Java多线程同步:CountDownLatch使用详解
2026-05-14 17:13:22
0浏览
收藏
CountDownLatch是Java并发编程中一个简洁而强大的同步工具,专为解决“等待多个线程全部完成后再继续执行”的典型场景而设计:它通过初始化倒计时器、子线程调用countDown()递减计数、主线程调用await()阻塞等待归零来实现优雅协同,具备语义清晰、使用简单、线程安全等优势;虽为一次性组件(不可重置),但配合超时机制和恰当的中断处理,能显著提升多线程任务协调的可靠性与健壮性,是开发高可用并发应用不可或缺的利器。

在Java多线程编程中,经常会遇到需要等待多个线程完成各自任务后再继续执行主线程逻辑的场景。CountDownLatch 是 java.util.concurrent 包提供的一个非常实用的同步工具,能够帮助我们优雅地实现这种“等待所有子线程完成”的需求。
什么是CountDownLatch
CountDownLatch 可以理解为一个倒计数门闩。它通过一个初始的计数值创建,每当一个线程完成任务就调用 countDown() 方法将计数减一。主线程或其他线程可以调用 await() 方法阻塞自己,直到计数变为零,表示所有任务都已完成。
它的核心特性是:一旦计数归零,所有因 await() 被阻塞的线程会自动被唤醒,且这个状态不可逆——不能重置或重复使用。
基本使用步骤
要使用 CountDownLatch 实现多线程任务等待,通常遵循以下几个步骤:
- 创建 CountDownLatch 实例,传入需要等待的线程数量作为计数值
- 在线程任务执行完毕的位置调用 latch.countDown()
- 在需要等待的地方(如主线程)调用 latch.await()
import java.util.concurrent.CountDownLatch;
public class TaskWorker implements Runnable {
private final CountDownLatch latch;
public TaskWorker(CountDownLatch latch) {
this.latch = latch;
}
@Override
public void run() {
try {
// 模拟任务执行
System.out.println(Thread.currentThread().getName() + " 正在执行任务...");
Thread.sleep(1000);
System.out.println(Thread.currentThread().getName() + " 任务完成");
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
} finally {
latch.countDown(); // 任务完成,计数减一
}
}
public static void main(String[] args) throws InterruptedException {
int threadCount = 3;
CountDownLatch latch = new CountDownLatch(threadCount);
for (int i = 0; i
适用场景与注意事项
CountDownLatch 特别适用于以下几种情况:
- 多个并行任务必须全部完成才能继续后续处理
- 主线程需要启动多个辅助线程,并等待它们初始化完成再开始工作
- 测试并发程序时,确保所有线程执行完毕再验证结果
但需要注意几点:
- CountDownLatch 是一次性使用的,一旦计数归零就不能再次使用。如果需要重复使用,考虑 CyclicBarrier
- await() 方法会响应中断,建议在可能抛出 InterruptedException 的情况下正确处理中断信号
- 可以调用带超时的 await(long timeout, TimeUnit unit),避免无限等待
带超时的等待方式
有时我们不希望主线程永远等待下去,可以通过设置超时机制来增强程序健壮性:
if (latch.await(5, TimeUnit.SECONDS)) {
System.out.println("所有任务在规定时间内完成");
} else {
System.out.println("等待超时,部分任务可能未完成");
}
这种方式更适合生产环境,防止因个别线程卡死导致整个流程停滞。
基本上就这些。CountDownLatch 使用简单、语义清晰,是处理“等待多个线程结束”场景的理想选择。只要注意其一次性特性和异常处理,就能在实际项目中稳定可靠地发挥作用。
本篇关于《Java多线程同步:CountDownLatch使用详解》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!
智学网学习手册下载及报告获取方法
- 上一篇
- 智学网学习手册下载及报告获取方法
- 下一篇
- Java注解原理详解:元注解、自定义与处理器解析
查看更多
最新文章
-
- 文章 · java教程 | 18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 | 21小时前 |
- 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 | 3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
-
- 文章 · java教程 | 4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
查看更多
课程推荐
-
- 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
查看更多
AI推荐
-
- 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。
- 297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。
- 352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。
- 353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。
- 318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。
- 136次使用
查看更多
相关文章
-
- 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

