Java实现投票系统教程详解
本文深入浅出地讲解了用Java构建线程安全投票系统的核心要点:如何选用ConcurrentHashMap与newKeySet()保障高并发下的票数统计和防重投,为何必须用动态细粒度锁而非全局锁来确保“查重+计票”原子性,以及怎样通过流式排序实时生成准确有序的结果视图——这些看似简单的控制台实现,实则直击分布式系统中数据一致性、并发控制与查询时效性的本质问题,是理解更复杂Web投票架构(如Spring Boot+MyBatis)底层逻辑的坚实起点。

投票系统核心数据结构怎么选
用 Map 存候选人名和票数最直接,但要注意键值重复和线程安全。如果只是单线程控制台程序,HashMap 足够;若涉及多线程模拟(比如多个用户并发投票),必须换成 ConcurrentHashMap,否则会出现计数丢失。
候选人名单建议额外用 List 或 Set 管理,避免仅靠 Map 的 key 集合做校验——因为 Map 可能还没初始化某个候选人,直接 get() 会返回 null,容易引发 NullPointerException。
如何防止重复投票
光靠“输入姓名”无法识别同一人,必须引入唯一标识。最简方案是要求用户输入学号/工号(字符串),并用另一个 Set 记录已投票 ID:
private static SetvotedIds = ConcurrentHashMap.newKeySet(); // 投票前检查 if (votedIds.contains(userId)) { System.out.println("该用户已投过票"); return; } votedIds.add(userId);
注意:ConcurrentHashMap.newKeySet() 是 Java 8+ 提供的线程安全集合;若用 HashSet 配 synchronized,代码更冗长且易漏锁。
- 不推荐用 IP 或时间戳做去重——本地测试全是
127.0.0.1,时间戳精度不够 - 控制台程序中,“用户ID”由人工输入,需在提示语里明确要求(如“请输入学号:”),否则逻辑再严也挡不住乱输
投票操作的原子性怎么保障
一次投票包含两个动作:检查是否已投 + 增加票数。这两步必须原子执行,否则并发时可能 A、B 同时通过检查,然后都给同一候选人 +1,实际只应 +1 次。
解决方式不是加全局锁(性能差),而是对具体候选人加细粒度锁:
private static final Mapvotes = new ConcurrentHashMap<>(); private static final Map candidateLocks = new ConcurrentHashMap<>(); public static void vote(String candidateName, String userId) { if (!isValidCandidate(candidateName)) return; if (votedIds.contains(userId)) return; // 获取该候选人的专属锁对象 Object lock = candidateLocks.computeIfAbsent(candidateName, k -> new Object()); synchronized (lock) { // 再次确认(防止锁外已变更) if (votedIds.add(userId)) { votes.merge(candidateName, 1, Integer::sum); } } }
这里用 computeIfAbsent 动态生成锁对象,避免为不存在的候选人预分配锁;merge 是线程安全的计数更新方式,比 put(k, get(k)+1) 更可靠。
结果查询为什么不能直接遍历 Map
调用 votes.entrySet() 遍历没问题,但若想按票数排序输出,别写 new ArrayList(votes.entrySet()).sort(...) —— 这会创建中间列表,且排序后仍是无序 Map,下次遍历又乱序。
正确做法是每次查询时生成有序视图:
List> sorted = votes.entrySet().stream() .sorted(Map.Entry. comparingByValue().reversed()) .collect(Collectors.toList());
注意点:
reversed()必须显式调用,否则默认升序(得票少的排前面)- 不要把
sorted结果缓存成字段——Map 内容随时可能变,缓存会导致结果过期 - 如果候选人很多(>1000),流式排序比手动循环 + 数组快,但不用过度优化,业务系统里查票不是高频操作
真实场景中,没人会手敲一百行投票逻辑——但理解这四点,才能看懂 Spring Boot + MyBatis 版本里 DAO 层的 @Select 和 Service 层的 synchronized 块到底在防什么。
理论要掌握,实操不能落!以上关于《Java实现投票系统教程详解》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
Go语言错误类型断言方法解析
- 上一篇
- Go语言错误类型断言方法解析
- 下一篇
- Python破解滑块验证码:Selenium+OpenCV找缺口拖动教程
-
- 文章 · java教程 | 2天前 | Java · ServiceLoader module-info.java Java模块
- Java 模块服务加载的可选实现与回退路径
- 363浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java VarHandle 内存序选择与可见性验证
- 226浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java JFR 事件流定位短时延迟尖峰
- 213浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java Record 序列化兼容字段演进方案
- 483浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java ServiceLoader 隔离模块化插件实现
- 414浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java Pattern Matching switch 处理密封层级
- 189浏览 收藏
-
- 文章 · java教程 | 2天前 | Stream · Java教程 · java Stream Collector Collectors.teeing 统计汇总
- Java Collectors.teeing 汇总两条统计管道
- 385浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java Foreign Function Memory API 管理本地内存生命周期
- 385浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java StampedLock 乐观读校验失败的回退方式
- 165浏览 收藏
-
- 文章 · java教程 | 2天前 | 异常处理 · 并发编程 · Java教程 · StructuredTaskScope Java Structured Concurrency Joiner allUntil 子任务异常 聚合异常
- Java Structured Concurrency 汇总子任务异常
- 260浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java ForkJoinPool asyncMode 调整任务队列顺序
- 121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。
- 444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。
- 516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。
- 529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。
- 477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。
- 300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

