2 进程与线程

2.1 进程与线程

进程

  • 程序由指令和数据组成，但这些指令要运行，数据要读写，就必须将指令加载至 CPU，数据加载至内存。在指令运行过程中还需要用到磁盘、网络等设备。进程就是用来加载指令、管理内存、管理 IO 的
  • 当一个程序被运行，从磁盘加载这个程序的代码至内存，这时就开启了一个进程。
  • 进程就可以视为程序的一个实例。大部分程序可以同时运行多个实例进程（例如记事本、画图、浏览器等），也有的程序只能启动一个实例进程（例如网易云音乐、360 安全卫士等）**

线程
一个线程就是一个指令流，将指令流中的一条条指令以一定的顺序交给 CPU 执行
Java 中，线程作为最小调度单位，进程作为资源分配的最小单位。 在 windows 中进程是不活动的，只是作为线程的容器
二者对比
进程基本上相互独立的，而线程存在于进程内，是进程的一个子集
进程拥有共享的资源，如内存空间等，供其内部的线程共享
进程拥有共享的资源，如内存空间等，供其内部的线程共享
同一台计算机的进程通信称为 IPC（Inter-process communication）
不同计算机之间的进程通信，需要通过网络，并遵守共同的协议，例如 HTTP
线程通信相对简单，因为它们共享进程内的内存，一个例子是多个线程可以访问同一个共享变量
线程更轻量，线程上下文切换成本一般上要比进程上下文切换低

2.2 并行与并发

单核 cpu 下，线程实际还是 串行执行 的。操作系统中有一个组件叫做任务调度器，将 cpu 的时间片（windows下时间片最小约为 15 毫秒）分给不同的程序使用，只是由于 cpu 在线程间（时间片很短）的切换非常快，人类感觉是 同时运行的 。总结为一句话就是： 微观串行，宏观并行 ，一般会将这种线程轮流使用 CPU 的做法称为并发， concurrent
image.png image.png
并行（parallel）：对应串行，指的是多个线程同时运行
并发（concurrent）：交替执行，用户一般感觉不到
image.png

2.3 应用

应用异步调用

以调用方角度来讲，如果
同步 需要等待结果返回，才能继续运行
异步 不需要等待结果返回，就能继续运行

注意:同步在多线程中还有另外一层意思，是让多个线程步调一致

1)设计

多线程可以让方法执行变为异步的(即不要巴巴干等着）比如说读取磁盘文件时，假设读取操作花费了5秒钟，如果没有线程调度机制，这5秒调用者什么都做不了，其代码都得暂停…

2)结论

  • 比如在项目中，视频文件需要转换格式等操作比较费时，这时开一个新线程处理视频转换，避免阻塞主线程
  • tomcat的异步servlet也是类似的目的，让用户线程处理耗时较长的操作，避免阻塞tomcat的工作线程
  • ui程序中，开线程进行其他操作，避免阻塞ui线程



应用之提高效率（案例1)

充分利用多核cpu的优势，提高运行效率。想象下面的场景，执行3个计算，最后将计算结果汇总。
计算2花费10 ms
计算2花费11 ms
计算3花费9 ms
汇总需要 1 ms
如果是串行执行，那么总共花费的时间是10 + 11 + 9 + 1 = 31ms

但如果是四核cpu，各个核心分别使用线程1执行计算1，线程2执行计算2，线程3执行计算3，那么3个线程是并行的，花费时间只取决于最长的那个线程运行的时间，即 11ms最后加上汇总时间只会花费12ms

注意 需要在多核cpu才能提高效率，单核仍然时是轮流执行

1)设计

1)环境搭建

  • 基准测试工具选择，使用了比较靠谱的JMH，它会执行程序预热，执行多次测试并平均
  • cpu核数限制，有两种思路

1.使用虚拟机，分配合适的核
2.使用msconfig，分配合适的核,需要重启比较麻烦

  • 并行计算方式的选择

1.最初想直接使用parallel stream，后来发现它有自己的问题
2.改为了自己手动控制thread，实现简单的并行计算
测试代码如下
新建maven项目选择 jmh-java-benchmark-archetype 骨架

