经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » Java相关 » Java » 查看文章
一份针对于新手的多线程实践
来源:cnblogs  作者:crossoverJie  时间:2018/10/29 10:04:01  对本文有异议

前言

前段时间在某个第三方平台看到我写作字数居然突破了 10W 字,难以想象高中 800 字作文我都得巧妙的利用换行来完成(懂的人肯定也干过??)。

干了这行养成了一个习惯:能撸码验证的事情都自己验证一遍。

于是在上周五通宵加班的空余时间写了一个工具:

https://github.com/crossoverJie/NOWS

利用 SpringBoot 只需要一行命令即可统计自己写了多少个字。

  1. java -jar nows-0.0.1-SNAPSHOT.jar /xx/Hexo/source/_posts

传入需要扫描的文章目录即可输出结果(目前只支持 .md 结尾 Markdown 文件)

当然结果看个乐就行(40 几万字),因为早期的博客我喜欢大篇的贴代码,还有一些英文单词也没有过滤,所以导致结果相差较大。

如果仅仅只是中文文字统计肯定是准的,并且该工具内置灵活的扩展方式,使用者可以自定义统计策略,具体请看后文。

其实这个工具挺简单的,代码量也少,没有多少可以值得拿出来讲的。但经过我回忆不管是面试还是和网友们交流都发现一个普遍的现象:

大部分新手开发都会去看多线程、但几乎都没有相关的实践。甚至有些都不知道多线程拿来在实际开发中有什么用。

为此我想基于这个简单的工具为这类朋友带来一个可实践、易理解的多线程案例。

至少可以让你知道:

  • 为什么需要多线程?

  • 怎么实现一个多线程程序?

  • 多线程带来的问题及解决方案?

单线程统计

再谈多线程之前先来聊聊单线程如何实现。

本次的需求也很简单,只是需要扫描一个目录读取下面的所有文件即可。

所有我们的实现有以下几步:

  • 读取某个目录下的所有文件。

  • 将所有文件的路径保持到内存。

  • 遍历所有的文件挨个读取文本记录字数即可。

先来看前两个如何实现,并且当扫描到目录时需要继续读取当前目录下的文件。

这样的场景就非常适合递归:

  1.     public List<String> getAllFile(String path){
  2.  
  3.         File f = new File(path) ;
  4.         File[] files = f.listFiles();
  5.         for (File file : files) {
  6.             if (file.isDirectory()){
  7.                 String directoryPath = file.getPath();
  8.                 getAllFile(directoryPath);
  9.             }else {
  10.                 String filePath = file.getPath();
  11.                 if (!filePath.endsWith(".md")){
  12.                     continue;
  13.                 }
  14.                 allFile.add(filePath) ;
  15.             }
  16.         }
  17.  
  18.         return allFile ;
  19.     }
  20. }

读取之后将文件的路径保持到一个集合中。

需要注意的是这个递归次数需要控制下,避免出现栈溢出(StackOverflow)。

最后读取文件内容则是使用 Java8 中的流来进行读取,这样代码可以更简洁:

  1. Stream<String> stringStream = Files.lines(Paths.get(path), StandardCharsets.UTF_8);
  2. List<String> collect = stringStream.collect(Collectors.toList());

接下来便是读取字数,同时要过滤一些特殊文本(比如我想过滤掉所有的空格、换行、超链接等)。

扩展能力

简单处理可在上面的代码中遍历 collect 然后把其中需要过滤的内容替换为空就行。

但每个人的想法可能都不一样。比如我只想过滤掉空格、换行、超链接就行了,但有些人需要去掉其中所有的英文单词,甚至换行还得留着(就像写作文一样可以充字数)。

所有这就需要一个比较灵活的处理方式。

看过上文《利用责任链模式设计一个拦截器》应该很容易想到这样的场景责任链模式再合适不过了。

关于责任链模式具体的内容就不在详述了,感兴趣的可以查看上文

这里直接看实现吧:

定义责任链的抽象接口及处理方法:

