Java并发编程面试题——JUC专题

╰半橙微兮° 2023-10-12 12:47 70阅读 0赞

![format_png][]

## 一、[AQS][]高频问题 ##

### 1.1 AQS是什么？ ###

AQS是[JUC][]下大量工具的基础类，很多工具都基于AQS实现的，比如lock锁，CountDownLatch，Semaphore，线程池等等都用到了AQS。

AQS中有一个核心属性state，还有一个双向链表以及一个单向链表。其中state是基于volatile修饰，再基于CAS修改，可以保证原子，可见，有序三大特性。单向链表是内部类ConditionObject对标synchronized中的等待池，当lock在线程持有锁时，执行await方法，会将线程封装为Node对象，扔到Condition单向链表中，等待唤醒。如果线程唤醒了，就将Condition中的Node扔到AQS的双向链表等待获取锁。

### 1.2 唤醒线程时，AQS为什么从后往前遍历？ ###

当持有资源的线程执行完成后，需要在AQS的双向链表拿出来一个，如果head的next节点取消了

如果在唤醒线程时，head节点的next是第一个要被唤醒的，如果head的next节点取消了，会出现节点丢失问题。

如下图，当一个新的Node添加到链表时有3个步骤，当第三个步骤还未完成时，如果从head开始就找不到需要被唤醒的节点了。

![format_png 1][]

### 1.3 AQS为什么用双向链表，（为啥不用单向链表）？ ###

因为AQS中，存在取消节点的操作，如果使用双向链表只需要两步

*  需要将prev节点的next指针，指向next节点。
 *  需要将next节点的prev指针，指向prev节点。

但是如果是单向链表，需要遍历整个单向链表才能完成的上述的操作。比较浪费资源。

### 1.4 AQS为什么要有一个虚拟的head节点 ###

每个Node都会有一些状态，这个状态不单单针对自己，还针对后续节点

*  1：当前节点取消了。
 *  0：默认状态，啥事没有。
 *  \-1：当前节点的后继节点，挂起了。
 *  \-2：代表当前节点在Condition队列中（await将线程挂起了）
 *  \-3：代表当前是共享锁，唤醒时，后续节点依然需要被唤醒。

但是一个节点无法同时保存当前节点状态和后继节点状态，有一个哨兵节点，更方便操作。

### 1.5 ReentrantLock的底层实现原理 ###

ReentrantLock是基于AQS实现的。

1.  在线程基于ReentrantLock加锁时，需要基于CAS去修改state属性，如果能从0改为1，代表获取锁资源成功
2.  如果CAS失败了，添加到AQS的双向链表中排队（可能会挂起线程），等待获取锁。
3.  持有锁的线程，如果执行了condition的await方法，线程会封装为Node添加到Condition的单向链表中，等待被唤醒并且重新竞争锁资源

### 1.6 ReentrantLock的公平锁和非公平锁的区别 ###

公平锁和非公平中的lock方法和tryAcquire方法的实现有点不同，其他都一样

*  非公平锁
    
     *  lock：直接尝试将state从 0 改为 1，如果成功，拿锁直接走，如果失败了，执行tryAcquire。
     *  tryAcquire：如果当前没有线程持有锁资源，直接再次尝试将state从0 改为 1 如果成功，拿锁直接走。
 *  公平锁
    
     *  lock：直接执行tryAcquire。
     *  tryAcquire：如果当前没有线程持有锁资源，先看一下，有排队的么。如果没有排队的，直接尝试将state从 0 改为 1。如果有排队的并且第一名，直接尝试将state从 0 改为 1。

如果都没拿到锁，公平锁和非公平锁的后续逻辑是一样的，加入到AQS双向链表中排队。

### 1.7 ReentrantReadWriteLock如何实现的读写锁 ###

如果一个操作写少读多，还用互斥锁的话，性能太低，因为读读不存在并发问题。读写锁可以解决该问题。

ReentrantReadWriteLock也是基于AQS实现的一个读写锁，但是锁资源用state标识。如何基于一个int来标识两个锁信息，有写锁，有读锁，怎么做的？

