当前位置:首页 > 文章列表 > 文章 > java教程 > Java信号量如何控制并发访问

Java信号量如何控制并发访问

2026-04-10 08:16:31 0浏览 收藏
Java信号量(Semaphore)并非简单的“同步锁替代品”,其本质是通过显式建模下游资源的并发承载边界来实现弹性、可观测的流量控制——它基于可配置许可数支持超时获取、批量申请与动态扩缩,与synchronized的独占monitor机制存在根本性差异;实践中应优先选用带超时的tryAcquire避免线程饥饿,严格配对finally中的release防止许可泄漏,并依据压测拐点而非主观猜测设定permit数量,真正发挥其在分布式调用、外部依赖等不确定性场景下的风控价值。

在Java中Semaphore如何控制并发访问数量_Java信号量机制解析

为什么 new Semaphore(1) 不等于 synchronized

因为 Semaphore 控制的是「许可数量」,不是「锁对象」。即使设为 1,多个线程仍可能同时调用 acquire() 并阻塞等待,而 synchronized 是基于 monitor 的独占进入机制,不排队、不累积许可。
关键区别在于:Semaphore 允许提前预占(比如 tryAcquire(1, 1, TimeUnit.SECONDS)),也支持一次性获取多个许可(acquire(3)),而 synchronized 没有超时、不可重入计数、也不支持批量。

acquire() 和 tryAcquire() 的实际选择场景

真实业务里几乎总是该用 tryAcquire(),尤其涉及外部依赖或 SLA 要求时——否则一个卡住的线程可能拖垮整个许可池。
常见误用:acquire() 在无界等待下导致线程饥饿,或在 Spring 容器中因未释放许可引发连接池耗尽。

  • acquire():仅适用于你**完全掌控下游响应时间**的场景(如纯内存计算、本地缓存读写)
  • tryAcquire(long timeout, TimeUnit unit):推荐用于 HTTP 调用、DB 查询、消息发送等不确定延迟的操作
  • 永远配对使用 release(),建议放在 finally 块里,哪怕用了 tryAcquire() 成功后也要确保释放

permit 数量设多少才合理?

不能只看 CPU 核数或连接池大小。真正决定上限的是「下游瓶颈资源」的并发承载能力。比如调第三方 API,对方限流 100 QPS,你设 new Semaphore(100) 没用——如果单次请求平均耗时 2 秒,那理论最大并发只有 100 / 2 = 50 左右;再高就会触发对方熔断或 429 错误。

  • 先压测确定下游稳定吞吐拐点(例如:并发 30 时 P99=120ms,到 35 就跳到 800ms)→ 取略低于拐点的值(如 28)
  • 动态调整比硬编码更可靠:可结合 MetricRegistry 或 Micrometer 监控 getQueueLength(),自动缩放 permit
  • 注意:availablePermits() 返回的是当前空闲许可数,不是初始值;别拿它做初始化判断

释放许可时最常见的三个坑

绝大多数 Semaphore 相关故障都发生在 release() 阶段,不是没调,就是多调、少调、错线程调。

  • 在异步回调中释放:比如用 CompletableFuture 提交任务后,在 thenAccept 里 release() —— 此时很可能已脱离原许可获取线程,但 Semaphore 不校验线程归属,所以能执行,但逻辑上已错乱
  • 异常分支遗漏 release():尤其在 tryAcquire() 成功后,后续代码抛异常却没进 finally
  • 重复释放:比如在重试逻辑里,每次重试都 release() 一次,导致许可数暴涨,突破限制
try {
    if (!semaphore.tryAcquire(1, 3, TimeUnit.SECONDS)) {
        throw new RuntimeException("acquire timeout");
    }
    // do work...
} finally {
    // 必须在这里 release,且只 release 一次
    semaphore.release();
}
Semaphore 的核心不是“控制数量”,而是“显式建模资源边界”。一旦把 permit 当作魔法数字硬编码,就失去了它本该提供的可观测性与弹性调控能力。

今天关于《Java信号量如何控制并发访问》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!

CORS跨域问题及预检处理全解析CORS跨域问题及预检处理全解析
上一篇
CORS跨域问题及预检处理全解析
Java十进制转二进制方法及toBinaryString用法
下一篇
Java十进制转二进制方法及toBinaryString用法
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。
    444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。
    516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。
    529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。
    474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。
    300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