  1. public interface FilterProcess {
  2.     /**
  3.      * 处理文本
  4.      * @param msg
  5.      * @return
  6.      */
  7.     String process(String msg) ;
  8. }

处理空格和换行的实现:

  1. public class WrapFilterProcess implements FilterProcess{
  2.     @Override
  3.     public String process(String msg) {
  4.         msg = msg.replaceAll("\\s*", "");
  5.         return msg ;
  6.     }
  7. }

处理超链接的实现:

  1. public class HttpFilterProcess implements FilterProcess{
  2.     @Override
  3.     public String process(String msg) {
  4.         msg = msg.replaceAll("^((https|http|ftp|rtsp|mms)?:\\/\\/)[^\\s]+","");
  5.         return msg ;
  6.     }
  7. }

这样在初始化时需要将这些处理 handle 都加入责任链中,同时提供一个 API 供客户端执行即可。

这样一个简单的统计字数的工具就完成了。

多线程模式

在我本地一共就几十篇博客的条件下执行一次还是很快的,但如果我们的文件是几万、几十万甚至上百万呢。

虽然功能可以实现,但可以想象这样的耗时绝对是成倍的增加。

这时多线程就发挥优势了,由多个线程分别去读取文件最后汇总结果即可。

这样实现的过程就变为:

  • 读取某个目录下的所有文件。

  • 将文件路径交由不同的线程自行处理。

  • 最终汇总结果。

多线程带来的问题

也不是使用多线程就万事大吉了,先来看看第一个问题:共享资源。

简单来说就是怎么保证多线程和单线程统计的总字数是一致的。

基于我本地的环境先看看单线程运行的结果:

总计为:414142 字。

接下来换为多线程的方式:

  1. List<String> allFile = scannerFile.getAllFile(strings[0]);
  2. logger.info("allFile size=[{}]",allFile.size());
  3. for (String msg : allFile) {
  4.     executorService.execute(new ScanNumTask(msg,filterProcessManager));
  5. }
  6.  
  7. public class ScanNumTask implements Runnable {
  8.  
  9.     private static Logger logger = LoggerFactory.getLogger(ScanNumTask.class);
  10.  
  11.     private String path;
  12.  
  13.     private FilterProcessManager filterProcessManager;
  14.  
  15.     public ScanNumTask(String path, FilterProcessManager filterProcessManager) {
  16.         this.path = path;
  17.         this.filterProcessManager = filterProcessManager;
  18.     }
  19.  
  20.     @Override
  21.     public void run() {
  22.         Stream<String> stringStream = null;
  23.         try {
  24.             stringStream = Files.lines(Paths.get(path), StandardCharsets.UTF_8);
  25.         } catch (Exception e) {
  26.             logger.error("IOException", e);
  27.         }
  28.  
  29.         List<String> collect = stringStream.collect(Collectors.toList());
  30.         for (String msg : collect) {
  31.             filterProcessManager.process(msg);
  32.         }
  33.     }
  34. }

使用线程池管理线程,更多线程池相关的内容请看这里:《如何优雅的使用和理解线程池》

执行结果:

我们会发现无论执行多少次,这个值都会小于我们的预期值。

来看看统计那里是怎么实现的。

  1. @Component
  2. public class TotalWords {
  3.     private long sum = 0 ;
  4.  
  5.     public void sum(int count){
  6.         sum += count;
  7.     }
  8.  
  9.     public long total(){
  10.         return sum;
  11.     }
  12. }

可以看到就是对一个基本类型进行累加而已。那导致这个值比预期小的原因是什么呢?