一个int，占了32个bit位。在写锁获取锁时，基于CAS修改state的低16位的值。在读锁获取锁时，基于CAS修改state的高16位的值。

写锁的重入，基于state低16直接标识，因为写锁是互斥的。读锁的重入，无法基于state的高16位去标识，因为读锁是共享的，可以多个线程同时持有。所以读锁的重入用的是ThreadLocal来表示，同时也会对state的高16为进行追加。

## 二、阻塞队列高频问题 ##

### 2.1 说下你熟悉的阻塞队列？ ###

**ArrayBlockingQueue**：底层基于数组实现，记得new的时候设置好边界。

**LinkedBlockingQueue**：底层基于链表实现的，可以认为是无界队列，但是可以设置长度。

**PriorityBlockingQueue**：底层是基于数组实现的二叉堆，可以认为是无界队列，因为数组会扩容。

ArrayBlockingQueue，LinkedBlockingQueue是ThreadPoolExecutor线程池最常用的两个阻塞队列。

### 2.2 虚假唤醒是什么？ ###

虚假唤醒在阻塞队列的源码中就有体现。

![format_png 2][]

比如消费者1在消费数据时，会先判断队列是否有元素，如果元素个数为0，消费者1会await挂起。此处判断元素为0的位置，如果用if循环会导致出现一个问题。

1.  如果生产者添加了一个数据，会唤醒消费者1并去拿锁资源。
2.  此时如果来了消费者2抢到了锁资源并带走了数据的话，消费者1再次拿到锁资源时，无法从队列获取到任何元素，出现虚假唤醒问题。

解决方案，将判断元素个数的位置，设置为while判断。

## 三、线程池高频问题 ##

### 3.1 线程池的7个参数 ###

核心线程数，最大线程数，最大空闲时间，时间单位，阻塞队列，线程工厂，拒绝策略

### 3.2 线程池的状态有什么，如何记录的？ ###

线程池有5个状态：RUNINING、SHUTDOWN、STOP、TIDYING、TERMINATED

![format_png 3][]

线程池的状态是在ctl属性中记录的。本质就是int类型

![format_png 4][]

### 3.3 线程池常见的拒绝策略 ###

*  AbortPolicy：丢弃任务并抛异常（默认）
    
    ![format_png 5][]
 *  CallerRunsPolicy：当前线程执行
    
    ![format_png 6][]
 *  DiscardPolicy：丢弃任务直接不要
    
    ![format_png 7][]
 *  DiscardOldestPolicy：丢弃等待队列中最旧的任务，并执行当前任务
    
    ![format_png 8][]

一般情况下，线程池自带的无法满足业务时，自定义一个线程池的拒绝策略，实现下面的接口即可。

![format_png 9][]

### 3.4 线程池执行流程 ###

核心线程不是new完就构建的，是懒加载的机制，添加任务才会构建核心线程

![format_png 10][]

### 3.5 线程池为什么添加空任务的非核心线程 ###

![format_png 11][]

**避免线程池出现队列有任务，但是没有工作线程处理。**

当核心线程数是0个，任务进来后会到阻塞队列，但是没有工作线程，此时空任务的非核心线程就可以处理该任务。

\#\#3.6 在没任务时，线程池中的工作线程在干嘛？

*  如果是核心线程，默认情况下，会在阻塞队列的位置执行take方法，直到拿到任务为止。
 *  如果是非核心线程，默认情况下，会在阻塞队列的位置执行poll方法，等待最大空闲时间，如果没任务，删除线程，如果有活，那就正常干。

### 3.7 工作线程出现异常会导致什么问题？ ###

首先出现异常的工作线程不会影响到其他的工作线程。

*  如果任务是execute方法执行的，工作线程会将异常抛出。
 *  如果任务是submit方法执行的futureTask，工作线程会将异常捕获并保存到FutureTask里，可以基于futureTask的get得到异常信息。
 *  最后线程结束。

