AQSSIGNAL状态详解与作用分析
SIGNAL状态在AQS中并非表示“当前节点等待被唤醒”,而是前驱节点对后继节点作出的明确承诺——“我释放锁时必定唤醒你”,这一关键契约决定了SIGNAL只能由已就绪的前驱节点在挂起自身前通过CAS安全设置,后继节点既无权也无力自行设定;理解这一设计能避免常见误操作(如在enq中提前设SIGNAL导致CAS失败或逻辑混乱),厘清AQS唤醒机制的本质是责任委托而非被动等待,从而真正掌握同步队列中线程挂起与唤醒的精准协作逻辑。

为什么 SIGNAL 必须由前驱节点设置,而不是后继自己设
因为 SIGNAL 的语义是“我释放锁时,必须 unpark 我的后继”,这个责任只能由前驱节点承担——后继线程还没入队完成、甚至还没构造好 Node,根本无法安全地给自己或别人设状态。
常见错误现象:有人试图在 enq() 中让新节点一入队就 compareAndSetWaitStatus(this, 0, SIGNAL),结果要么 CAS 失败(前驱还没来得及更新),要么逻辑错乱(此时前驱可能还是 head,而 head 的 waitStatus 本不该是 SIGNAL)。
SIGNAL是一种“委托唤醒”契约:只有当前节点确认自己会释放资源(比如调用release()),才配把SIGNAL设给前驱- 前驱节点设
SIGNAL的时机,是在它准备park()自己之前,用compareAndSetWaitStatus(p, 0, SIGNAL)尝试标记自己为“可唤醒后继” - 如果 CAS 失败(比如前驱已被其他线程设为
CANCELLED),说明队列状态已变,当前线程应重试或放弃入队
入队过程中谁在什么时候修改 waitStatus 为 SIGNAL
不是后继线程设的,也不是 AQS 构造器自动设的,而是前驱节点在挂起自己前,通过 shouldParkAfterFailedAcquire() 循环中的一次 CAS 设置。
典型流程(以 acquireQueued() 为例):
- 线程 A 尝试
acquire()失败 → 调用addWaiter(Node.EXCLUSIVE)入队 → 成为 tail - 进入
acquireQueued(node, arg)循环,先检查前驱是否是head - 如果不是,调用
shouldParkAfterFailedAcquire(p, node),其中p是前驱节点 - 该方法会判断:
p.waitStatus == SIGNAL→ 直接返回 true;否则尝试compareAndSetWaitStatus(p, 0, SIGNAL) - 只有这次 CAS 成功,才表示“前驱已承诺会在释放时唤醒我”
注意:compareAndSetWaitStatus(p, 0, SIGNAL) 的第一个参数是前驱节点 p,不是当前节点 node —— 这个细节决定了谁对唤醒负责。
SIGNAL 为 0 或 CANCELLED 时后继线程的行为差异
后继线程是否能安全挂起,完全取决于前驱的 waitStatus 值。这不是约定,而是 AQS 的硬性守门逻辑。
waitStatus == SIGNAL:前驱已明确承诺唤醒,当前线程可放心LockSupport.park()waitStatus == 0:前驱尚未设 SIGNAL,当前线程不能 park,必须继续循环等待或帮前驱设状态waitStatus == CANCELLED(值为 1):前驱已失效,需跳过它,往前找第一个非CANCELLED前驱;找不到则重试入队waitStatus == CONDITION或PROPAGATE:说明前驱不在同步队列主路径上,当前线程需重新评估排队位置
性能影响:这个检查看似多一次 volatile 读 + 可能的 CAS,但避免了无谓的 park/unpark 开销。实测中,95% 以上场景在第二次循环就能看到 SIGNAL,无需自旋太久。
容易被忽略的关键点:SIGNAL 不是“我等着被唤醒”,而是“我负责唤醒下一个”
这是最常被误解的地方。SIGNAL 存在于前驱节点上,描述的是前驱节点的义务,不是后继节点的状态。后继节点自己永远不设 SIGNAL,它只读前驱的 waitStatus 来决定是否挂起。
如果你在调试时发现某个节点的 waitStatus 长时间为 0,不要急着给它手动设 SIGNAL —— 它的前驱可能还在初始化、已被取消、或根本没走到设状态那步。真正要盯的是:它的前驱有没有成功执行 compareAndSetWaitStatus(p, 0, SIGNAL),以及该 CAS 是否返回了 true。
到这里,我们也就讲完了《AQSSIGNAL状态详解与作用分析》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!
忽略大小写比较,String.regionMatches用法详解
- 上一篇
- 忽略大小写比较,String.regionMatches用法详解
- 下一篇
- QQ邮箱官网登录入口及使用方法
-
- 文章 · java教程 | 4小时前 | 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 | 7小时前 | 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 | 15小时前 | 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 | 21小时前 |
- 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 | 23小时前 | 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 | 1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
-
- 文章 · java教程 | 1天前 | Java · 可观测性 ·
- Java JFR EventStream 怎么实时消费运行事件
- 145浏览 收藏
-
- 文章 · java教程 | 1天前 | Java ·
- Java Class-File API 怎么读取类文件结构
- 419浏览 收藏
-
- 文章 · java教程 | 1天前 | Java · Stream ·
- Java Stream Gatherer 怎么实现有状态中间操作
- 494浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java record pattern 怎么拆解嵌套数据
- 223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。
- 256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。
- 301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。
- 280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。
- 257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。
- 67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

