CountDownLatch用法详解与实战示例
**Java CountDownLatch详解:实现线程同步与等待** 在Java并发编程中,`CountDownLatch`是一个强大的同步工具,用于控制线程的执行顺序,尤其适用于主线程等待多个子线程完成任务的场景。本文将深入探讨`CountDownLatch`的使用方法。`CountDownLatch`通过内部计数器实现线程等待机制,初始化时设定计数器值,每个线程完成任务后调用`countDown()`方法将计数器减一,主线程或其他等待线程则调用`await()`方法阻塞自身,直到计数器归零才继续执行。了解并掌握`CountDownLatch`,能有效提升并发程序的清晰度和可靠性。文章提供代码示例,展示如何使用`CountDownLatch`实现主线程等待多个线程完成任务。
CountDownLatch通过计数器实现线程等待,初始化后调用countDown()减一,await()阻塞直至计数为0,适用于主线程等待多个任务完成的场景。

CountDownLatch 是 Java 并发编程中一个实用的同步工具,它允许一个或多个线程等待其他线程完成操作后再继续执行。它的核心思想是通过一个计数器来控制等待逻辑:计数器初始化为某个正整数,每当一个线程完成任务就调用 countDown() 方法将计数器减一,而等待的线程调用 await() 方法阻塞自己,直到计数器变为 0。
基本使用场景
假设你有一个主线程需要等待多个工作线程全部完成后再继续处理结果,CountDownLatch 就非常适合这个场景。
例如:
- 启动多个服务组件,主程序等待所有组件初始化完成。
- 并行执行多个子任务,汇总结果前必须等所有任务结束。
- 测试多线程逻辑时,确保所有线程都执行完毕再验证结果。
代码示例:主线程等待多个线程完成
下面是一个简单的例子,展示如何使用 CountDownLatch:
import java.util.concurrent.CountDownLatch;
public class CountDownLatchExample {
public static void main(String[] args) {
int threadCount = 3;
CountDownLatch latch = new CountDownLatch(threadCount);
for (int i = 1; i {
try {
System.out.println(Thread.currentThread().getName() + " 正在执行任务...");
Thread.sleep(2000); // 模拟耗时操作
System.out.println(Thread.currentThread().getName() + " 任务完成!");
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
} finally {
latch.countDown(); // 任务完成,计数减一
}
}).start();
}
try {
System.out.println("主线程等待所有子线程完成...");
latch.await(); // 阻塞,直到计数器为0
System.out.println("所有线程已完成,主线程继续执行。");
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
}
}
}
输出可能如下:
主线程等待所有子线程完成... Thread-0 正在执行任务... Thread-1 正在执行任务... Thread-2 正在执行任务... Thread-0 任务完成! Thread-1 任务完成! Thread-2 任务完成! 所有线程已完成,主线程继续执行。
关键方法说明
- CountDownLatch(int count):构造函数,传入计数器初始值。
- await():使当前线程阻塞,直到计数器为0。可被中断。
- await(long timeout, TimeUnit unit):带超时的等待,避免无限等待。
- countDown():将计数器减一,可在多个线程中调用。
注意:CountDownLatch 的计数器不能重置,一旦变为0,所有后续的 await() 调用会立即返回。如果需要重复使用的计数器,考虑使用 CyclicBarrier。
常见注意事项
使用时要注意以下几点:
- 确保 countDown() 在 finally 块中调用,防止异常导致计数未减少。
- 不要遗漏调用 countDown(),否则会导致 await() 永远无法结束。
- 适合“等待一组操作完成”的场景,不适用于线程间频繁协作。
基本上就这些。CountDownLatch 简单易用,是控制线程执行顺序的有力工具。掌握它有助于写出更清晰、可靠的并发程序。
本篇关于《CountDownLatch用法详解与实战示例》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!
《painter》液化工具使用教程与技巧
- 上一篇
- 《painter》液化工具使用教程与技巧
- 下一篇
- Golangmap并发安全优化技巧
-
- 文章 · java教程 | 1天前 | 线程池 · Java教程 · java 并发编程 ForkJoinPool ForkJoinTask managedBlock ManagedBlocker
- Java ForkJoinPool managedBlock 怎样避免阻塞任务拖住并行计算
- 489浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java DatagramChannel 怎样设置非阻塞接收
- 337浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java WebSocket.Listener 怎样控制下一条消息的接收节奏
- 370浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Flow Publisher 怎样实现背压协议
- 339浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java CompletableFuture resultNow 怎样读取已完成结果
- 302浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Foreign Function 怎样管理 MemorySegment 生命周期
- 259浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java switch pattern 怎样显式处理 null
- 220浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java 紧凑源文件怎样直接运行单文件程序
- 461浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java String.lines 怎样保留文本末尾的空行
- 337浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java WatchService 怎样处理 OVERFLOW 事件避免漏文件
- 360浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java String.stripIndent 怎样保留文本块的相对缩进
- 320浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java PathMatcher 怎样按 glob 规则筛选文件
- 246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。
- 497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。
- 552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。
- 578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。
- 532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。
- 343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