### 3.8 工作线程继承AQS的目的是什么？ ###

工作线程的本质，就是Worker对象。继承AQS跟shutdown和shutdownNow有关系。

*  如果是shutdown，会中断空闲的工作线程，基于Worker实现的AQS中的state的值来判断能否中断工作线程。如果工作线程的state是0，代表空闲，可以中断，如果是1，代表正在干活。
 *  如果是shutdownNow，直接强制中断所有工作线程

### 3.9 核心参数怎么设置？ ###

线程池的目的是为了减少线程频繁创建/销毁带来的资源消耗，充分发挥CPU的资源，提升整个系统的性能。不同业务的线程池参考的方式也不一样。

*  如果是CPU密集的任务，一般也就是CPU内核数 + 1的核心线程数。这样足以充分发挥CPU性能。
 *  如果是IO密集的任务，因为IO的程度不一样，有的是1s，有的是1ms，有的是1分钟，所以IO密集的任务在用线程池处理时，一定要通过压测的方式，观察CPU资源的占用情况，来决定核心线程数。一般发挥CPU性能到70~80足矣。

所以线程池的参数设置需要通过压测以及多次调整才能得出具体的。

## 四、CountDownLatch，Semaphore的高频问题 ##

### 4.1 CountDownLatch是啥？有啥用？底层咋实现的？ ###

CountDownLatch本质其实就是一个计数器。在多线程并行处理业务时，需要等待其他线程处理完再做后续的合并等操作时，可以使用CountDownLatch做计数，等到其他线程出现完之后，主线程就会被唤醒。实现过程如下：

1.  CountDownLatch本身就是基于AQS实现的。new CountDownLatch时，直接指定好具体的数值，这个数值会复制给state属性。
2.  当子线程处理完任务后，执行countDown方法，内部就是直接给state - 1。
3.  当state减为0之后，执行await挂起的线程，就会被唤醒。

java

复制代码

`import java.util.concurrent.CountDownLatch; public class CountDownLatchTest { public static void main(String[] args) throws InterruptedException { CountDownLatch count = new CountDownLatch(3); for (int i = 0; i < 3; i++) { int finalI = i; new Thread(() -> { try { Thread.sleep(1000); } catch (InterruptedException e) { e.printStackTrace(); } System.out.println("线程" + finalI + "执行中"); count.countDown(); }).start(); } count.await(); System.out.println("所有线程都执行完成了"); } } 123456789101112131415161718192021222324`

### 4.2 Semaphore是啥？有啥用？底层咋实现的？ ###

信号量，就是一个可以用于做限流功能的工具类。比如要求当前服务最多3个线程同时干活，将信号量设置为3。每个任务提交前都需要获取一个信号量，获取到就去干活，干完了，归还信号量。实现过程如下：

1.  信号量也是基于AQS实现的，构建信号量时，指定信号量资源数，这个数值会复制给state属性。
2.  获取信号量时，执行acquire方法，内部就是直接给state - 1。当state为0时，新来的任务会因获取不到信号量而等待。
3.  当任务执行完成后，执行release方法，释放信号量。

ini

复制代码

`import java.util.concurrent.Semaphore; public class SemaphoreTest { public static void main(String[] args) { Semaphore semaphore = new Semaphore(3); for (int i = 0; i < 3; i++) { int finalI = i; new Thread(() -> { try { semaphore.acquire(); System.out.println("线程" + finalI + "执行中"); Thread.sleep(5000); } catch (InterruptedException e) { e.printStackTrace(); } finally { semaphore.release(); } }).start(); } new Thread(() -> { try { long begin = System.currentTimeMillis(); semaphore.acquire(); long end = System.currentTimeMillis(); System.out.println("限流了" + (end - begin) + "ms"); } catch (InterruptedException e) { e.printStackTrace(); } finally { semaphore.release(); } }).start(); } } 123456789101112131415161718192021222324252627282930313233343536`

