AbstractQueuedSynchronizer是JUC的核心框架,其设计非常精妙。 使用了Java的模板方法模式。 首先试图还原一下其使用场景:
对于排他锁,在同一时刻,N个线程只有1个线程能获取到锁;其他没有获取到锁的线程被挂起放置在队列中,待获取锁的线程释放锁后,再唤醒队列中的线程。
线程的挂起是获取锁失败时调用Unsafe.park()方法;线程的唤醒是由其他线程释放锁时调用Unsafe.unpark()实现。
由于获取锁,执行锁内代码逻辑,释放锁整个流程可能只需要耗费几毫秒,所以很难对锁的争用有一个直观的感受。下面以3个线程来简单模拟一下排他锁的机制。
import sun.misc.Unsafe;
import java.lang.reflect.Field;
import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.locks.LockSupport;
public class AQSDemo {
private static final Unsafe unsafe = getUnsafe();
private static final long stateOffset;
private static Unsafe getUnsafe() {
try {
Field field = Unsafe.class.getDeclaredField("theUnsafe");
field.setAccessible(true);
return (Unsafe)field.get(null);
} catch (Exception e) {
}
return null;
}
static{
try{
stateOffset = unsafe.objectFieldOffset
(AQSDemo.class.getDeclaredField("state"));
} catch (Exception ex) { throw new Error(ex); }
}
private volatile int state;
private List threads = new ArrayList<>();
public void lock(){
if(!unsafe.compareAndSwapInt(state,stateOffset,0,1)){
// 有问题,非线程安全;只作演示使用
threads.add(Thread.currentThread());
LockSupport.park();
Thread.interrupted();
}
}
public void unlock(){
state = 0;
if(!threads.isEmpty()){
Thread first = threads.remove(0);
LockSupport.unpark(first);
}
}
static class MyThread extends Thread{
private AQSDemo lock;
public MyThread(AQSDemo lock){
this.lock = lock;
}
public void run(){
try{
lock.lock();
System.out.println("run ");
Thread.sleep(1000);
} catch (InterruptedException e) {
e.printStackTrace();
} finally {
lock.unlock();
}
}
}
public static void main(String[] args) {
AQSDemo lock = new AQSDemo();
MyThread a1 = new MyThread(lock);
MyThread a2 = new MyThread(lock);
MyThread a3 = new MyThread(lock);
a1.start();
a2.start();
a3.start();
}
}
上面的代码,使用park和unpark简单模拟了排他锁的工作原理。使用ArrayList屏蔽了链表多线程环境下链表的构造细节, 该代码实际上在多线程环境中使用是有问题的,发现了么?
通过上面的代码,能理解到多线程环境下,链表为什么能比ArrayList好使。
理解AQS, 其核心在于理解state和head, tail三个变量。换句话说,理解AQS, 只需理解状态和链表实现的队列 这两样东西。其使用方式就是,如果更新状态不成功,就把线程挂起,丢到队列中;其他线程使用完毕后,从队列中唤醒一个线程执行。 如果排队的线程数量过多,那么该谁首先获得锁就有讲究,不能暗箱操作,所以有公平和非公平两种策略。
越来越能理解 “编程功底,细节是魔鬼”,理解了上面的使用方式,只相当于理解了需求。那么实现上有那些细节呢? 我们通过问答的方式来阐明。
问题1: state变量为什么要用volatile关键词修饰?
volatile是synchronized的轻量版本,在特定的场景下具备锁的特点变量更新的值不依赖于当前值, 比如setState()方法。 当volatile的场景不满足时,使用Unsafe.compareAndSwap即可。
问题2: 链表是如何保证多线程环境下的链式结构?
首先我们看链表是一个双向链表,我们看链表呈现的几个状态:
1. 空链表
(未初始化)
head -- null
tail -- null
or
(初始化后)
head -- Empty Node
tail -- Empty Node
2. 只有一个元素的链表
head -- Empty Node Thread Node -- tail
也就是说,当链表的不为空时, 链表中填充者一个占位节点。
学习数据结构,把插入删除两个操作弄明白,基本就明白这个数据结构了。我们先看插入操作enq():
private Node enq(final Node node) {
for (;;) {
Node t = tail;
if (t == null) { // Must initialize
if (compareAndSetHead(new Node()))
tail = head;
} else {
node.prev = t;
if (compareAndSetTail(t, node)) {
t.next = node;
return t;
}
}
}
}
首先一个无限循环。 假如这个链表没有初始化,那么这个链表会通过循环的结构插入2个节点。 由于多线程环境下, compareAndSet会存在失败,所以通过循环保证了失败重试。 为了保证同步,要么依赖锁,要么通过CPU的cas。 这里是实现同步器,只能依赖cas。 这种编程结构,看AtomicInteger,会特别熟悉。
接下来看链表的删除操作。当线程释放锁调用release()方法时,AQS会按线程进入队列的顺序唤醒地一个符合条件的线程,这就是FIFO的体现。代码如下:
public final boolean release(int arg) {
if (tryRelease(arg)) {
Node h = head;
if (h != null && h.waitStatus != 0)
unparkSuccessor(h);
return true;
}
return false;
}
这里unparkSuccessor()里面的waitStatus我们先忽略。这样的话,线程会从阻塞的后面继续执行,从parkAndCheckInterrupt()方法中出来。
final boolean acquireQueued(final Node node, int arg) {
boolean failed = true;
try {
boolean interrupted = false;
for (;;) {
final Node p = node.predecessor();
if (p == head && tryAcquire(arg)) {
setHead(node);
p.next = null; // help GC
failed = false;
return interrupted;
}
if (shouldParkAfterFailedAcquire(p, node) &&
parkAndCheckInterrupt())
interrupted = true;
}
} finally {
if (failed)
cancelAcquire(node);
}
}
由于唤醒的顺序是FIFO, 所以通常p==head条件是满足的。如果获取到锁,就把当前节点作为链表的head节点:setHead(node), 原head节点从链表中断开,让GC回收p.next=null。 也就是说,链表的删除是从头开始删除,以实现FIFO的目标。
到这里,AQS的链表操作就弄清楚了。接下来的疑问就在节点的waitStatus里面。
问题: waitStatus的作用是什么?
在AQS, 实现了一个ConditionObject, 就像Object.wait/nofity必须在synchronized中调用一样, JUC实现了一个Object.wait/notify的替代品。这是另一个话题,这里不细说了,后面再研究一下。
最后,总结一下,本文简单分析了一下AQS的实现机制。主要参考ReentrantLock和论文《The java.util.concurrent Synchronizer Framework》。