当前位置:首页 > 文章列表 > 文章 > java教程 > 公平锁与非公平锁区别及性能对比

公平锁与非公平锁区别及性能对比

2026-05-31 18:15:34 0浏览 收藏
ReentrantLock的公平锁与非公平锁核心差异在于线程获取锁的调度策略:公平锁强制FIFO排队,保障响应可预测但吞吐低、易暴露锁顺序缺陷;非公平锁允许新线程抢占,显著提升高并发下的性能(实测快2–5倍),减少上下文切换开销,是多数业务更优默认选择——但需谨记,其公平性仅作用于lock()方法,tryLock()永远非公平,且该机制仅约束JVM内线程竞争,与数据库事务、分布式场景完全无关,误用公平锁不仅无法解决脏读或死锁根本问题,反而可能将偶发问题固化为必现故障。

如何在Java中实现公平锁与非公平锁_ReentrantLock构造函数参数与性能差异测试

ReentrantLock(true) 和 ReentrantLock(false) 到底差在哪

公平锁和非公平锁的差别不在“能不能抢”,而在“要不要排队”。ReentrantLock(true) 强制线程按等待顺序获取锁,ReentrantLock(false)(默认)允许新来的线程直接尝试抢占——哪怕队列里有人等着。

这会导致两种截然不同的行为模式:公平锁吞吐低、延迟可预测;非公平锁吞吐高、但个别线程可能饿死。

  • 公平锁适合对响应时间敏感、且持有锁时间极短的场景(比如高频小粒度同步)
  • 非公平锁是绝大多数业务的合理默认:它减少了线程挂起/唤醒次数,CPU 缓存更友好
  • 注意:ReentrantLock 的公平性只影响 lock(),不影响 tryLock() ——后者永远是非公平的

怎么测出公平锁真的更慢

别用单线程测,也别只压 10 次。公平锁的性能代价主要体现在高并发争抢 + 锁持有时间短时的上下文切换放大效应。

一个靠谱的最小测试结构:

for (int i = 0; i  {
        for (int j = 0; j 
  • 线程数建议 ≥ 8,每线程迭代 ≥ 10000,否则调度噪声盖过差异
  • 用 System.nanoTime() 测总耗时,别信 System.currentTimeMillis()
  • 实测中,非公平锁在 16 线程争抢下通常比公平锁快 2–5 倍;公平锁的 99% 延迟更集中,但平均延迟更高

公平锁不是“更安全”,反而容易暴露隐蔽 bug

很多人以为公平锁能避免死锁或活锁——其实它只是让问题更容易复现。

比如两个线程交叉持有锁 A/B 并尝试获取对方的锁,非公平锁可能因随机抢占“侥幸”绕过死锁;而公平锁会严格排队,大概率卡死在第一步。

  • 公平锁会让“锁顺序依赖”类 bug 更稳定触发,调试时反而更难绕过去
  • 如果业务逻辑本身没保证锁获取顺序,开公平锁只是把偶发 hang 变成必现 hang
  • ReentrantLock.isFair() 返回 true 不代表当前没被插队——它只说明构造时传了 true,不反映运行时状态

别在 Spring @Transactional 里手动配公平锁

Spring 的声明式事务底层用的是 DataSourceTransactionManager 或 JTA,和 ReentrantLock 完全无关。你在 service 方法里 new 一个 ReentrantLock(true),既不会影响数据库事务隔离级别,也不会让@Transactional 更“公平”。

  • @Transactional 控制的是数据库连接和事务传播,不是 JVM 线程调度
  • 混合使用容易造成误解:比如认为“加了公平锁就能防止脏读”,其实完全不相关
  • 真要控制并发访问 DB,该用 SELECT ... FOR UPDATE 或应用层分布式锁,而不是本地 JVM 锁
公平锁和非公平锁的选择,本质是在“确定性”和“效率”之间做权衡。但这个权衡的前提是你清楚锁的边界——它只管本 JVM 内的线程,不管数据库、RPC、缓存或用户请求。一不小心,就拿错工具去拧螺丝。

终于介绍完啦!小伙伴们,这篇关于《公平锁与非公平锁区别及性能对比》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!

百度优选绑定手机号步骤详解百度优选绑定手机号步骤详解
上一篇
百度优选绑定手机号步骤详解
Go自定义log.Logger前缀与输出方法
下一篇
Go自定义log.Logger前缀与输出方法
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。
    229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。
    275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。
    237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。
    222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。
    19次使用