当前位置:首页 > 文章列表 > 文章 > java教程 > 锁粗化(Lock Coarsening):分析在循环内频繁加锁变量时,JVM 如何自动合并锁范围

锁粗化(Lock Coarsening):分析在循环内频繁加锁变量时,JVM 如何自动合并锁范围

2026-05-24 11:24:37 0浏览 收藏

小伙伴们对文章编程感兴趣吗?是否正在学习相关知识点?如果是,那么本文《锁粗化(Lock Coarsening):分析在循环内频繁加锁变量时,JVM 如何自动合并锁范围》,就很适合你,本篇文章讲解的知识点主要包括。在之后的文章中也会多多分享相关知识点,希望对大家的知识积累有所帮助!

锁粗化是JVM JIT编译器自动将同一锁、同一线程、连续无干扰的多次加锁解锁合并为一次大范围同步的操作,典型场景是循环内对未逃逸局部对象(如StringBuffer)的反复同步调用。

锁粗化(Lock Coarsening):分析在循环内频繁加锁变量时,JVM 如何自动合并锁范围

锁粗化不是开发者手动调整的策略,而是 JVM 的 JIT 编译器(主要是 HotSpot 的 C2 编译器)在运行时识别出特定代码模式后,自动把多个细粒度加锁/解锁操作合并成一次更大范围同步的过程。它针对的是「同一把锁、同一线程、连续执行、中间无干扰」的场景,尤其常见于循环体内对共享对象的反复同步调用。

锁粗化在循环中的典型触发条件

当循环体内部每次迭代都对同一个锁对象执行 synchronized 块,且满足以下全部条件时,JIT 才可能将其粗化:

  • 锁对象是局部变量或逃逸分析判定为未逃逸的对象(如 new Object() 或 final 字段)
  • 循环内没有方法调用可能引发锁语义变化(例如 obj.wait()、obj.notify(),或任何可能被重写的同步方法)
  • 循环中没有条件分支(if、switch)、异常处理(try-catch)或跳出逻辑(break、return)打断同步流
  • 循环体内的操作不涉及将锁对象暴露给其他线程(比如存入 static 集合、传给 logger、放入 ThreadLocal 以外的容器)

为什么 StringBuffer.append() 在循环里常被粗化

StringBuffer 的 append() 是同步方法,下面这段代码是锁粗化的经典示例:

public String test() {
  StringBuffer sb = new StringBuffer();
  for (int i = 0; i < 100; i++) {
    sb.append("a");
  }
  return sb.toString();
}

JIT 会发现:100 次 sb.append() 实际上是对同一个 sb 对象重复加锁释放。由于 sb 是局部变量、未逃逸、循环中无分支无调用(append 内部被内联),C2 编译器就可能把整个循环包裹进一个大的 synchronized(sb) 块——等效于只加锁一次、执行完所有 append、再解锁一次。

实际效果与注意事项

粗化后性能提升明显,但代价是锁持有时间变长,可能加剧其他线程的等待。因此 JIT 对循环内的粗化非常谨慎:

  • 它通常不会把「循环体本身」直接粗化,而是把循环内多个相邻的独立 synchronized 块合并(例如三个分开写的 synchronized(sb) { sb.append(...); })
  • 一旦循环中出现 sb.toString() 这类可能触发 monitor 退出语义的方法,或插入日志、计数器更新等非纯操作,粗化就会失效
  • 冷启动、短命程序、低频调用方法根本等不到 C2 编译,所以本地简单 for 循环测试往往看不到效果;需确保方法被调用超 10000 次(默认阈值),并启用 -XX:+PrintCompilation 观察编译日志中是否出现 coarsened

怎么确认你的代码被粗化了

不能靠肉眼或单次执行耗时判断。有效方式是:

  • 添加 JVM 参数:-XX:+UnlockDiagnosticVMOptions -XX:+PrintCompilation -XX:+PrintInlining
  • 让程序稳定运行足够久(比如压测几分钟),观察输出日志中对应方法名是否带 coarsened 或 lock coarsening 字样
  • 配合 JMH 做微基准测试,关闭预热干扰,对比开启/关闭 -XX:-EliminateLocks(也控制粗化)前后的吞吐量差异

终于介绍完啦!小伙伴们,这篇关于《锁粗化(Lock Coarsening):分析在循环内频繁加锁变量时,JVM 如何自动合并锁范围》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

如何在Golang中实现聊天室群聊管理如何在Golang中实现聊天室群聊管理
上一篇
如何在Golang中实现聊天室群聊管理
Python 装饰器如何正确处理带参数函数?
下一篇
Python 装饰器如何正确处理带参数函数?
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。
    513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。
    572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。
    598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。
    550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。
    367次使用