当前位置:首页 > 文章列表 > 文章 > java教程 > Java可重入锁:递归加锁原理解析

Java可重入锁:递归加锁原理解析

2026-02-15 23:15:47 0浏览 收藏
Java的可重入锁(如synchronized和ReentrantLock)通过线程私有的持有计数器实现“同一线程多次加锁不阻塞、计数增减、归零才释放”的机制,使其在递归调用中天然避免死锁——但这绝不意味着可以高枕无忧:synchronized由JVM自动保障加解锁平衡,而ReentrantLock需严格手动配对且异常路径稍有疏漏就会导致锁泄漏;更深层的风险在于递归深度失控引发栈溢出或计数器溢出、锁粒度过粗拖垮性能、以及人为混淆锁边界和误用tryLock()等陷阱。真正决定递归同步成败的,从来不是锁能否重入,而是开发者对锁生命周期的精准掌控与面向场景的架构权衡。

什么是Java中的可重入锁特性_递归调用场景下的加锁逻辑说明

可重入锁在递归方法里为什么不会死锁

Java 的 ReentrantLock 和 synchronized 都支持可重入,核心是「同一个线程可以重复获取同一把锁」。这背后靠的是锁的持有计数器:每次加锁 +1,每次解锁 -1,只有计数归零才算真正释放。

递归调用时,如果当前线程已持锁,再次进入加锁逻辑(比如递归调用自身),不会阻塞,而是直接更新计数器。这也是为什么写递归同步方法时,synchronized 不会卡住自己。

  • 不支持可重入的锁(如早期手写的自旋锁)在递归中必然死锁
  • ReentrantLock 的 isHeldByCurrentThread() 可以验证当前线程是否已持该锁
  • 计数器是线程私有的,不存在跨线程干扰

ReentrantLock 和 synchronized 在递归场景下的行为差异

两者都可重入,但实现机制和使用约束不同。最常被忽略的是:synchronized 是 JVM 层隐式管理,而 ReentrantLock 要求显式配对 lock() 和 unlock()。

递归深度大时,ReentrantLock 的计数器会累积,若某层忘记 unlock(),会导致锁永远无法完全释放;而 synchronized 由字节码指令保证进出平衡,更“省心”。

  • synchronized 方法递归调用:JVM 自动维护锁计数,无需人工干预
  • ReentrantLock.lock() 在 try 块内调用,必须在 finally 块中调用 unlock(),否则递归中途异常会导致锁泄漏
  • ReentrantLock.getHoldCount() 可查当前线程的持有次数,调试递归加锁时很实用

递归加锁时容易踩的坑

问题往往不出在“能不能重入”,而出在「锁边界」和「异常路径」没理清。尤其当递归逻辑混着 I/O、外部调用或条件分支时,很容易漏掉解锁,或者在不该加锁的地方重复加锁。

  • 在递归出口前未检查是否已持锁,盲目调用 lock(),导致计数虚高(虽不报错,但后续 unlock() 次数不够)
  • 用 tryLock() 替代 lock() 做递归控制——这是危险操作:tryLock() 不可重入(除非指定 fair = false 且当前线程已持锁),否则第二次调用直接返回 false
  • 锁对象不是 final 或被意外共享(比如用 this 作锁,但子类重写了 equals/hashCode,或多个实例误用了同一把锁)

什么时候不该依赖可重入做递归同步

可重入是保障机制,不是设计捷径。如果递归深度不可控(比如树遍历无剪枝、用户输入触发无限展开),即使锁能重入,也会因栈溢出或锁计数溢出(int 上溢变负)导致行为异常。

  • 深度超过千级的递归,优先考虑改用栈结构 + 显式状态管理,而非靠锁重入硬扛
  • 锁粒度太大(如整个方法体加锁)会让递归变成串行执行,吞吐骤降,此时应拆解为细粒度锁或无锁结构
  • 如果递归中只读不写,用 StampedLock 的乐观读模式比可重入写锁更轻量

可重入性本身很可靠,但人对锁边界的判断,才是递归同步中最难稳住的一环。

文中关于的知识介绍,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可重入锁:递归加锁原理解析》文章吧,也可关注golang学习网公众号了解相关技术文章。

抖音MCN签约流程及加入方法抖音MCN签约流程及加入方法
上一篇
抖音MCN签约流程及加入方法
一年级日记怎么写?AI入门日记提示词模板
下一篇
一年级日记怎么写?AI入门日记提示词模板
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。
    432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。
    508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。
    524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。
    464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。
    294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