当前位置:首页 > 文章列表 > 文章 > java教程 > Java信号量控制并发详解

Java信号量控制并发详解

2026-04-21 23:59:35 0浏览 收藏
Java信号量(Semaphore)的核心价值在于精准控制“同时进入临界区”的线程数量(如new Semaphore(5)表示最多5个线程并发执行关键逻辑),而非限制总线程数;其正确性高度依赖acquire()与release()的严格配对——遗漏、错序或跨上下文误用将直接导致并发失控、线程永久阻塞或运行时异常;结合tryAcquire()超时降级、acquireUninterruptibly()关键路径保障、非公平模式性能优化等实践技巧,并厘清其与synchronized/ReentrantLock在“N选一”资源协调场景下的本质差异,才能真正发挥信号量在限流、池化、协同等高并发系统中的稳定杠杆作用。

在Java中Semaphore如何控制并发数_Java信号量机制解析

为什么 new Semaphore(5) 不等于最多 5 个线程同时执行

关键在于 Semaphore 控制的是「进入临界区」的并发数,不是线程总数。如果线程没调用 acquire() 就直接干活,或者忘了 release(),那并发控制就完全失效。

常见错误现象:
– 并发量远超设定值
– 程序卡死(部分线程一直阻塞在 acquire())
– 出现 IllegalMonitorStateException(误在未持有许可时调用 release())

  • 必须确保每个业务逻辑入口都包裹 acquire() / release(),推荐用 try-finally 或 try-with-resources(配合 tryAcquire() 自定义超时)
  • 构造时传 false(非公平模式)性能略高;传 true(公平模式)能避免饥饿,但吞吐下降约 10%~20%
  • 注意 Semaphore 不绑定线程——同一个线程可多次 acquire()(需对应次数 release()),也支持跨线程释放

acquire()、tryAcquire()、acquireUninterruptibly() 怎么选

三者核心区别在「是否响应中断」和「是否阻塞等待」:

  • acquire():可被 Thread.interrupt() 中断,抛 InterruptedException;若无许可则阻塞,直到获取成功
  • tryAcquire():不阻塞,立即返回 boolean;可带超时参数(tryAcquire(long timeout, TimeUnit unit)),超时未获取到返回 false
  • acquireUninterruptibly():不响应中断,即使线程被 interrupt 也会继续阻塞等待许可;适合不能中途退出的关键路径

使用场景建议:
– Web 请求限流 → 优先用 tryAcquire(100, MILLISECONDS),超时直接返回降级响应
– 批处理任务协调 → acquire() + try-catch 处理中断
– 数据库连接池内部调度 → acquireUninterruptibly() 避免因外部中断导致资源泄漏

permit 数量设错会导致什么后果

Semaphore 的 permit 是计数器,初始值决定最大并发能力,但它的语义容易被误解:

  • 设为 0:所有 acquire() 立即阻塞,常用于“启动门控”(如等待配置加载完成再放行)
  • 设为负数:合法!new Semaphore(-3) 表示初始有 -3 个许可,首次 release() 后才变为 -2,直到第 4 次 release() 才达到 0;可用于反向计数场景(如限制最多失败 3 次)
  • 动态调整:无法直接修改 permit 总数,但可通过反复 release() / acquire() 模拟扩容缩容(不推荐,易出错)

性能影响:
– permit 数量本身不影响性能,但过小会导致大量线程排队,getQueueLength() 可能飙升
– 高并发下,频繁争抢 permit 会增加 CAS 失败率,建议结合业务峰值设为略高于平均并发的值(如均值 8 → 设 12)

和 synchronized、ReentrantLock 对比时该用谁

三者根本目标不同:
synchronized 和 ReentrantLock 解决「同一时刻只能一个线程访问某段代码」;Semaphore 解决「同一时刻最多 N 个线程访问某类资源」。

  • 需要「N 选一」互斥 → 用 ReentrantLock(支持条件队列、可中断、公平性可控)
  • 只控制方法入口并发,且 N > 1 → Semaphore 更自然(lock() 无法表达“允许 5 个”)
  • 简单同步块、无超时/中断需求 → synchronized 字节码更紧凑,JVM 优化更好

特别注意:
– Semaphore 不提供内存可见性保证(不像 ReentrantLock 隐含 happens-before),共享变量仍需 volatile 或 Atomic 类型
– 不要混用:用 Semaphore 控制了并发,又在内部加 synchronized,可能造成双重阻塞

// 示例:API 限流器(每秒最多 10 次请求)
public class ApiRateLimiter {
    private final Semaphore semaphore = new Semaphore(10);

    public boolean tryAccess() {
        return semaphore.tryAcquire(1, 1, TimeUnit.SECONDS);
    }

    public void finish() {
        semaphore.release();
    }
}
实际用的时候,最易忽略的是 permit 的「生命周期管理」——它不和线程绑定,也不自动回收。一次 acquire() 必须配一次 release(),漏掉一次,可用 permit 就永久少一个。

本篇关于《Java信号量控制并发详解》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

恢复Windows11经典照片查看器教程恢复Windows11经典照片查看器教程
上一篇
恢复Windows11经典照片查看器教程
Win11内存信息查看全攻略
下一篇
Win11内存信息查看全攻略
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。
    264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。
    316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。
    300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。
    273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。
    93次使用