当前位置:首页 > 文章列表 > 文章 > java教程 > 如何通过分析 Class.forName 产生的锁竞争解决应用启动时的性能缓慢问题

如何通过分析 Class.forName 产生的锁竞争解决应用启动时的性能缓慢问题

2026-05-03 15:46:53 0浏览 收藏

一分耕耘,一分收获!既然都打开这篇《如何通过分析 Class.forName 产生的锁竞争解决应用启动时的性能缓慢问题》,就坚持看下去,学下去吧!本文主要会给大家讲到等等知识点,如果大家对本文有好的建议或者看到有不足之处,非常欢迎大家积极提出!在后续文章我会继续更新文章相关的内容,希望对大家都有所帮助!

Class.forName会触发ClassLoader.loadClass的同步锁竞争,导致高并发下线程阻塞;可通过ConcurrentHashMap缓存+computeIfAbsent避免重复加载,配合启动预热和统一ClassLoader复用缓解。

如何通过分析 Class.forName 产生的锁竞争解决应用启动时的性能缓慢问题

Class.forName 会触发类加载器锁竞争

Class.forName 默认会触发类加载器的 loadClass 流程,而 JVM 的双亲委派机制在 ClassLoader.loadClass(String, boolean) 中对类名做了同步保护——尤其是当多个线程并发调用 Class.forName("com.example.Foo") 时,若该类尚未加载,它们会争抢同一个 ClassLoader 实例上的 monitor 锁。

这种锁不是你代码里写的 synchronized,而是 JVM 内部实现的重量级锁;一旦发生锁膨胀(比如高并发 + 频繁未命中缓存),就会出现大量线程卡在 Object.wait() 或 Unsafe.park(),表现为启动阶段 CPU 不高但耗时飙升。

  • 典型现象:应用启动日志中看到多条“Loading class X”几乎同时开始,但结束时间错开几十到几百毫秒
  • 堆栈里频繁出现 java.lang.ClassLoader.loadClass 调用链,且线程状态为 WAITING 或 BLOCKED
  • 使用 jstack -l 可观察到多个线程在等待同一 sun.misc.Launcher$AppClassLoader 实例

ConcurrentHashMap 缓存 Class.forName 结果能绕过锁

核心思路是:不让多个线程重复走到 JVM 的 loadClass 同步入口。自己用 ConcurrentHashMap 缓存已加载的 Class,后续直接返回,跳过锁检查。

注意必须用 computeIfAbsent,它内部基于 CAS + volatile 写入,不依赖外部锁;且传入的 lambda 只会在 key 不存在时执行一次,天然避免并发重复加载:

private static final Map> CLASS_CACHE = new ConcurrentHashMap<>();

public static Class safeLoadClass(String className) throws ClassNotFoundException {
    return CLASS_CACHE.computeIfAbsent(className, name -> {
        try {
            return Class.forName(name, true, Thread.currentThread().getContextClassLoader());
        } catch (ClassNotFoundException e) {
            throw e;
        }
    });
}
  • 不要用 get + putIfAbsent 组合,存在竞态窗口:两次调用可能都查不到、都触发 Class.forName
  • 缓存 key 必须包含 classloader,否则不同 classloader 加载同名类会冲突(不过多数启动场景用的是 AppClassLoader,可暂不考虑)
  • 如果类加载失败,computeIfAbsent 会把异常包装成 RuntimeException 抛出,需在外层捕获处理

预热关键类可摊薄锁竞争压力

启动初期集中触发类加载,比分散在运行时更可控。与其让 50 个线程在 1 秒内随机调用 Class.forName,不如在 main 方法开头或 Spring ApplicationContext 初始化前,用单线程批量加载。

例如 JDBC 驱动预热:

// 在应用真正初始化前执行
List driverClasses = Arrays.asList(
    "com.mysql.cj.jdbc.Driver",
    "com.zaxxer.hikari.HikariDataSource",
    "org.springframework.jdbc.core.JdbcTemplate"
);
driverClasses.forEach(Classes::safeLoadClass); // 复用上面的缓存方法
  • 避免在静态块里直接 Class.forName,因为静态块执行顺序不可控,可能被其他类间接触发,反而加剧竞争
  • 预热应避开高并发路径(如 Servlet 初始化、BeanPostProcessor 回调),选在主线程空闲期做
  • 预热后仍要保留缓存逻辑——运行时反射调用(如 JSON 反序列化)仍可能触发新类加载

锁竞争最隐蔽的点:锁对象不稳定

如果你封装了 Class.forName 工具类,但每次调用都 new 一个临时 ClassLoader 实例,或者用字符串字面量作锁标识(如 synchronized("key")),那缓存和预热都白做——JVM 无法复用偏向锁,每次都是重量级锁。

真正有效的做法是:

  • 确保所有 Class.forName 调用走同一个上下文 ClassLoader(通常是 Thread.currentThread().getContextClassLoader())
  • 缓存 Map 声明为 static final,避免被 GC 或重置
  • 不要在循环里反复调用 Class.forName 加载同一类,哪怕加了缓存,也浪费哈希查找开销

锁竞争问题从来不在“有没有锁”,而在“锁是不是打在了不该打的地方”。Class.forName 的锁藏得深,但只要盯住类加载器实例的生命周期和复用性,就能把它从性能瓶颈变成透明通道。

今天关于《如何通过分析 Class.forName 产生的锁竞争解决应用启动时的性能缓慢问题》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!

CSS中如何实现具有呼吸感的颜色闪烁特效_结合animation与opacityCSS中如何实现具有呼吸感的颜色闪烁特效_结合animation与opacity
上一篇
CSS中如何实现具有呼吸感的颜色闪烁特效_结合animation与opacity
在Java里包装类型为何存在_Java基本类型封装说明
下一篇
在Java里包装类型为何存在_Java基本类型封装说明
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。
    256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。
    301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。
    278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。
    257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。
    65次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码