并发编程常见面试题汇总（三）

偏执的太偏执、 2023-09-24 20:41 52阅读 0赞

## 一、CountDownLatch，Semaphore的高频问题： ##

### 1、 CountDownLatch是什么？有啥用？底层咋实现的？ ###

CountDownLatch本质其实就是一个计数器。

在多线程并形处理业务时，需要等待其他线程处理完，再做后续的合并等操作，再响应用户时，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。

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。

当子线程处理完任务后，执行countDown方法，内部就是直接给state - 1而已。

当state减为0之后，执行await挂起的线程，就会被唤醒。

CountDownLatch不能重复使用，用完就结束。  
扩展：CyclicBarrier（栅栏）可重复使用

### 2 、Semaphore是什么？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Hystrix中涉及到了信号量隔离，**要求并发的线程数有限制**，就可以使用信号量实现。

比如：要求当前服务最多10个线程同时干活，将信号量设置为10。每一个任务提交都需要获取一个信号量，就去干活，干完了，归还信号量。

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，获取时，指定获取几个信号量，也是CAS保证原子性，归还也是类似的。

acquire：获取信号量；release：归还信号量

### 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（setDemain(true)），结束！

## 二、CopyOnWriteArrayList的高频问题： ##

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

保证原子性和一致性。

CopyOnWriteArrayList写数据时，是基于ReentrantLock保证原子性的。

其次，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。(称为：写时复制 copy on write)，保证读数据时，不要出现数据不一致的问题。

缺点：

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。

使用场景：写操作要求保证原子性，读操作保证并发，并且数据量不大 ~(nacos底层用的这个存配置）

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

### 1、 HashMap为啥线程不安全？ ###

问题1：JDK1.7里有环（扩容时）。

问题2：数据会覆盖，数据可能丢失。

问题3：其次计数器，也是传统的++，在记录元素个数和HashMap写的次数时，记录不准确。

问题4：数据迁移，扩容，也可能会丢失数据。

### 2、 ConcurrentHashMap如何保证线程安全的？ ###

回答1：尾插，其次扩容有CAS保证线程安全

回答2：写入数组时，基于CAS保证安全，挂入链表或插入红黑树时，基于synchronized保证安全。

回答3：这里ConcurrentHashMap是采用LongAdder实现的技术，底层还是CAS。（AtomicLong）

回答4：ConcurrentHashMap扩容时，一点基于CAS保证数据迁移不出现并发问题， 其次ConcurrentHashMap还提供了**并发扩容的操作**。  
举个例子：  
数组长度64扩容为128，两个线程同时扩容的话，  
线程A领取64-48索引的数据迁移任务，线程B领取47-32的索引数据迁移任务。关键是领取任务时，是基于CAS保证线程安全的。

### 3、 ConcurrentHashMap构建好，数组就创建出来了吗？ ###

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

#### 3.1、如何保证初始化数组的线程安全？ ####

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（double check lock），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。

![image.png][]

### 4、 为什么负载因子是0.75？ ###

注意：ConcurrentHashMap的负载因子不允许修改！

换个角度，负载因子为啥不是0.5或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，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。

### 5、为什么链表长度到8转为红黑树？ ###

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。

至于6退化为链表，是因为满树是7个值，7不退化是为了防止频繁的链表和红黑树转换，这里6退化留下了一个中间值，避免频繁的转换。

### 6、put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。

因为如果在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

### 7、 ConcurrentHashMap何时扩容？ ###

*  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![image.png][image.png 1]

### 8、ConcurrentHashMap扩容的流程是什么？ ###

扩容的流程：（sizeCtl是一个int类型变量，用于控制初始化和扩容）

*  每个扩容的线程都需要基于oldTable的长度计算一个扩容标识戳（避免出现两个扩容线程的数组长度不一致。其次保证扩容标识戳的16位是1，这样左移16位会得到一个负数）
 *  第一个扩容的线程，会对sizeCtl + 2，代表当前有1个线程来扩容
 *  除去第一个扩容的线程，其他线程会对sizeCtl + 1，代表现在又来了一个线程帮助扩容
 *  第一个线程会初始化新数组。
 *  每个线程会领取迁移数据的任务，将oldTable中的数据迁移到newTable。默认情况下，每个线程每次领取长度为16的迁移数据任务
 *  当数据迁移完毕时，每个线程再去领取任务时，发现没任务可领了，退出扩容，对sizeCtl - 1。
 *  最后一个退出扩容的线程，发现-1之后，还剩1，最后一个退出扩容的线程会从头到尾再检查一次，有没有遗留的数据没有迁移走（这种情况基本不发生），检查完之后，再-1，这样sizeCtl扣除完，扩容结束。

### 8、ConcurrentHashMap的计数器如何实现的？ ###

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。

### 9、 ConcurrentHashMap的读操作会阻塞嘛？ ###

无论查哪，都不阻塞。

查询数组 ：第一块就是查看元素是否在数组，在就直接返回。

查询链表：第二块，如果没特殊情况，就在链表next，next查询即可。

扩容时：第三块，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。

### 10、查询红黑树，如果有一个线程正在写入红黑树，此时读线程还能去红黑树查询吗？ ###

因为红黑树为了保证平衡可能会旋转，旋转会换指针，可能会出现问题。所以在转换红黑树时，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。  
至于如何判断是否有线程在写，和等待写或者是读红黑树，根据TreeBin的lockState来判断，如果是1，代表有线程正在写，如果为2，代表有写线程等待写，如果是4n，代表有多个线程在做读操作。

[image.png]: https://img-blog.csdnimg.cn/img_convert/3d0e2af3830b0876174c6b8710abfb14.png
[image.png 1]: https://img-blog.csdnimg.cn/img_convert/4a30033c7e749624c3b1dea37dbd4d80.png