当前位置:首页 > 文章列表 > 文章 > java教程 > Java 虚拟线程为什么不适合长时间持有锁

Java 虚拟线程为什么不适合长时间持有锁

来源:17golang原创 2026-10-26 03:44:48 0浏览 收藏

虚拟线程降低了大量等待任务的线程成本,却不会让同一把独占锁同时被多人持有。锁内做慢I/O或长计算,仍会让竞争者排队。还要区分JDK版本:JDK 24的JEP 491消除了synchronized相关的主要虚拟线程固定问题,但没有消除锁的互斥语义。

官方地址:https://openjdk.org/

线程变多以后先找共享锁

设想一个配置缓存:每次读取都进入同一个synchronized块,缺少数据时还在锁内访问远程服务。如果由我处理它的虚拟线程迁移,我会先检查这把共享锁,而不是先增加调度器线程。下面是分析用场景,不是一次生产实测复盘。

最容易产生的错觉是“线程更便宜,所以等待不再重要”。等待线程确实可能更省资源,但业务请求仍在等待锁;远程访问慢一次,其他读取也可能被拖住。线程成本与临界区吞吐量是两个不同约束。

我会先记录锁对象是否全局共享、谁持有它、锁内做什么工作,以及请求是否确实需要串行。这比单看线程数量更接近问题。

把锁竞争与载体固定分开

问题主要影响判断方向
长时间独占共享锁其他竞争者无法进入临界区锁范围、持有时间和争用
旧JDK的monitor相关pinning阻塞时载体线程不能及时释放运行JDK版本和固定事件
长计算消耗CPU时间计算量和CPU容量
外部连接资源有限等待可用连接或外部服务容量资源池与请求预算

在JDK 21到23的语境里,synchronized区域内阻塞可能涉及载体固定。JDK 24引入JEP 491后,不能继续把“使用synchronized”一概视为固定载体的理由。具体发行版是否回移相关改动,应按其发布说明确认。

共享锁互斥与虚拟线程载体关系结构说明图
结构说明图:锁所有权和虚拟线程载体是两个层面的关系;不是线程监控截图。

JDK 25官方说明仍列出了native方法或外部函数相关的固定情况。因此没有monitor相关固定,不代表任何阻塞都无代价;反过来,没有观察到固定事件,也不能证明共享锁没有造成排队。

缩小临界区时重新检查一致性

对于允许读到旧快照、且允许并发刷新重复加载的缓存,可以把加载移到锁外,锁只保护快照发布。下面是JDK 21及以上可使用的类片段;Loader由调用方提供,本文没有执行网络请求:

import java.util.Map;

public final class CatalogCache {
    public interface Loader {
        Map load() throws Exception;
    }

    private final Object lock = new Object();
    private Map snapshot = Map.of();

    public String get(String key) {
        synchronized (lock) {
            return snapshot.get(key); // 仅访问已发布的不可变快照。
        }
    }

    public void refresh(Loader loader) throws Exception {
        // 慢操作在锁外;失败时异常交给上层,旧快照保留。
        Map loaded = Map.copyOf(loader.load());
        synchronized (lock) {
            snapshot = loaded; // 只在短临界区内发布完整结果。
        }
    }
}

这个改法有明确条件:Map.copyOf不接受null键值;映射值是不可变String;并发刷新可能重复加载,后完成的结果会覆盖先完成的结果。若业务要求最新版本绝不能被旧结果覆盖,需要增加版本判断或刷新协调,不能直接采用这个片段。

如果原来的锁还保护“检查库存并扣减”这样的原子业务,把检查和更新拆到锁两侧会破坏正确性。我更愿意先写清楚不变量,再判断哪些慢工作可以移出,不能只追求锁内代码行数少。

缓存加载器不可变快照与短临界区关系结构说明图
结构说明图:加载器与受保护的快照边界分离,锁负责快照发布和读取;不表示示例已完成性能测试。

换锁之前确认真正需要的语义

把synchronized机械替换成ReentrantLock,不会改变同一独占临界区只能串行的事实。后者适合确实需要可中断获取、限时尝试或其他显式锁能力的场景;采用后还必须保证finally中释放。

如果锁只是被用来限制外部接口并发,应重新判断是否需要真正的共享状态互斥,或者应使用信号量表达容量限制。已经由连接池管理的稀缺资源,也不要无理由再叠加一层全局锁。

我的取舍是保留易懂的同步关系,优先消除不必要的串行范围。对受CPU约束的工作,虚拟线程也不会凭空增加计算资源。

按相同负载观察改造结果

改造后使用相同请求量和数据条件比较延迟分布、成功吞吐量、锁等待及外部资源占用。JFR和支持虚拟线程的线程转储能提供线索,但事件含义应按运行JDK解释,不能把固定事件与所有锁等待等同。

还应覆盖加载失败、重复刷新以及读取并发出现的情况。对于上面的快照示例,要确认失败时保留旧值、读取不见到半成品,并确认“完成顺序覆盖”的策略确实可接受。这些是读者复查建议,没有虚构任何性能数字。

JDK 24以后可以在锁里无限等待吗?

仍不合适。载体能否释放和其他线程能否获得这把锁是不同问题。

虚拟线程是否不能使用synchronized?

可以使用。需要评估的是共享范围、持有时间、运行版本及一致性要求,而非简单禁用关键字。

把锁外移后数据错乱怎么办?

先恢复正确性,明确原子边界,再选择快照、版本判断或其他协调方式,不能用吞吐量收益掩盖数据错误。

官方资料:JEP 491的版本变化、JDK 25虚拟线程说明。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Java Stream 怎样保留分组后每组最大值Java Stream 怎样保留分组后每组最大值
上一篇
Java Stream 怎样保留分组后每组最大值
Java Pattern 怎样避免 Matcher 被重复创建
下一篇
Java Pattern 怎样避免 Matcher 被重复创建
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。
    695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。
    707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。
    776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。
    736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。
    569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