JavaAQS类库详解与自定义同步器教程
本文深入剖析Java AQS(AbstractQueuedSynchronizer)的核心契约与实战陷阱,直击自定义同步器开发中最易踩坑的四大痛点:tryAcquire原子性失效导致卡死或异常、state字段语义误用引发状态混乱、Interruptibly系列方法中断处理失当造成响应失效、shouldParkAfterFailedAcquire逻辑错误引发CPU飙升或唤醒丢失;文章不仅厘清AQS“不管理语义、只提供框架”的本质,更以ReentrantLock和Semaphore为镜,揭示状态编码、线程生命周期、内存可见性与队列协作的深层约束——帮你避开那些上线后才浮现的静默崩溃、偶发超时与高并发下悄然变脆的系统顽疾。

为什么你的自定义锁总在 tryAcquire 里卡死或抛 IllegalMonitorStateException
AQS 不是直接拿来用的工具类,它要求你严格遵守“状态 + 模式”契约。最常见问题:没重写 tryAcquire 却调用了 acquire,或者重写了但返回 false 后没处理线程阻塞逻辑,导致调用方无限等待。
关键点在于:AQS 自身不管理任何锁语义,tryAcquire 返回 true 才算获取成功;返回 false 时,它才会把当前线程包装成节点、入队、挂起——这个过程依赖你已正确实现 getState/compareAndSetState,且未被其他线程抢先修改状态。
tryAcquire必须是原子、无副作用的判断逻辑;不要在里面 sleep、IO 或调用可能阻塞的方法- 如果你的同步器支持可重入(比如
ReentrantLock),tryAcquire要检查当前线程是否已是持有者,而不是只看state == 0 - 别在
tryAcquire里抛异常来“拒绝获取”,AQS 期望你用返回false表达竞争失败
AbstractQueuedSynchronizer 的 state 字段到底该怎么用
state 是 AQS 唯一的状态载体,int 类型,所有同步语义都靠它编码。它的含义完全由子类定义,AQS 只提供 getState、setState 和原子的 compareAndSetState。
典型误用:把 state 当作布尔标志(0/1)却忽略多线程下 CAS 失败重试,或把它当计数器却没处理溢出和负值边界。
- 信号量(
Semaphore)用state表示剩余许可数,acquire做减法,release做加法 - 可重入锁(
ReentrantLock)用state记录重入次数,同时配合Thread变量记录当前持有者 - 如果需要多个维度状态(如读写锁),必须把多个字段压缩进一个
int,或改用long(需自行实现 CAS long 版本)
为什么 acquireInterruptibly 不响应中断,而 doAcquireInterruptibly 又会抛 InterruptedException
这不是 bug,是分层设计:上层 API(如 acquireInterruptibly)负责入口校验和中断传播,底层模板方法(如 doAcquireInterruptibly)才真正处理线程挂起与唤醒逻辑。一旦线程在队列中被挂起后收到中断,AQS 会清理节点并抛出异常,但前提是你的子类没有屏蔽或吞掉它。
常见坑:在 tryAcquire 中做了耗时操作,此时中断来了,但你没检查 Thread.interrupted(),导致中断状态丢失;或者你在 finally 块里调用了 selfInterrupt() 却忘了恢复中断标记。
- 所有带
Interruptibly后缀的方法,都要求你在进入等待前检查中断,且在被唤醒后重新抛出InterruptedException acquire系列方法不响应中断,适合内部不可中断场景;acquireInterruptibly应用于用户可取消的操作(如带超时的锁获取)- 不要在
tryAcquire里捕获InterruptedException并吞掉——那是 AQS 队列层的事
自定义同步器上线后 CPU 飙高,大概率是 shouldParkAfterFailedAcquire 实现错了
AQS 队列中节点的状态流转非常敏感。shouldParkAfterFailedAcquire 决定当前节点是否该挂起。如果它永远返回 false,线程就会在 acquire 循环里空转,吃满 CPU;如果它过早返回 true,又可能导致唤醒丢失,线程永久休眠。
标准实现里,它会先跳过所有 CANCELLED 节点,再把前驱设为 SIGNAL,最后返回 true。你不能跳过这步,也不能在没确保前驱能唤醒自己的前提下就挂起。
- 不要自己 new Node() 或修改
waitStatus后不触发唤醒逻辑 - 如果你的同步器支持“条件队列”(如
ConditionObject),signal必须把节点从条件队列移到同步队列,并显式设置前驱的waitStatus = SIGNAL - 调试时可用
Thread.dumpStack()查看线程是否卡在LockSupport.park或死循环里
真正难的不是写对几个方法,而是理解每个状态变更背后对应的线程生命周期和内存可见性约束。稍有偏差,就变成偶发超时、唤醒失效或静默死锁——这些不会报错,只会让系统在高并发下慢慢变脆。
到这里,我们也就讲完了《JavaAQS类库详解与自定义同步器教程》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
流式导出Excel技巧防内存溢出
- 上一篇
- 流式导出Excel技巧防内存溢出
- 下一篇
- 快手极速版查看评论方法
-
- 文章 · java教程 | 8小时前 | 文件上传 · Java教程 · java httpclient 流式上传 HttpRequest BodyPublisher
- Java HttpRequest BodyPublisher 实现流式上传
- 488浏览 收藏
-
- 文章 · java教程 | 11小时前 |
- Java 模式匹配 switch 处理层级类型的穷尽性
- 301浏览 收藏
-
- 文章 · java教程 | 3天前 |
- Java 虚拟线程连接池改造的资源边界
- 236浏览 收藏
-
- 文章 · java教程 | 3天前 | Java · 虚拟线程 · java UncaughtExceptionHandler 虚拟线程 Thread.Builder.OfVirtual
- Java Thread.Builder.OfVirtual 设置线程异常处理器
- 139浏览 收藏
-
- 文章 · java教程 | 3天前 | 数据处理 · Java教程 · java windowFixed Stream Gatherer 事件窗口
- Java Stream Gatherer 组合短窗口事件的实现步骤
- 495浏览 收藏
-
- 文章 · java教程 | 3天前 | 并发 · Java · 随机数 · RandomGeneratorFactory Java随机算法 随机数并发
- Java RandomGeneratorFactory 怎么按能力选择随机算法
- 244浏览 收藏
-
- 文章 · java教程 | 3天前 |
- Java HexFormat 怎么在字节数组和十六进制文本间转换
- 361浏览 收藏
-
- 文章 · java教程 | 4天前 | 文件处理 · nio · Java教程 · java 文件比较 Files.mismatch 字节偏移
- Java Files.mismatch 怎么定位两个文件首个差异
- 342浏览 收藏
-
- 文章 · java教程 | 4天前 | Java ·
- Java Base64 流式编码怎么避免一次加载大文件
- 182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。
- 292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。
- 344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。
- 348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。
- 311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。
- 133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
