JavaCountDownLatch多线程同步技巧
CountDownLatch是Java并发编程中一个简洁而强大的线程协调工具,通过倒计数机制让主线程高效等待多个子线程完成任务后再继续执行,特别适用于“一次性等待N个操作结束”的典型场景;文章深入解析了其核心原理(await阻塞、countDown递减、计数归零即释放)、实用示例(5个并行任务的同步控制)以及关键实践要点(务必在finally中调用countDown、不可重置、避免遗漏或死锁),帮助开发者快速掌握这一提升多线程程序可靠性与可读性的必备技能。

在Java多线程编程中,经常会遇到多个线程之间存在依赖关系的场景:比如主线程需要等待一组子线程完成任务后才能继续执行。这种情况下,CountDownLatch 是一个非常实用的同步工具类,它位于 java.util.concurrent 包中,能够有效地协调线程间的执行顺序。
什么是CountDownLatch?
CountDownLatch 可以理解为一个倒计数门闩。它通过一个初始的计数值来控制线程的等待行为。当计数不为零时,调用 await() 方法的线程会被阻塞;每当有线程调用 countDown() 方法,计数就会减一;当计数归零时,所有被阻塞的线程将自动释放,继续执行。
它的核心方法包括:
- CountDownLatch(int count):构造函数,传入计数次数。
- await():使当前线程等待,直到计数变为零。
- countDown():将计数减一,非阻塞操作。
典型应用场景:主线程等待多个子线程完成
假设我们有一个任务,需要启动5个线程并行处理数据,主线程必须等这5个线程全部完成后才进行汇总输出。这时就可以使用 CountDownLatch 实现协调。
示例代码如下:
public class CountDownLatchExample {
public static void main(String[] args) throws InterruptedException {
int threadCount = 5;
CountDownLatch latch = new CountDownLatch(threadCount);
for (int i = 1; i <= threadCount; i++) {
final int taskId = i;
new Thread(() -> {
try {
System.out.println("任务 " + taskId + " 开始执行");
Thread.sleep((long) (Math.random() * 3000)); // 模拟耗时
System.out.println("任务 " + taskId + " 完成");
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
} finally {
latch.countDown(); // 任务完成,计数减一
}
}).start();
}
System.out.println("主线程等待所有子任务完成...");
latch.await(); // 阻塞,直到计数为0
System.out.println("所有任务已完成,主线程继续执行后续逻辑。");
}}
在这个例子中,latch 的初始值为5,每个子线程执行完毕后调用一次 countDown(),主线程调用 await() 被阻塞,直到所有子线程都通知完成,计数归零,主线程才恢复运行。
注意事项与最佳实践
使用 CountDownLatch 时需要注意以下几点,以避免常见问题:
- 计数不能重置:一旦 CountDownLatch 的计数归零,就不能再被重用。如果需要重复使用的场景,应考虑使用 CyclicBarrier。
- 避免遗漏 countDown():确保每个参与的线程最终都会调用 countDown(),否则主线程可能永远阻塞。
- 异常情况也要触发 countDown:建议将 countDown() 放在 finally 块中,确保即使发生异常也能正确递减计数。
- 适合“一次性”等待:适用于“等待N个事件完成”的模式,不适合动态增减任务数量的场景。
总结
CountDownLatch 是 Java 并发编程中实现线程间依赖协调的简洁而强大的工具。它特别适用于主线程等待多个工作线程完成任务的场景。通过合理设置计数器,并在线程完成时调用 countDown(),结合主线程的 await() 方法,可以轻松实现同步控制。
基本上就这些。只要理解了它的“倒计数+释放等待”的机制,就能在实际开发中灵活应用,提升多线程程序的可靠性和可读性。
今天关于《JavaCountDownLatch多线程同步技巧》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
JavaTreeSet有序存储实现原理
- 上一篇
- JavaTreeSet有序存储实现原理
- 下一篇
- PythonConfigParser操作ini文件详解
-
- 文章 · java教程 | 20小时前 | 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 | 21小时前 |
- Java VarHandle 内存序选择与可见性验证
- 226浏览 收藏
-
- 文章 · java教程 | 22小时前 | 并发 · Java · CompletableFuture · java 异步编程 completablefuture CompletionStage minimalCompletionStage
- Java CompletableFuture minimalCompletionStage 限制下游控制
- 219浏览 收藏
-
- 文章 · java教程 | 23小时前 |
- Java JFR 事件流定位短时延迟尖峰
- 213浏览 收藏
-
- 文章 · java教程 | 1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 | 1天前 |
- Java ServiceLoader 隔离模块化插件实现
- 414浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Pattern Matching switch 处理密封层级
- 189浏览 收藏
-
- 文章 · java教程 | 1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 | 1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 | 1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 | 1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 | 1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。
- 421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。
- 500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。
- 510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。
- 456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。
- 285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

