想使用多线程来提高处理速度，却还不知道使用CountDownLatch与CyclicBarries?

今天药忘吃喽~ 2022-12-19 13:20 6阅读 0赞

> 本文已收录到七哥的github：[https://github.com/coderluojust/qige\_blogs][https_github.com_coderluojust_qige_blogs]，感谢每颗star。

![7264a2499b3140c4f563f66e8428f54e.png][]

上一篇文章介绍了Java并发包中提供的实现限流的工具类，不了解的小伙伴可以点击查阅：[Semaphore是如何实现限流效果的][Semaphore]，今天我们学习下控制、协调多线程同步的工具类 CountDownLatch 与 CyclicBarrier。 它们俩主要用在当我们想使用多线程技术来提高程序的运行效率时，常常需要汇总结果，那么如果控制线程之间的步调一致就是需要解决的问题。

## 背景 ##

前两天在看一段同事小洁写的代码时，发现这样一个场景： 她有一批数据需要处理落库，她为了加速程序执行的速度，自然而然的就想到了使用多线程，可真是一个有追求的妹子，同时也喜欢摄影和写代码，啧啧啧。让我们来看看她是怎么做的。

业务逻辑也比较简单，数据库某张临时表里有一大批个人开户数据，她需要分批去获取数据，然后经过加工处理给用户的计算出等级，写入到用户等级表，最终将处理的记录数上报给监控系统。

![cdf0f76114506f71e07d9688811306a0.png][]

将逻辑抽象成伪代码如下，方便我们后续进一步分析：

int count = 0;
    while(临时表数据不为空) { 
        // 从临时表查询开户数据
        size = getTmpData();
        // 根据开户状态处理用户等级
        level = getUserLevel();
        // 用户等级数据入库
        save();
        count+=size;
    }
    // 上报监控系统
    report();

上面的串行处理逻辑，她认为太慢了，因为整个系统是串行执行的，那么怎么优化呢？

这种因为串行化执行导致耗时过长的系统逻辑，那么通用套路就是上多线程，如果你觉得这里理解的不够形象，这里七哥贴心的在给你上两张张图：

![915e1ab779643e94fff8a27c12e7cd9b.png][]

可以明显的看到同样的时间多线程的吞吐量是单线程的3倍，优化效果还是很明显的。

![6731a9188d41b036d53e5fc4016d1c82.png][]

思路理清楚了，我们先来看下小洁是怎样实现代码的。

## 小洁的多线程实现 ##

// 创建3个线程的线程池
    Executor executor = Executors.newFixedThreadPool(3);
    // 控制线程个数
    int size = 0;
    // 上报监控系统的总数
    int count = 0;
    List<int> countList;
    while(临时表数据不为空) { 
        executor.execute(()-> {  
            // 从临时表查询开户数据
            countList.add(getTmpData());
            // 根据开户状态处理用户等级
            level = getUserLevel();
            // 用户等级数据入库
            save();
            // 线程数
            size++;
    
        });
        // 防止过多线程，满三个处理
        if(size % 3 == 0) { 
            // 汇总处理数量
            count+=countList;
        }
    }

上面的实现，直接定义了一个计算器size开始等于0，在线程池中的每个线程处理完后将size++，在主线程中去判断size==3，则累加获取结果。

## CountDownLatch 实现线程之间等待 ##

针对上面逻辑，其实Java并发包中已经提供了相关的工具类支持，那就是CountDownLatch。上面的代码中，在while循环里，我们首先创建一个CountDownLatch，计数器的初始化等于3，然后在每次线程中执行计数器减1，减1的操作是通过调用 `latch.countDown()` 来实现的，在主线程中我们通过调用 latch.wait() 来实现对计数器为0的等待阻塞。

// 创建3个线程的线程池
    Executor executor = Executors.newFixedThreadPool(3);
    // 控制线程个数
    int size = 0;
    // 上报监控系统的总数
    int count = 0;
    List<int> countList;
    while(临时表数据不为空) { 
    	// 计数器初始化为3 
    	CountDownLatch latch = new CountDownLatch(3);
        executor.execute(()-> {  
            // 从临时表查询开户数据
            countList.add(getTmpData());
            // 根据开户状态处理用户等级
            level = getUserLevel();
            // 用户等级数据入库
            save();
            latch.countDown();
        });
    
        // 等待操作结束 
    	latch.await();
    	// 汇总处理数量
        count+=countList;
    }

## 使用CyclicBarrier 实现 ##

上面的如果使用CycleBarrier应该如何实现呢？ 值得一提的是 CyclicBarrier 具有自动重置功能，当计数器减到0的时候会自动重置初始值，相当于继续按照设定阻塞执行。

public class CyclicBarrierTest implements Runnable { 
    	// 创建3个线程的线程池
    	Executor executor = Executors.newFixedThreadPool(3);
    	// 控制线程个数
    	int size = 0;
    	// 上报监控系统的总数
    	int count = 0;
    	List<int> countList;
    	/** * 创建4个屏障，处理完之后执行当前类的run方法 */
    	final CyclicBarrier barrier = new CyclicBarrier(3, this);
    	while(临时表数据不为空) { 
    		executor.execute(()-> {  
    			// 从临时表查询开户数据
    			countList.add(getTmpData());
    			// 根据开户状态处理用户等级
    			level = getUserLevel();
    			// 用户等级数据入库
    			save();
    			// 插入一个屏障
    			barrier.await();
    	
    		});
    	
    	}
    	@Override
        public void run() {  
    		// 等待操作结束 
    		latch.await();
    		// 汇总处理数量
    		count+=countList;
    }

使用线程池创建了3个线程，分别去跑数然后将处理结果放到队列中，再由 CyclicBarrier 线程去计算总的处理结果。

## 总结 ##

`CountDownLatch` 和 `CyclicBarrier` 是 Java 并发包提供的两个非常易用的线程同步工具类。这两个工具类用法的区别在这里还是有必要再强调一下：

**CountDownLatch** 主要用来解决一个线程等待多个线程的场景，而且**只能使用一次**，初始化的值也不能修改，也就是说一旦计数器减到 0，再有线程调用 await()，该线程会直接通过，如果需要重新使用就得重新创建。但 **CyclicBarrier** 的计数器是可以**循环利用**的，而且具备自动重置的功能，一旦计数器减到 0 会自动重置到你设置的初始值。除此之外，CyclicBarrier 还可以设置回调函数。

最后，欢迎在留言区与我分享你的想法。感谢阅读，如果你觉得这篇文章对你有帮助的话，记得点赞关注走起来。

## 公众号 ##

Java技术栈公众号：七哥爱编程

[https_github.com_coderluojust_qige_blogs]: https://github.com/coderluojust/qige_blogs
[7264a2499b3140c4f563f66e8428f54e.png]: /images/20221120/abc2c4d56d0640d5be5c32a8f5bd9ab0.png
[Semaphore]: https://coderluo.blog.csdn.net/article/details/109270098
[cdf0f76114506f71e07d9688811306a0.png]: https://img-blog.csdnimg.cn/img_convert/cdf0f76114506f71e07d9688811306a0.png
[915e1ab779643e94fff8a27c12e7cd9b.png]: https://img-blog.csdnimg.cn/img_convert/915e1ab779643e94fff8a27c12e7cd9b.png
[6731a9188d41b036d53e5fc4016d1c82.png]: https://img-blog.csdnimg.cn/img_convert/6731a9188d41b036d53e5fc4016d1c82.png