如何通过 AQS 的独占模式源码剖析 ReentrantLock 实现非公平竞争的抢占逻辑
本篇文章给大家分享《如何通过 AQS 的独占模式源码剖析 ReentrantLock 实现非公平竞争的抢占逻辑》,覆盖了文章的常见基础知识,其实一个语言的全部知识点一篇文章是不可能说完的,但希望通过这些问题,让读者对自己的掌握程度有一定的认识(B 数),从而弥补自己的不足,更好的掌握它。
非公平锁的lock()方法先通过CAS直接抢占锁,成功则立即持有,失败才入队;其核心是跳过队列检查、允许插队,吞吐量更高但可能引发饥饿。

非公平锁的 lock() 方法直接 CAS 抢占
ReentrantLock 默认构造时创建的是 NonfairSync 实例,它的 lock() 方法第一行就体现“非公平”本质:不查队列、不等顺序,直接 compareAndSetState(0, 1) 尝试把锁状态从空闲改为已占用。
这个操作成功,就立刻调用 setExclusiveOwnerThread(Thread.currentThread()),把当前线程设为持有者,整个加锁过程结束——连 AQS 的排队逻辑都绕过了。
常见错误现象是误以为“调用了 lock() 就一定进队列”,其实只要没有竞争,非公平锁根本不会触发 acquire(1) 流程;只有 CAS 失败时才走标准排队路径。
- 场景:低并发或锁刚释放后立即有新线程来抢,大概率命中 CAS 成功
- 参数差异:
state初始为 0,CAS 目标值固定为 1,不依赖队列长度或前驱节点状态 - 性能影响:避免了入队、唤醒、上下文切换开销,吞吐量比公平锁高 10%–30%,实测在 Contended Lock 场景下尤为明显
nonfairTryAcquire() 允许插队重试
当线程在 acquire(1) 中调用 tryAcquire() 时,NonfairSync 委托给 nonfairTryAcquire(int)。它和公平锁的 tryAcquire() 最大区别在于:即使 AQS 队列里已有等待线程,只要 state == 0,它仍会再次尝试 CAS 抢占。
也就是说,一个刚到达的线程,可能在队列里排第三,却因为此时锁恰好被释放(state 回到 0),直接抢走——把原本该轮到的队首线程“插队”了。
- 容易踩的坑:以为“进了
acquire()就老老实实排队”,其实nonfairTryAcquire()在每次循环中都会无条件重试抢占 - 关键判断只有两个:
if (c == 0)和else if (current == getExclusiveOwnerThread()),前者不检查hasQueuedPredecessors() - 兼容性注意:JDK 8–21 所有版本行为一致,但某些定制 JVM(如 Zing)可能对 CAS 失败后退避策略做微调
公平锁的 hasQueuedPredecessors() 是分水岭
对比来看,FairSync.tryAcquire() 开头就调用 hasQueuedPredecessors(),这个方法返回 true 当且仅当:队列非空 **且** 队首后继节点不是当前线程(即存在更早排队者)。
一旦返回 true,哪怕 state == 0,它也直接返回 false,强制当前线程进队——这就是“公平”的代码落点。
而 NonfairSync 完全跳过这步检查,所以它的抢占逻辑既发生在 lock() 入口,也藏在每次 acquireQueued 循环的 tryAcquire() 调用里。
- 调试技巧:在
nonfairTryAcquire中加断点,观察getState()和hasQueuedPredecessors()返回值,能直观看到插队时机 - 不要混淆:队列是否为空(
head == tail)≠ 是否有前驱,hasQueuedPredecessors()看的是head.next != null && head.next.thread != current
为什么默认非公平?关键在 acquireQueued 的自旋设计
acquireQueued() 是 AQS 独占模式的核心循环体,它在 park 前会反复调用 tryAcquire()。对非公平锁来说,这就意味着:一个已在队列中的线程,在被 unpark 唤醒后,第一件事不是谦让,而是再抢一次。
这种“唤醒即抢占”的设计,配合入口处的初始 CAS,构成了两层非公平保障:未入队时抢,入队后唤醒还抢。
真正容易被忽略的复杂点是:这种逻辑在高竞争下会导致部分线程长期得不到调度(饥饿风险),但 JDK 工程师权衡后认为,实际业务中线程调度器本身就有时间片机制兜底,且吞吐收益远大于理论饥饿概率。
今天关于《如何通过 AQS 的独占模式源码剖析 ReentrantLock 实现非公平竞争的抢占逻辑》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!
如何通过css transition-property指定过渡属性
- 上一篇
- 如何通过css transition-property指定过渡属性
- 下一篇
- phpEnv安装CubeJS教程 phpEnv分析型后端配置
-
- 文章 · java教程 | 3小时前 | 并发编程 · Java教程 · java 并发锁 reentrantlock tryLock
- Java ReentrantLock tryLock 超时与资源释放
- 190浏览 收藏
-
- 文章 · java教程 | 23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 | 1天前 |
- 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 | 4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 | 4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 | 4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
-
- 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。
- 301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。
- 357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。
- 356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。
- 323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。
- 142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