### 4.3 main线程结束，程序会停止嘛？ ###

*  如果main线程结束，但是还有用户线程在执行，不会结束！
 *  如果main线程结束，剩下的都是守护线程，结束！

## 五、CopyOnWriteArrayList的高频问题 ##

### 5.1 CopyOnWriteArrayList是如何保证线程安全的？有什么缺点吗？ ###

CopyOnWriteArrayList写数据时，是基于ReentrantLock保证原子性的。写数据时，会复制一个副本写入，写入成功后，才会写入到CopyOnWriteArrayList中的数组，保证读数据时，不要出现数据不一致的问题。

**缺点**就是：如果数据量比较大时，每次写入数据，都需要复制一个副本，对空间的占用太大了。如果数据量比较大，不推荐使用CopyOnWriteArrayList。

**适合**写操作要求保证原子性，读操作保证并发，并且数据量不大的场景。

## 六、ConcurrentHashMap（JDK1.8）的高频问题 ##

### 6.1 HashMap为啥线程不安全？ ###

1.  JDK1.7里有环（扩容时）。
2.  并发添加数据时会覆盖，数据可能丢失。
3.  在记录元素个数和HashMap写的次数时，记录不准确。
4.  数据迁移，扩容，也可能会丢失数据。

### 6.2 ConcurrentHashMap如何保证线程安全的？ ###

1.  尾插
2.  写入数组时，基于CAS保证安全；插入链表或红黑树时，基于synchronized保证安全。
3.  这里ConcurrentHashMap是采用LongAdder实现的技术，底层还是CAS。
4.  ConcurrentHashMap扩容时，基于CAS保证数据迁移不出现并发问题。

### 6.3 ConcurrentHashMap构建好，数组就创建出来了吗？如果不是，如何保证初始化数组的线程安全？ ###

ConcurrentHashMap是懒加载的机制，而且大多数的框架组件都是懒加载的~

基于CAS来保证初始化线程安全的，这里不但涉及到了CAS去修改sizeCtl的变量去控制线程初始化数据的原子性，同时还使用了DCL，外层判断数组未初始化，中间基于CAS修改sizeCtl，内层再做数组未初始化判断。

![format_png 12][]

### 6.4 为什么负载因子是0.75，为什么链表长度到8转为红黑树？ ###

负载因子是0.75从两个方面去解释。为啥不是0.5，为啥不是1？

0.5：如果负载因子是0.5，数据添加一半就开始扩容了

*  优点：hash碰撞少，查询效率高。
 *  缺点：扩容太频繁，而且空间利用率低。

1：如果负载因子是1，数据添加到数组长度才开始扩容

*  优点：扩容不频繁，空间利用率可以的。
 *  缺点：hash冲突会特别频繁，数据挂到链表上，影响查询效率，甚至链表过长生成红黑树，导致写入的效率也收到影响。

0.75就可以说是一个居中的选择，两个方面都兼顾了。

再就是泊松分布，在负载因子是0.75时，根据泊松分布得出，链表长度达到8的概率是非常低的，源码中的标识是0.00000006，生成红黑树的概率特别低。虽然ConcurrentHashMap引入了红黑树，但是红黑树对于写入的维护成本更高，能不用就不用，HashMap源码的注释也描述了，要尽可能规避红黑树。

### 6.5put操作太频繁的场景，会造成扩容时期put的阻塞 ？ ###

一般情况下不会造成阻塞。

*  如果在put操作时，发现当前索引位置并没有数据时，正常把数据落到老数组上。
 *  如果put操作时，发现当前位置数据已经被迁移到了新数组，这时无法正常插入，去帮助扩容，快速结束扩容操作，并且重新选择索引位置查询

