【Java 开发日记】阻塞队列有哪些?拒绝策略有哪些?

【Java 开发日记】阻塞队列有哪些?拒绝策略有哪些?

目录

阻塞队列有哪些?

拒绝策略有哪些?

面试回答


阻塞队列有哪些?

在Java的java.util.concurrent包里面,阻塞队列的实现挺多的,我们可以根据它的功能和结构来记,主要分这么几类:

1. 按容量划分:

  • 有界队列: 就是队列有固定的容量。
    • ArrayBlockingQueue 最经典的一个,底层是数组,创建时必须指定大小。它的生产和消费用同一把锁,性能相对稳定。
    • LinkedBlockingQueue 底层是链表,它既可以是有界的(构造时指定容量),也可以默认是无界的(默认是Integer.MAX_VALUE,几乎相当于无界)。它的生产和消费用了两把锁,在高并发场景下吞吐量通常比ArrayBlockingQueue更高。
  • 无界队列: 理论上是无限的,只要内存够就能一直放。
    • PriorityBlockingQueue 一个支持优先级排序的无界队列。元素必须实现Comparable接口,或者构造时传入Comparator。它出队的顺序是按优先级来的,不是先进先出
    • DelayQueue 一个很特殊的队列,里面放的是实现了Delayed接口的元素。每个元素都有个到期时间,只有到期了的元素才能被取出来。典型应用就是做缓存过期、定时任务调度。

2. 特殊功能的队列:

  • SynchronousQueue 这个队列非常特别,它不存储元素。每一个put操作必须等待一个take操作,就像“手递手”交接一样。它直接传递任务,效率很高,常用于线程池之间直接传递工作。CachedThreadPool用的就是它。
  • LinkedTransferQueueLinkedBlockingQueueSynchronousQueue的结合体。它多了个transfer方法,如果当前有消费者在等待,就直接把元素给消费者;如果没有,就入队,并且会阻塞直到该元素被消费掉。性能很好。


所以,我比较常记的是ArrayBlockingQueueLinkedBlockingQueuePriorityBlockingQueueDelayQueueSynchronousQueue这几个,它们各有各的应用场景。

拒绝策略有哪些?

拒绝策略是线程池的一个组成部分。当线程池的工作队列满了,并且所有线程也都达到最大线程数了,这时候再来新任务,就会触发拒绝策略。Java在ThreadPoolExecutor类里提供了4种内置的策略,都实现了RejectedExecutionHandler接口:

1. AbortPolicy(中止策略 - 默认策略):

  • 做法: 直接抛出一个RejectedExecutionException异常。
  • 感受: “比较粗暴,但好处是能让我们及时感知到系统出了饱和问题。”

2. CallerRunsPolicy(调用者运行策略):

  • 做法: 不抛弃任务,也不抛异常,而是将任务回退给调用者(提交任务的线程),让调用者自己去执行这个任务。
  • 感受: “这是一种‘负反馈’机制。提交任务的线程突然要自己去干活,它就忙起来了,自然就慢下来提交新任务了,给了线程池一个喘息的机会。这个策略在生产环境挺实用的,能平滑地降低流量。”

3. DiscardPolicy(丢弃策略):

  • 做法: 默默地把新提交的任务丢弃掉,不执行,也不给任何通知。
  • 感受: “风险比较大,因为任务丢了我们都不知道。除非是一些无关紧要的场景,否则一般不推荐。”

4. DiscardOldestPolicy(丢弃最老策略):

  • 做法:工作队列里排队时间最长的那个任务(队头的任务)丢掉,然后尝试把新任务再放进队列。
  • 感受: 这个策略有点‘喜新厌旧’。它可能丢弃掉一个非常重要的老任务,风险也挺高的,用的时候得想清楚业务上能不能接受。


当然,如果这四种都不满足需求,我们还可以自己实现RejectedExecutionHandler接口,来自定义拒绝策略,比如把拒绝的任务持久化到磁盘,或者记录日志后发个告警等等。

面试回答

Java中的阻塞队列主要有像ArrayBlockingQueue这种基于数组的有界队列,也有LinkedBlockingQueue这种基于链表可以无界的队列。还有一些特殊用途的,比如按优先级出队的PriorityBlockingQueue,做延时任务的DelayQueue,以及不存元素专门做传递的SynchronousQueue
 

关于拒绝策略,是线程池满载后的处理方式。默认的AbortPolicy会直接抛异常;CallerRunsPolicy会让提交任务的线程自己去执行,这个我们项目在用,能平滑流量;还有两种是直接丢弃任务或者丢弃队列中最老的任务。如果都不行,我们也可以根据业务自己实现一个。

如果小假的内容对你有帮助,请点赞评论收藏。创作不易,大家的支持就是我坚持下去的动力!

