当前位置:首页 > 文章列表 > 文章 > java教程 > ReentrantLockFairSync源码解析:AQS唤醒机制详解

ReentrantLockFairSync源码解析:AQS唤醒机制详解

2026-04-29 23:54:48 0浏览 收藏
本文深入剖析了ReentrantLock中FairSync公平锁的底层实现机制,重点揭示了其“先来先服务”原则并非依赖唤醒时的排序,而是通过在加锁入口处严格拦截——即tryAcquire调用hasQueuedPredecessors()主动检查队列中是否存在更早等待的线程,一旦发现有人排队在前,立即拒绝获取并强制入队,从根源上杜绝插队;同时澄清了unparkSuccessor为何需从tail向前遍历寻找有效后继,而非简单取node.next,从而帮助读者穿透AQS表层逻辑,真正理解公平锁“公平性”的本质所在。

怎么利用 ReentrantLock 的 FairSync 源码理解 AQS 队列对等待线程的唤醒策略

FairSync 的 tryAcquire 怎么体现“先来先服务”

公平锁的核心不是“不插队”,而是「在尝试获取锁前,先检查队列里有没有更早等待的线程」。FairSync 的 tryAcquire 会调用 hasQueuedPredecessors() —— 这个方法才是公平性的关键判据。

它返回 true 的条件是:AQS 等待队列非空,且 head.next 对应的节点(即真正排队等锁的第一个线程)不是当前线程。只要队列里有人排在前面,哪怕 state == 0,tryAcquire 也直接返回 false,强制当前线程进队,而不是像 NonfairSync 那样 CAS 抢一次再说。

所以公平性不是靠唤醒顺序保证的,而是靠「获取阶段就拒绝插队」实现的。这点容易误解:很多人以为 FairSync 是唤醒时才排序,其实排队逻辑在加锁入口就卡死了。

unparkSuccessor 为什么从 tail 往前找有效后继

unparkSuccessor 在释放锁时被调用,目标是唤醒「队列中下一个该抢锁的线程」。但它不简单取 node.next,而是:

  • 先检查 node.next 是否存在且 waitStatus (即不是已取消的节点)
  • 如果不符合,就从 tail 开始向前遍历,找离 node 最近的一个有效节点

这是因为 AQS 队列的入队操作是「先连 prev,再连 next」,存在短暂窗口:新节点已设置 prev 指向 tail,但还没来得及更新 tail 的 next。此时从 tail 往前扫,能避开这个竞态,确保找到真正可唤醒的节点。

这个设计和 FairSync 无关,是 AQS 通用机制,但对理解公平锁的唤醒可靠性很重要——它不依赖 next 字段的绝对正确性,而是用更健壮的反向扫描兜底。

为什么 FairSync 的 acquireQueued 里要 selfInterrupt

当线程在队列中等待时,可能被中断(Thread.interrupt())。FairSync 的 acquireQueued 在检测到中断状态后,会调用 selfInterrupt()(即 Thread.currentThread().interrupt())。

这不是多此一举,原因有二:

  • 线程在 park 时被中断,JVM 会清除中断状态,只抛 InterruptedException;但 AQS 中线程是通过 LockSupport.park() 阻塞的,它不会抛异常,只会让 Thread.interrupted() 返回 true,然后继续循环
  • selfInterrupt() 是把中断“还回去”,让上层调用者(比如 lockInterruptibly())能感知并处理中断,而不是静默吞掉

这点在公平锁场景下尤其关键:一个被中断的线程如果默默继续排队,就破坏了“响应中断”的契约。而 selfInterrupt() 是保障这一语义的最小必要动作。

state == 0 时 unparkSuccessor 还会执行吗

会,而且必须执行。常见误区是认为「只有释放锁成功(state 变为 0)才唤醒」,但 unparkSuccessor 是在 tryRelease 返回 true 后立即调用的,而 tryRelease 返回 true 的唯一条件就是 state == 0。

换句话说:只有完全释放(state 归零)才会触发唤醒。这正是可重入锁的设计约束——如果一个线程持有锁 3 次,前两次 unlock() 调用 tryRelease 都返回 false,不会唤醒任何人;只有第三次归零,才唤醒队首。

这个细节决定了公平锁的唤醒时机非常确定:不是“每次 unlock 都唤醒”,而是“彻底释放后,唤醒下一个排队者”。漏掉这一点,就容易误以为公平锁唤醒是逐次进行的。

今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

Golang二分查找实现与优化方法Golang二分查找实现与优化方法
上一篇
Golang二分查找实现与优化方法
弹窗广告怎么关?电脑拦截教程
下一篇
弹窗广告怎么关?电脑拦截教程
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。
    273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。
    325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。
    317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。
    289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。
    108次使用