Java主线程如何优雅接收子线程任务完成通知?
本文介绍Java子线程如何优雅地通知主线程任务完成,解决多线程编程中常见的难题。主要讲解两种高效可靠的方法:`CompletableFuture` 和 `CountDownLatch`,并结合代码示例,详细阐述其使用方法及最佳实践,确保线程安全,提升代码效率。 `CompletableFuture` 提供了简洁的异步操作处理和多线程等待机制,而 `CountDownLatch` 则适用于需要等待特定数量线程完成的场景。 文章旨在帮助开发者选择合适的方案,编写更高效、更健壮的多线程Java程序。

Java子线程如何优雅地通知主线程任务完成?
高效的多线程编程需要子线程在任务完成后通知主线程。本文介绍两种常用的方法:CompletableFuture 和 CountDownLatch,并着重强调线程安全和最佳实践。
方法一:使用 CompletableFuture
CompletableFuture 提供了一种简洁的方式来处理异步操作,并方便地等待多个子线程完成。CompletableFuture.allOf() 方法可以等待所有给定的 CompletableFuture 对象完成。
代码示例:
List> futures = new ArrayList<>(); // 创建并启动子线程 for (int i = 0; i < 2; i++) { futures.add(CompletableFuture.runAsync(() -> { // 模拟子线程任务 System.out.println("子线程 " + i + " 执行完成"); })); } // 等待所有子线程完成 CompletableFuture.allOf(futures.toArray(new CompletableFuture[0])).join(); // 主线程处理数据 System.out.println("所有子线程执行完成,开始处理数据"); }
方法二:使用 CountDownLatch
CountDownLatch 是一种同步工具类,可以用来等待一组事件的完成。初始化时设置计数器,每个子线程完成任务后调用 countDown() 方法将计数器减一,主线程调用 await() 方法等待计数器变为零。
代码示例:
final CountDownLatch latch = new CountDownLatch(2); // 初始化计数器为 2
// 创建并启动子线程
for (int i = 0; i < 2; i++) {
new Thread(() -> {
// 模拟子线程任务
System.out.println("子线程 " + i + " 执行完成");
latch.countDown(); // 计数器减 1
}).start();
}
// 主线程等待子线程完成
try {
latch.await();
} catch (InterruptedException e) {
e.printStackTrace();
}
// 主线程处理数据
System.out.println("所有子线程执行完成,开始处理数据");
}
重要提示:
- 线程安全:
ArrayList不是线程安全的。在并发环境下,建议使用CopyOnWriteArrayList来替代,以避免数据竞争。 如果需要在子线程中修改共享变量,则必须使用合适的同步机制,例如volatile关键字或锁机制,以确保线程安全。 - 异常处理: 在实际应用中,需要完善的异常处理机制,以捕获并处理子线程中可能发生的异常。
CompletableFuture提供了exceptionally()方法来处理异常。CountDownLatch需要在await()方法中捕获InterruptedException。
选择哪种方法取决于具体的应用场景。CompletableFuture 更适用于需要处理异步结果的情况,而 CountDownLatch 更适用于简单的等待多个线程完成的情况。 记住始终优先考虑线程安全和健壮的异常处理。
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。
如何彻底杜绝表单重复提交?注册数据库验证失效终极解决方法!
- 上一篇
- 如何彻底杜绝表单重复提交?注册数据库验证失效终极解决方法!
- 下一篇
- Pandas2000万数据保存太慢?to_csv()高效优化技巧!
-
- 文章 · java教程 | 13小时前 | Java · JVM · JVM Native Memory Tracking NMT jcmd 原生内存 JVM内存排查
- JVM 原生内存上涨但堆稳定,怎样用 NMT 分类定位
- 414浏览 收藏
-
- 文章 · java教程 | 15小时前 | Java · 性能优化 · Stream · Java教程 · Java Stream Spliterator 并行流 parallelStream Stream副作用
- Stream 并行化前先判断什么:数据规模、拆分与副作用
- 405浏览 收藏
-
- 文章 · java教程 | 17小时前 | Java教程 · sealed interface Java密封类 模式匹配switch 支付结果 穷尽检查
- 密封类建模支付结果:穷尽分支与扩展边界
- 270浏览 收藏
-
- 文章 · java教程 | 19小时前 | 数据校验 · api设计 · Java教程 · 参数校验 Java record API DTO Jakarta Validation 紧凑规范构造器 跨字段校验
- Java Record 作为 API DTO 时,校验逻辑放在哪里
- 370浏览 收藏
-
- 文章 · java教程 | 22小时前 | 线程池 · 异常处理 · 并发编程 · Java教程 · CompletableFuture · 异步任务 completablefuture allOf Handle 结果汇总 CompletionException
- CompletableFuture 组合独立任务:allOf 结果汇总与失败归属
- 482浏览 收藏
-
- 文章 · java教程 | 1天前 |
- StructuredTaskScope 如何表达并发任务的共同生命周期
- 425浏览 收藏
-
- 文章 · java教程 | 1天前 | 并发编程 · Java教程 · java arena MemorySegment WrongThreadException FFM API
- Java MemorySegment 怎么限制跨线程访问范围
- 132浏览 收藏
-
- 文章 · java教程 | 1天前 | Java · Java 24 Java Class-File API CodeTransform ClassTransform CodeAttribute
- Java Class-File API 怎么转换方法代码属性
- 199浏览 收藏
-
- 文章 · java教程 | 1天前 | Java · Stream · java Stream Gatherer Integrator.Greedy
- Java Gatherer Integrator.Greedy 什么时候可以声明贪婪处理
- 112浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java FileChannel transferTo 为什么可能只传输部分字节
- 229浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 373次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 443次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 450次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 396次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 220次使用
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览