我想大部分人都会说:多线程运行时会导致有些线程把其他线程运算的值覆盖。

但其实这只是导致这个问题的表象,根本原因还是没有讲清楚。

内存可见性

核心原因其实是由 Java 内存模型(JMM)的规定导致的。

这里引用一段之前写的《你应该知道的 volatile 关键字》一段解释:

由于 Java 内存模型(JMM)规定,所有的变量都存放在主内存中,而每个线程都有着自己的工作内存(高速缓存)。

线程在工作时,需要将主内存中的数据拷贝到工作内存中。这样对数据的任何操作都是基于工作内存(效率提高),并且不能直接操作主内存以及其他线程工作内存中的数据,之后再将更新之后的数据刷新到主内存中。

这里所提到的主内存可以简单认为是堆内存,而工作内存则可以认为是栈内存

如下图所示:

所以在并发运行时可能会出现线程 B 所读取到的数据是线程 A 更新之前的数据。

更多相关内容就不再展开了,感兴趣的朋友可以翻翻以前的博文。

直接来说如何解决这个问题吧,JDK 其实已经帮我们想到了这些问题。

java.util.concurrent 并发包下有许多你可能会使用到的并发工具。

这里就非常适合 AtomicLong,它可以原子性的对数据进行修改。

来看看修改后的实现:

  1. @Component
  2. public class TotalWords {
  3.     private AtomicLong sum = new AtomicLong() ;
  4.     
  5.     public void sum(int count){
  6.         sum.addAndGet(count) ;
  7.     }
  8.  
  9.     public  long total(){
  10.         return sum.get() ;
  11.     }
  12. }

只是使用了它的两个 API 而已。再来运行下程序会发现结果居然还是不对

甚至为 0 了。

线程间通信

这时又出现了一个新的问题,来看看获取总计数据是怎么实现的。

  1. List<String> allFile = scannerFile.getAllFile(strings[0]);
  2. logger.info("allFile size=[{}]",allFile.size());
  3. for (String msg : allFile) {
  4.     executorService.execute(new ScanNumTask(msg,filterProcessManager));
  5. }
  6.  
  7. executorService.shutdown();
  8. long total = totalWords.total();
  9. long end = System.currentTimeMillis();
  10. logger.info("total sum=[{}],[{}] ms",total,end-start);

不知道大家看出问题没有,其实是在最后打印总数时并不知道其他线程是否已经执行完毕了。

因为 executorService.execute() 会直接返回,所以当打印获取数据时还没有一个线程执行完毕,也就导致了这样的结果。

关于线程间通信之前我也写过相关的内容:《深入理解线程通信》

大概的方式有以下几种:

这里我们使用线程池的方式:

在停用线程池后加上一个判断条件即可:

  1. executorService.shutdown();
  2. while (!executorService.awaitTermination(100, TimeUnit.MILLISECONDS)) {
  3.     logger.info("worker running");
  4. }
  5. long total = totalWords.total();
  6. long end = System.currentTimeMillis();
  7. logger.info("total sum=[{}],[{}] ms",total,end-start);

这样我们再次尝试,发现无论多少次结果都是正确的了:

效率提升

可能还会有朋友问,这样的方式也没见提升多少效率啊。

这其实是由于我本地文件少,加上一个文件处理的耗时也比较短导致的。

甚至线程数开的够多导致频繁的上下文切换还是让执行效率降低。

为了模拟效率的提升,每处理一个文件我都让当前线程休眠 100 毫秒来模拟执行耗时。

先看单线程运行需要耗时多久。

总共耗时:[8404] ms

接着在线程池大小为 4 的情况下耗时:

总共耗时:[2350] ms

可见效率提升还是非常明显的。

更多思考

这只是多线程其中的一个用法,相信看到这里的朋友应该多它的理解更进一步了。

再给大家留个阅后练习,场景也是类似的:

在 Redis 或者其他存储介质中存放有上千万的手机号码数据,每个号码都是唯一的,需要在最快的时间内把这些号码全部都遍历一遍。

有想法感兴趣的朋友欢迎在文末留言参与讨论????。

总结

希望看完的朋友心中能对文初的几个问题能有自己的答案:

  • 为什么需要多线程?

  • 怎么实现一个多线程程序?

  • 多线程带来的问题及解决方案?

文中的代码都在此处。

https://github.com/crossoverJie/NOWS

你的点赞与转发是最大的支持。

 友情链接:直通硅谷  点职佳  北美留学生论坛

本站QQ群:前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试,对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接(目前9元/月)请联系QQ:27243702 沸活量
皖ICP备17017327号-2 皖公网安备34020702000426号