  1. @Fork(1)
  2. //测试模式 统计测试平均时间
  3. @BenchmarkMode(Mode.AverageTime)
  4. //热身次数 为3
  5. @Warmup(iterations = 3)
  6. //执行次数 5次
  7. @Measurement(iterations = 5)
  8. public class MyBenchmark {
  9.     static int[] ARRAY = new int[1000_000_00];
  11.     static {
  12.         Arrays.fill(ARRAY, 1);
  13.     }
  15.     @Benchmark
  16.     public int c() throws Exception {
  17.         int[] array = ARRAY;
  18.         FutureTask<Integer> t1 = new FutureTask<>(() -> {
  19.             int sum = 0;
  20.             for (int i = 0; i < 250_000_00; i++) {
  21.                 sum += array[0 + i];
  22.             }
  23.             return sum;
  24.         });
  25.         FutureTask<Integer> t2 = new FutureTask<>(() -> {
  26.             int sum = 0;
  27.             for (int i = 0; i < 250_000_00; i++) {
  28.                 sum += array[250_000_00 + i];
  29.             }
  30.             return sum;
  31.         });
  32.         FutureTask<Integer> t3 = new FutureTask<>(() -> {
  33.             int sum = 0;
  34.             for (int i = 0; i < 250_000_00; i++) {
  35.                 sum += array[500_000_00 + i];
  36.             }
  37.             return sum;
  38.         });
  39.         FutureTask<Integer> t4 = new FutureTask<>(() -> {
  40.             int sum = 0;
  41.             for (int i = 0; i < 250_000_00; i++) {
  42.                 sum += array[750_000_00 + i];
  43.             }
  44.             return sum;
  45.         });
  46.         new Thread(t1).start();
  47.         new Thread(t2).start();
  48.         new Thread(t3).start();
  49.         new Thread(t4).start();
  50.         return t1.get() + t2.get() + t3.get() + t4.get();
  51.     }
  53.     @Benchmark
  54.     public int d() throws Exception {
  55.         int[] array = ARRAY;
  56.         FutureTask<Integer> t1 = new FutureTask<>(() -> {
  57.             int sum = 0;
  58.             for (int i = 0; i < 1000_000_00; i++) {
  59.                 sum += array[0 + i];
  60.             }
  61.             return sum;
  62.         });
  63.         new Thread(t1).start();
  64.         return t1.get();
  65.     }
  66. }

运行脚本

  1. java -Xms2G -jar benchmarks.jar

多核运行结果

  1. # Run complete. Total time: 00:00:21
  3. Benchmark            Mode  Samples  Score  Score error  Units
  4. c.i.MyBenchmark.c    avgt        5  0.039        0.008   s/op
  5. c.i.MyBenchmark.d    avgt        5  0.044        0.001   s/op

单核下运行结果多线程可能不如单线程

2)结论

1.单核cpu下，多线程不能实际提高程序运行效率，只是为了能够在不同的任务之间切换，不同线程轮流使用cpu，不至于一个线程总占用cpu，别的线程没法干活
2.多核cpu可以并行跑多个线程，但能否提高程序运行效率还是要分情况的

  • 有些任务，经过精心设计，将任务拆分，并行执行，当然可以提高程序的运行效率。但不是所有计算任务都能拆分（参考后文的【阿姆达尔定律】)
  • 也不是所有任务都需要拆分，任务的目的如果不同，谈拆分和效率没啥意义

3.IO操作不占用cpu，只是我们一般拷贝文件使用的是【阻塞IO】，这时相当于线程虽然不用cpu，但需要一直等待IO结束，没能充分利用线程。所以才有后面的【非阻塞IO】和【异步IO】优化