当前位置:首页 > 文章列表 > 文章 > java教程 > Java多线程数据竞争解决方法

Java多线程数据竞争解决方法

2026-01-24 15:32:34 0浏览 收藏

本篇文章向大家介绍《Java多线程数据竞争怎么避免》,主要包括,具有一定的参考价值,需要的朋友可以参考一下。

应锁具体资源而非整个方法,避免无关操作串行化;如转账时按对象哈希码顺序加锁,防止死锁并提升并发性。

在Java中如何避免多线程下的数据竞争_Java并发安全设计思路解析

用 synchronized 锁住临界区,但别锁整个方法

直接在方法上加 synchronized 会让所有调用串行化,哪怕操作的是不同对象或无关字段。比如一个 Account 类里有 balance 和 lastLoginTime,只改余额时不该阻塞登录时间更新。

更合理的做法是锁具体资源:

public void transfer(Account from, Account to, BigDecimal amount) {
    // 按 hashcode 顺序加锁,避免死锁
    Object lock1 = from.hashCode() 
  • 不要用 this 或类锁(Account.class)做账户间转账锁,极易引发死锁
  • 多个共享变量需同时修改时,必须保证所有线程按相同顺序获取锁
  • synchronized 块比同步方法粒度更细,吞吐量通常高 2–5 倍(视竞争强度而定)

优先用 java.util.concurrent 包里的线程安全类型

不是所有共享状态都适合加锁。计数器、累加器、队列这些高频场景,AtomicInteger、LongAdder、ConcurrentHashMap 已经做了底层优化,比手写锁更轻量、更可靠。

  • AtomicInteger 适用于简单整数增减,如请求计数:counter.incrementAndGet()
  • LongAdder 在高并发写+低频读场景下比 AtomicLong 快 3–10 倍(内部分段累加)
  • ConcurrentHashMap 的 computeIfAbsent() 是线程安全的初始化入口,别在外部再套 synchronized
  • 避免把 ArrayList 包一层 Collections.synchronizedList() 后就认为遍历安全——迭代过程仍可能抛 ConcurrentModificationException

用 ThreadLocal 隔离线程内状态,但记得 remove()

当每个线程需要自己独占一份变量(比如数据库连接、用户上下文、格式化器),ThreadLocal 是最自然的选择。但它不自动清理,线程复用(如线程池)时会引发内存泄漏或脏数据。

  • Web 应用中,每次请求结束前必须调用 threadLocal.remove(),不能只靠 set(null)
  • 不要把大对象(如 StringBuilder 或缓存 Map)长期存在 ThreadLocal 中
  • 继承 InheritableThreadLocal 要谨慎:子线程会复制父线程值,但多数线程池不支持该行为,容易误以为“传递成功”

别依赖“看起来不会并发”的代码逻辑

比如一个单例类里有个未加锁的布尔标记 isInitialized,配合双重检查创建资源,却忘了用 volatile 声明它。JVM 可能重排序指令,导致其他线程看到已赋值但未初始化完成的对象。

  • volatile 不保证原子性,但能禁止指令重排 + 强制内存可见性,适用于状态标志、一次性初始化
  • final 字段在构造器内完成赋值后,对所有线程天然可见,适合配置类、不可变 DTO
  • 即使只读集合(如 Arrays.asList(...))也不是线程安全的——底层仍是普通数组,没有同步机制

并发问题往往在压测或高峰时段才暴露,且难以复现。真正安全的设计不是靠“应该没问题”,而是明确每处共享变量的访问契约:谁写、谁读、是否需要同步、失效边界在哪。

今天关于《Java多线程数据竞争解决方法》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

HTML列表自定义格式设置教程HTML列表自定义格式设置教程
上一篇
HTML列表自定义格式设置教程
Win8系统C盘清理技巧与教程
下一篇
Win8系统C盘清理技巧与教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    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
    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
    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
    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
    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
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    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。
    536次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    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。
    595次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    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。
    620次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    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。
    572次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    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。
    396次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码