Read more

【AI应用开发工程师】-AI写代码总翻车?一文帮你解决(附实战案例)

【AI应用开发工程师】-AI写代码总翻车?一文帮你解决(附实战案例)

AI 写代码不按需求来?这个需求对齐 Skill 让你告别返工! 引言 你是不是也遇到过这种情况:兴冲冲地给 AI 提了个需求,结果它生成的代码完全跑偏,就像你点了一份红烧肉,端上来的却是番茄炒蛋?别急,这很可能不是 AI 的锅,而是需求没对齐!今天,我就来安利一个神器—— 需求对齐 Skill 。 目录 * 什么是需求对齐模式? * 核心原则:三大“只”字诀 * 执行流程:三步搞定需求确认 * 实际示例:视频提示词修改功能 * 如何应用这个 Skill? * 结语:一起告别返工! 什么是需求对齐模式? 简单说,这是一种让 AI“先理解,后动手”的交互模式。在没有这个 Skill 之前,每次提新需求都得和 AI“聊半天”,还经常返工。

By Ne0inhk
人工智能:多模态大模型原理与跨模态应用实战

人工智能:多模态大模型原理与跨模态应用实战

人工智能:多模态大模型原理与跨模态应用实战 1.1 本章学习目标与重点 💡 学习目标:掌握多模态大模型的核心原理、跨模态特征融合方法,以及基于多模态模型的图文生成与理解任务实战流程。 💡 学习重点:理解多模态模型的架构设计,学会使用 Hugging Face 生态工具调用 CLIP 与 BLIP-2 模型,完成图文检索与图像描述生成任务。 1.2 多模态大模型的核心概念与发展背景 1.2.1 什么是多模态大模型 💡 多模态大模型是指能够同时处理文本、图像、音频、视频等多种不同类型数据的人工智能模型。它打破了传统单模态模型的信息壁垒,实现了跨模态的理解与生成。 多模态大模型的核心能力体现在两个方面: * 跨模态理解:实现不同模态数据之间的关联分析,例如根据文本描述查找对应图像、根据图像内容生成文字摘要。 * 跨模态生成:以一种模态数据为输入,生成另一种模态的数据,例如文本生成图像、图像生成文本、语音生成视频等。 与单模态大模型相比,多模态大模型更贴近人类的认知方式。人类在认识世界的过程中,本身就是通过视觉、听觉、语言等多种感官渠道接收和处理信息的。

By Ne0inhk
【鸿蒙心迹】我的HarmonyOS百宝箱

【鸿蒙心迹】我的HarmonyOS百宝箱

前言 大家好,我是万少,这个是我的自我介绍 我是一个鸿蒙应用开发技术爱好者,同时也是鸿蒙应用技术的传播者 目前牵头和扶持个人开发者开发了十几款鸿蒙上架应用了,有《可可图片编辑》、《青蓝萤火故事屋》、《自然壁纸》等等。 接下来分享一下平时我开发鸿蒙应用的百宝箱吧,希望可以助力鸿蒙应用开发爱好者。 鸿蒙应用开发官网 鸿蒙应用开发官网是所有鸿蒙应用开发者必须要熟悉和常用的地址,所有第一手鸿蒙应用开发的资料都在其中,而且是中文的,符合国人的口吻,这一点相比较与其他客户端开发,如安卓和ios等,有极大的收益,特别方便英文不太好的小伙伴 😄。 指南 指南 ,在鸿蒙应用开发官网中 是以教学的角度梳理的鸿蒙应用开发知识,也是我们初学者入门了解相关技术的入口,它会以小步骤的形式告诉你该技术如何使用,当我们搜索相关资料的时候都可以优先看这里。 API参考 API 就想一门鸿蒙应用开发的字典,它会完整详细的告诉你某段API参数的具体说明,当我们想要精确了解某个核心代码的参数、返回值等信息的时候就需要在这里进行查看。 最佳实践 最佳实践是一个初学者了解某一类业务的解决方案的绝

By Ne0inhk
内存暴涨700%背后的惊天真相:AI正在吞噬一切!能源·隐私·绿色三大维度深度拆解

内存暴涨700%背后的惊天真相:AI正在吞噬一切!能源·隐私·绿色三大维度深度拆解

🔥作者简介: 一个平凡而乐于分享的小比特,中南民族大学通信工程专业研究生,研究方向无线联邦学习 🎬擅长领域:驱动开发,嵌入式软件开发,BSP开发 ❄️作者主页:一个平凡而乐于分享的小比特的个人主页 ✨收录专栏:未来思考,本专栏结合当前国家战略和实时政治,对未来行业发展的思考 欢迎大家点赞 👍 收藏 ⭐ 加关注哦!💖💖 🔥内存暴涨700%背后的惊天真相:AI正在吞噬一切!能源·隐私·绿色三大维度深度拆解 |前言| 最近装机的小伙伴们欲哭无泪:DDR5内存价格一路狂飙,部分DRAM现货价格在过去一年暴涨近700% 。大家习惯性吐槽“厂商放火”、“产能不足”,但很少有人看到,这场涨价风暴的真正推手,是那只名为“AI”的巨兽。 当你还在为多花几百块钱买内存心疼时,国家正在西部荒漠建起一座座数据中心,科技巨头正在为“吃电怪兽”抢购每一颗芯片。2026年,大型科技公司的AI相关投资预计将达到6500亿美元,较去年增长约80% 。 今天,我们从能源供应、隐私安全、绿色AI 三个维度,结合东数西算、算电协同、

By Ne0inhk