CountDownLatch使用方法:子任务完成时调用countDown()递减计数
CountDownLatch 的核心在于精准控制任务完成信号的触发时机——countDown() 必须严格在子任务逻辑真正终结(即 run()/call() 正常执行完毕或异常被妥善捕获处理后)才调用,尤其在异步回调、多线程协作场景中稍有偏差就会导致 await() 提前返回、主流程获取到未就绪甚至错误的数据;它无锁轻量、不可逆、线程无关,但要求调用次数与初始化值严丝合缝,且绝不等同于“任务启动”或“提交成功”;配合带超时和中断处理的 await() 使用,并辅以结果校验机制,才能真正实现可靠、健壮的并发协调。

countDown() 必须在子任务真正结束之后调用
很多人误以为只要启动了子线程就该立刻 countDown(),结果 CountDownLatch.await() 提前返回,主流程拿到的是未完成的数据。关键在于:倒计数触发时机必须与「任务逻辑执行完毕」严格对齐,不是线程启动、也不是 submit() 返回,而是 run() 或 call() 执行完最后一行代码(或异常抛出后被正确捕获处理)。
常见错误现象:await() 返回了,但子任务的数据库写入还没刷盘、文件还没 close、HTTP 响应体还没解析完。
- 使用
ExecutorService时,在Runnable.run()结尾或Callable.call()return 前调用countDown() - 若子任务含异步回调(如 Netty 的
ChannelFuture.addListener()),countDown()必须放在回调内部,不能放在线程提交处 - 遇到异常时,务必在
catch块里也调用countDown(),否则门闩永远无法打开
多个子任务共用一个 CountDownLatch 时,countDown() 调用次数必须精确匹配初始化值
初始化时传入 n,就必须且仅能成功调用 n 次 countDown()。少一次,await() 死等;多一次,虽不报错但语义错误——后续等待者可能误判所有任务已完成。
使用场景:并行拉取 3 个 API,初始化 new CountDownLatch(3),每个 HTTP 请求回调里各调一次 countDown()。
- 不要在循环外统一调用,比如「for 循环 submit 10 个任务后,外面调一次
countDown()」——这等于只计 1 次 - 避免在 finally 块无条件调用多次(例如嵌套 try-finally 或重复 catch)
- 可配合原子计数器(如
AtomicInteger)做日志调试:每次countDown()前打印当前剩余值,确认递减节奏
countDown() 是无锁、轻量、不可逆的操作
countDown() 底层基于 AQS 的 state 变更,不阻塞、不加锁、不抛异常,即使在中断状态下也能成功执行。但它不可逆:一旦 state 减到 0,再调用 countDown() 不会报错,但也不改变状态,后续 await() 会立即返回。
性能影响极小,单次调用耗时通常在纳秒级;但滥用(如在高频循环里误用)可能掩盖逻辑错误。
- 它不关心调用线程身份,任意线程都可调用 —— 这是它适合协调异步任务的关键
- 没有「重置」能力,state=0 后不能恢复,需要重用请换
CyclicBarrier或新建实例 - 如果子任务本身是短生命周期的(如毫秒级计算),
countDown()的开销基本可忽略,无需优化
和 await() 配合时,别忽略中断和超时参数
countDown() 只管减数,开门动作由 await() 完成。但若主流程没设防,可能无限等待或忽略中断信号。
错误写法:latch.await() —— 一旦某个子任务卡死或漏调 countDown(),主线程永久挂起。
- 始终优先用带超时的
await(long timeout, TimeUnit unit),比如latch.await(30, TimeUnit.SECONDS) - 检查返回值:返回
false表示超时,此时需主动清理资源(如 cancel 未完成的Future) - 若业务允许响应中断,捕获
InterruptedException后应恢复中断状态(Thread.currentThread().interrupt()),而非吞掉
最常被忽略的一点:countDown() 成功不代表子任务结果可用——它只表示「执行流程结束了」。结果是否正确、是否为空、是否含异常,得靠额外机制(如 Future.get()、共享变量 + volatile、回调参数)来传递。
以上就是《CountDownLatch使用方法:子任务完成时调用countDown()递减计数》的详细内容,更多关于的资料请关注golang学习网公众号!
文心一言情感分析技术解析
- 上一篇
- 文心一言情感分析技术解析
- 下一篇
- 小红书千帆自动回复设置教程
-
- 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。
- 451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。
- 520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。
- 536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。
- 481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。
- 304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

