Java并发Semaphore详解与使用指南
Java并发控制是提升应用性能的关键。本文深入解析了`Semaphore`,这一强大的同步工具,它能有效控制并发访问资源的线程数量。`Semaphore`通过维护一组许可,使用`acquire()`获取许可,`release()`释放许可,从而实现对并发线程数的限制,尤其适用于限流和资源池管理等场景。例如,它可以限制数据库连接数或API调用并发数,防止系统因过度并发而崩溃。本文将详细介绍`Semaphore`的基本概念、关键方法,并通过示例代码演示如何在实际任务中使用`Semaphore`,包括限制并发请求和使用`tryAcquire`避免无限等待,助你轻松掌握`Semaphore`的使用技巧,提升Java并发编程能力。
Semaphore是Java中用于控制并发访问资源数量的同步工具,通过acquire()获取许可、release()释放许可,可限制线程并发数,适用于限流与资源池管理。

Semaphore(信号量)是Java并发包java.util.concurrent中提供的一个同步工具,用来控制同时访问特定资源的线程数量。它非常适合用于限流、资源池管理等场景,比如限制数据库连接数或API调用并发数。
理解Semaphore的基本概念
Semaphore维护了一组许可(permits),线程在执行前需要先获取许可,执行完成后释放许可。如果当前没有可用许可,获取许可的线程会被阻塞,直到其他线程释放许可。
关键方法包括:
- acquire():尝试获取一个许可,如果没有可用许可则阻塞。
- acquire(int permits):获取指定数量的许可。
- release():释放一个许可,使其他等待线程有机会获取。
- release(int permits):释放多个许可。
- tryAcquire():非阻塞方式尝试获取许可,立即返回true或false。
创建和初始化Semaphore
构造函数可以指定许可数量和是否公平。默认是非公平模式,即不保证等待线程的获取顺序。
示例代码:Semaphore semaphore = new Semaphore(3); // 最多允许3个线程并发执行
这表示最多有3个线程可以同时访问被保护的资源。
在实际任务中使用Semaphore
常见做法是在线程任务开始前调用acquire(),结束后调用release(),通常放在try-finally块中确保释放不会遗漏。
示例:限制并发请求public class LimitedTask implements Runnable {
private final Semaphore semaphore;
public LimitedTask(Semaphore semaphore) {
this.semaphore = semaphore;
}
@Override
public void run() {
boolean acquired = false;
try {
semaphore.acquire(); // 获取许可
acquired = true;
System.out.println(Thread.currentThread().getName() + " 开始执行任务");
Thread.sleep(2000); // 模拟耗时操作
System.out.println(Thread.currentThread().getName() + " 完成任务");
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
} finally {
if (acquired) {
semaphore.release(); // 释放许可
}
}
}
}
启动多个线程测试:
Semaphore sem = new Semaphore(2); ExecutorService executor = Executors.newFixedThreadPool(5); for (int i = 0; i输出会显示每次只有2个线程在运行,其余等待许可释放。
使用tryAcquire避免无限等待
某些场景下你不希望线程一直阻塞,可以用tryAcquire配合超时:
if (semaphore.tryAcquire(3, TimeUnit.SECONDS)) { try { // 执行操作 } finally { semaphore.release(); } } else { System.out.println("获取许可超时,跳过执行"); }这种方式适合对响应时间敏感的服务。
基本上就这些。Semaphore使用简单但非常实用,关键是记得在finally中释放许可,避免死锁或资源泄露。合理设置许可数,能有效防止系统因过度并发而崩溃。
文中关于并发控制,限流,资源池管理,Semaphore,acquire()/release()的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Java并发Semaphore详解与使用指南》文章吧,也可关注golang学习网公众号了解相关技术文章。
PHP遍历字符串每个字符的几种方法
- 上一篇
- PHP遍历字符串每个字符的几种方法
- 下一篇
- AIOverviews能总结网页内容吗?实测分析
-
- 文章 · java教程 | 1天前 | Java · ServiceLoader module-info.java Java模块
- Java 模块服务加载的可选实现与回退路径
- 363浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java VarHandle 内存序选择与可见性验证
- 226浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java JFR 事件流定位短时延迟尖峰
- 213浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Record 序列化兼容字段演进方案
- 483浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java ServiceLoader 隔离模块化插件实现
- 414浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Pattern Matching switch 处理密封层级
- 189浏览 收藏
-
- 文章 · java教程 | 1天前 | Stream · Java教程 · java Stream Collector Collectors.teeing 统计汇总
- Java Collectors.teeing 汇总两条统计管道
- 385浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Foreign Function Memory API 管理本地内存生命周期
- 385浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java StampedLock 乐观读校验失败的回退方式
- 165浏览 收藏
-
- 文章 · java教程 | 1天前 | 异常处理 · 并发编程 · Java教程 · StructuredTaskScope Java Structured Concurrency Joiner allUntil 子任务异常 聚合异常
- Java Structured Concurrency 汇总子任务异常
- 260浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java ForkJoinPool asyncMode 调整任务队列顺序
- 121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。
- 431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。
- 508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。
- 522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。
- 464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。
- 292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

