同时获取多个锁
2.避免一个线程在锁内同时占用多个资源,尽量保证每个锁只占用一个资源
3.尝试使用定时锁,使用lock.tryLock(timeout)来替代使用内部锁机制
4.对于数据库锁,加锁和解锁必须在一个数据库连接里,否则会出现解锁失败的情况
五、资源限制的挑战
1.什么是资源限制
资源限制是指在进行并发编程时,程序的执行速度受限于计算机硬件资源或软件资源。
2.资源限制引发的问题
在并发编程中,将代码执行速度加快的原则是将代码中串行执行的部分变成并发执行,但是如果将某段串行的代码并发执行,因为受限于资源,仍然在串行执行,这时候程序不仅不会加快执行,反而会变慢
3.如何解决资源限制的问题
对于硬件资源限制,可以考虑使用集群并行执行程序。既然单机的资源有限制,那么就让程序在多机上执行。
对于软件资源限制,可以考虑使用资源池将资源复用。比如使用连接池将数据库和Socket连接复用,或者在调用对方webservice接口获取数据时,只建立一个连接。
4.在资源限制情况下进行并发编程
根据不同的资源限制调整程序的并发度,比如下载文件程序依赖两个资源——带宽和硬盘读写速度。有数据库操作时,涉及数据库连接数,如果SQL语句执行非常快,而线程的数量比数据库连接数大很多,则某些线程会被阻塞,等待数据库释放
建议多使用JDK并发包提供的并发容器和工具类来解决并发问题,因为这些类都已经通过了充分的测试和优化,均可解决这几个挑战
二、使用步骤
1.引入库
代码如下(示例):
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
2.读入数据
代码如下(示例):
data = pd.read_csv('.data.csv')
print(data.head())
该处使用的url网络请求的数据。
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
发布评论