### 6.6 ConcurrentHashMap何时扩容，扩容的流程是什么？ ###

*  ConcurrentHashMap中的元素个数，达到了负载因子计算的阈值，那么直接扩容
 *  当调用putAll方法，查询大量数据时，也可能会造成直接扩容的操作，大量数据是如果插入的数据大于下次扩容的阈值，直接扩容，然后再插入
 *  数组长度小于64，并且链表长度大于等于8时，会触发扩容
    
    ![format_png 13][]

### 6.7 ConcurrentHashMap得计数器如何实现的？ ###

这里是基于LongAdder的机制实现，但是并没有直接用LongAdder的引用，而是根据LongAdder的原理写了一个相似度在80%以上的代码，直接使用。

LongAdder使用CAS添加，保证原子性，其次基于分段锁，保证并发性。

### 6.8 ConcurrentHashMap的读操作会阻塞嘛？ ###

无论查哪，都不阻塞。

*  查询数组：查看元素是否在数组，在就直接返回。
 *  查询链表：在链表next，next查询即可。
 *  扩容时：如果当前索引位置是-1，代表当前位置数据全部都迁移到了新数组，直接去新数组查询，不管有没有扩容完。
 *  查询红黑树：转换红黑树时，不但有一个红黑树，还会保留一个双向链表，此时会查询双向链表，不让读线程阻塞。

[format_png]: https://img-blog.csdnimg.cn/img_convert/c2fd216db5d9f516202b76c29b7d1c77.webp?x-oss-process=image/format,png
[AQS]: https://link.juejin.cn/?target=https%3A%2F%2Fso.csdn.net%2Fso%2Fsearch%3Fq%3DAQS%26spm%3D1001.2101.3001.7020
[JUC]: https://link.juejin.cn/?target=https%3A%2F%2Fso.csdn.net%2Fso%2Fsearch%3Fq%3DJUC%26spm%3D1001.2101.3001.7020
[format_png 1]: https://img-blog.csdnimg.cn/img_convert/a5f1adbea76969c7620f47d5716d2514.webp?x-oss-process=image/format,png
[format_png 2]: https://img-blog.csdnimg.cn/img_convert/f5771485c868ab7523f3a1ef2bac3822.webp?x-oss-process=image/format,png
[format_png 3]: https://img-blog.csdnimg.cn/img_convert/a71196b1b1bb612837df27e22ff7994f.webp?x-oss-process=image/format,png
[format_png 4]: https://img-blog.csdnimg.cn/img_convert/cab59b4f1c9fbad8c206e30a7d74e302.webp?x-oss-process=image/format,png
[format_png 5]: https://img-blog.csdnimg.cn/img_convert/07f9779b2877fbd7b3600920cf112e1d.webp?x-oss-process=image/format,png
[format_png 6]: https://img-blog.csdnimg.cn/img_convert/3b6f0784d4aca67677cb7062be79d8bb.webp?x-oss-process=image/format,png
[format_png 7]: https://img-blog.csdnimg.cn/img_convert/054a181abc5f7fcac6450cdd48c59eee.webp?x-oss-process=image/format,png
[format_png 8]: https://img-blog.csdnimg.cn/img_convert/e4c839074d0dc8105d8336a1443b1892.webp?x-oss-process=image/format,png
[format_png 9]: https://img-blog.csdnimg.cn/img_convert/a1cb06f3a9be85ac30656a8a4e0f6fa3.webp?x-oss-process=image/format,png
[format_png 10]: https://img-blog.csdnimg.cn/img_convert/6eb065fa5d597c155dffbf07d631e5ba.webp?x-oss-process=image/format,png
[format_png 11]: https://img-blog.csdnimg.cn/img_convert/09f40ee4d55980e53536dbe85fa919c4.webp?x-oss-process=image/format,png
[format_png 12]: https://img-blog.csdnimg.cn/img_convert/fead8ecba44bc5354dad88c8552120b8.webp?x-oss-process=image/format,png
[format_png 13]: https://img-blog.csdnimg.cn/img_convert/852cc46f08b57784df19351dca9a9c9f.webp?x-oss-process=image/format,png