当前位置:首页 > 文章列表 > 文章 > java教程 > ByteBuffer的slice与duplicate区别详解

ByteBuffer的slice与duplicate区别详解

2026-05-11 08:28:00 0浏览 收藏
本文深入剖析了 Java NIO 中 ByteBuffer 的 slice() 与 duplicate() 操作本质:二者均不复制底层数据,而是创建共享内存的轻量级视图,但语义和适用场景截然不同——slice() 严格限定于当前可读区间(position 到 limit),新缓冲区从 0 开始索引,适合协议解析等零拷贝场景;duplicate() 则全量共享整个底层数组,索引状态独立但数据修改实时可见,极易在多线程中引发隐秘的数据竞争;更关键的是,Netty 的 ByteBuf.slice() 在继承 JDK 语义的同时引入引用计数约束,若原缓冲区被提前释放,slice 视图将直接失效崩溃。文章直击开发者高频踩坑点,如忘记 flip() 导致切出空数据、误用 duplicate() 造成并发污染、跨线程传递 slice 而未 retain 引发非法引用异常,并清晰划定了 slice、duplicate 和 copy 的使用边界——是否允许修改穿透、是否需脱离原始生命周期,才是选择的核心依据。

如何通过 ByteBuffer 的 slice() 与 duplicate() 操作理解 NIO 缓冲区的视图隔离与数据共享

slice() 创建的是可读字节范围的独立视图

调用 slice() 时,新 ByteBuffer 的底层数据数组与原缓冲区完全共享,但它的逻辑边界被严格限定在 position 到 limit 之间(即 remaining() 字节数)。这意味着:

  • 新缓冲区的 position 总是 0,capacity 和 limit 都等于原缓冲区的 remaining()
  • 对任一缓冲区的 put() 或 get() 操作,只要落在共享内存区间内,另一方立刻可见
  • 两个缓冲区的索引状态(position、limit、mark)互不影响;修改原缓冲区的 position 不会改变 slice 出来的缓冲区内容起始点
  • 如果原缓冲区是只读(isReadOnly() 返回 true)或堆外(isDirect() 为 true),slice 出来的缓冲区也会继承这些属性

典型误用:在调用 slice() 前忘了先 flip(),导致 slice 出来的是从当前 position 开始的“空余空间”,而非已写入的有效数据。

duplicate() 是全量共享副本,但索引各自独立

duplicate() 返回的新 ByteBuffer 与原缓冲区共享**整个底层数组**(从 0 到 capacity),且所有元数据(capacity、limit、position、mark)初始值都一致。但它不是拷贝数据,只是复制了缓冲区的“描述信息”。

  • 修改任一缓冲区的 position 或 limit,不会影响另一个——这是和 slice() 相同的关键点
  • 但两者操作同一内存地址:往 duplicate 出来的缓冲区 put(0, (byte)99),原缓冲区索引 0 处的值也会变成 99
  • 如果原缓冲区是只读,duplicate 出来的也只读;如果是 direct,duplicate 出来的也是 direct
  • 注意:duplicate() 不会重置原缓冲区的 position,也不触发任何引用计数变更(它不涉及 Netty 的 ByteBuf)

常见陷阱:误以为 duplicate() 是安全的“浅拷贝”,结果在多线程中让两个 Handler 同时操作同一块内存,引发数据竞争。

Netty 的 ByteBuf.slice() 行为更聚焦于可读区域

Netty 的 ByteBuf.slice() 语义比 JDK ByteBuffer.slice() 更明确:它只切出 [readerIndex, writerIndex) 区间,也就是“当前可读字节”部分,且新 ByteBuf 的 readerIndex 固定为 0,writerIndex = readableBytes()。

  • 这个 slice 出来的 ByteBuf 仍受引用计数约束;它不调用 retain(),所以若原 ByteBuf 被 release(),slice 视图可能失效(访问会抛 IllegalReferenceCountException)
  • 它不改变原 ByteBuf 的 readerIndex 或 writerIndex,这点和 JDK 的 slice() 一致
  • 如果你需要脱离原 ByteBuf 生命周期的副本,必须显式调用 copy(),而不是 slice()

真实踩坑场景:在 ChannelHandler 中对入站 ByteBuf 调用 slice() 后传给业务线程处理,但主线程紧接着就 release() 了原 ByteBuf,导致业务线程读取时直接崩溃。

什么时候该用 slice(),什么时候必须 copy()

核心判断依据就一条:是否允许数据修改穿透到原始缓冲区,以及是否需要脱离其生命周期。

  • 用 slice():协议解析时拆分 header/body(需保持零拷贝、且生命周期一致)、日志模块只读查看某段内容、构建复合消息视图
  • 必须用 copy()(Netty)或 ByteBuffer.allocate().put(src).flip()(JDK):跨线程传递、缓存部分内容、需要修改副本而不影响源、或者原缓冲区即将释放
  • 慎用 duplicate():仅适合临时做索引遍历(比如先 scan 再 reset),不适合长期持有或跨作用域传递;它最容易掩盖并发问题

最常被忽略的一点:JDK 的 ByteBuffer 没有引用计数,所以 slice() 和 duplicate() 的“共享”是纯粹内存层面的;而 Netty 的 ByteBuf.slice() 共享内存的同时还共享引用计数上下文——这使得“视图隔离”在语义上更脆弱,也更需要开发者主动管理生命周期。

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~

作业帮免费入口-全科答案查询平台作业帮免费入口-全科答案查询平台
上一篇
作业帮免费入口-全科答案查询平台
phpEnv离线安装教程及下载指南
下一篇
phpEnv离线安装教程及下载指南
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。
    356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。
    416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。
    424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。
    378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。
    201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