当前位置:首页 > 文章列表 > 文章 > java教程 > 并发下用AtomicBoolean实现单次操作

并发下用AtomicBoolean实现单次操作

2026-04-06 11:35:29 0浏览 收藏
本文深入解析了如何利用AtomicBoolean的compareAndSet()方法在高并发场景下精准实现“只执行一次”的关键需求,强调其底层依赖CPU级CAS指令带来的无锁、原子性优势,并直击常见误用陷阱——如混用getAndSet()、错误地先get再判断、忽略异常导致状态卡死等;通过服务初始化、缓存加载、事件监听等典型场景,清晰对比正误写法,同时提醒开发者:真正的难点不在语法正确,而在于严谨设计失败重试策略、状态语义边界和资源清理逻辑,确保原子操作真正服务于业务一致性。

如何在并发环境下实现优雅的单次操作_AtomicBoolean的CAS应用

为什么 AtomicBoolean.compareAndSet() 能保证单次执行

因为它的底层是 CPU 级的 CAS 指令,不是“加锁后判断再改”,而是“原子地判断并更新”——值没被别人动过,才写入新值;一旦中间有别的线程抢先改了,这次操作就失败,返回 false。这正好对应“只做一次”的语义:成功即执行,失败就跳过。

常见错误是把它当普通布尔赋值用:flag.set(true) 或 if (flag.get()) { ... },这样无法防止多个线程同时进入临界逻辑。

  • 必须用 compareAndSet(false, true) 作为“准入门禁”,而不是先 get() 再判断
  • 返回 true 才代表当前线程抢到了唯一执行权;false 就该直接退出或降级处理
  • 注意:它不阻塞,也不重试,是否重试由你控制——别默认循环调用,可能引发自旋浪费

在初始化、回调、事件触发等场景中怎么写才不重复执行

典型场景如:服务启动时加载配置、HTTP 请求首次到来时初始化缓存、WebSocket 连接建立后注册监听器。这些都要求“只做一次”,且可能被多个线程并发触发。

错误写法:if (!initialized) { init(); initialized = true; } —— 这里 initialized 是普通 boolean,读写非原子,必然竞态。

  • 正确模式是:声明 private final AtomicBoolean initialized = new AtomicBoolean(false)
  • 执行点写成 if (initialized.compareAndSet(false, true)) { init(); }
  • 不要在 init() 外再设值;也不要反过来写 compareAndSet(true, false),语义混乱
  • 如果 init() 可能抛异常,记得捕获后把标志位重置(谨慎!仅当明确允许重试时),否则状态会卡死

compareAndSet() 和 getAndSet() 别混用

前者是条件更新(“如果是 false,就改成 true”),后者是无条件覆盖(“不管原来是啥,先取旧值,再设成 true”)。在“单次执行”需求里,后者完全失效——两个线程同时调用 getAndSet(true),都会拿到 false 并继续执行。

  • compareAndSet(false, true):安全,推荐
  • getAndSet(true):危险,不能用于防重
  • lazySet(true):不保证可见性顺序,可能让其他线程长期看不到更新,别用在控制逻辑上
  • 别用 weakCompareAndSet()(已废弃),JDK9+ 已移除,行为不可靠

容易被忽略的边界:初始化失败后的状态管理

最常被跳过的点是:init() 抛异常了,AtomicBoolean 却已经变成 true,后续所有调用都直接跳过,导致功能永久不可用。

  • 如果初始化允许失败重试,应在 catch 块中调用 initialized.set(false),但要注意这会开放给其他线程再次尝试
  • 更稳妥的做法是用 AtomicReference 记录失败原因,配合 compareAndSet(null, ex) 实现“首次失败即锁定”
  • 别依赖 AtomicBoolean 自身表达“执行中/成功/失败”三种状态——它只有两种值,多状态得组合其他变量

真正难的不是写对那行 compareAndSet(),而是想清楚:失败算不算“已执行”?要不要重试?重试时有没有资源残留要清理?这些逻辑一漏,原子性再强也没用。

今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

即梦AI负面词设置技巧,画质增强必看即梦AI负面词设置技巧,画质增强必看
上一篇
即梦AI负面词设置技巧,画质增强必看
Win11设置主显示器方法详解
下一篇
Win11设置主显示器方法详解
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。
    584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。
    622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。
    655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。
    622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。
    436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