CAS

记得刚刚开始学习Java的时候，一遇到多线程情况就是synchronized，相对于当时的我们来说synchronized是这么的神奇而又强大，那个时候我们赋予它一个名字“同步”，也成为了我们解决多线程情况的百试不爽的良药。但是，随着我们学习的进行我们知道synchronized是一个重量级锁，相对于Lock，它会显得那么笨重，以至于我们认为它不是那么的高效而慢慢摒弃它。 诚然，随着Javs SE 1.6对synchronized进行的各种优化后，synchronized并不会显得那么重了。下面跟随LZ一起来探索synchronized的实现机制、Java是如何对它进行了优化、锁优化机制、锁的存储结构和升级过程； 实现原理 synchronized可以保证方法或者代码块在运行时，同一时刻只有一个方法可以进入到临界区，同时它还可以保证共享变量的内存可见性 Java中每一个对象都可以作为锁，这是synchronized实现同步的基础： 普通同步方法，锁是当前实例对象 静态同步方法，锁是当前类的class对象 同步方法块，锁是括号里面的对象 当一个线程访问同步代码块时，它首先是需要得到锁才能执行同步代码，当退出或者抛出异常时必须要释放锁，那么它是如何来实现这个机制的呢？我们先看一段简单的代码： public class SynchronizedTest { public

Syncronized解析 作用： （ 1 ）确保线程互斥的访问同步代码 （ 2 ）保证共享变量的修改能够及时可见 （ 3 ）有效解决重排序问题。 用法： （ 1 ）修饰普通方法（ 锁是当前实例对象 ） （ 2 ）修饰静态方法（ 锁是当前对象的 Class 对象 ） （ 3 ）修饰代码块（ 锁是 Synchonized 括号里配置的对象 ） 底层实现原理： 方法和代码块都是 基于进入和退出 Monitor 对象来实现方法同步和代码块同步，但两者的实现细节不一样。 (1) 代码块同步是使用 monitorenter 和 monitorexit 指令实现， monitorenter 指令是在编译后插入到同步代码块的开始位置，而 monitorexit 是插入到方法结束处和异常处 每个对象有一个监视器锁（ monitor ）。线程执行 monitorenter 指令时尝试获取 monitor 的所有权，过程如下： 1 、如果 monitor 的进入数为 0 ，则该线程进入 monitor ，然后将进入数设置为 1 ，该线程即为 monitor 的所有者。 2 、如果线程已经占有该 monitor ，只是重新进入，则进入 monitor 的进入数加 1. 3. 如果其他线程已经占用了 monitor ，则该线程进入阻塞状态，直到 monitor 的进入数为 0 ，再重新尝试获取

多线程的缓存数据需要放到chm，修改缓存数据，多线程计数统计数据都需要使用锁 synchronized的使用 在多线程并发编程中synchronized一直是元老级角色，很多人都会称呼它为重量级锁。 但是，随着Java SE 1.6对synchronized进行了各种优化之后， 有些情况下它就并不那么重了， Java SE 1.6中为了减少获得锁和释放锁带来的性能消耗而引入的 偏向锁 和 轻量级锁 ， 以及锁的存储结构和升级过程。 我们仍然沿用前面使用的案例，然后通过synchronized关键字来修饰在inc的方法上。 再看看执行结果: public class Demo{ private static int count=0; public static void inc(){ synchronized (Demo.class) { try { Thread.sleep(1); } catch (InterruptedException e) { e.printStackTrace(); } count++; } } public static void main(String[] args) throws InterruptedException { for(int i=0;i<1000;i++){ new Thread(()->Demo.inc()).start(); }

上一篇文章 中我论述了叶子内联leaf inlining是怎样让 Go 编译器减少函数调用的开销的，以及延伸出了跨函数边界的优化的机会。本文中，我要论述内联的限制以及叶子内联与栈中内联mid-stack inlining的对比。 内联的限制 把函数内联到它的调用处消除了调用的开销，为编译器进行其他的优化提供了更好的机会，那么问题来了，既然内联这么好，内联得越多开销就越少， 为什么不尽可能多地内联呢？ 内联可能会以增加程序大小换来更快的执行时间。限制内联的最主要原因是，创建许多函数的内联副本会增加编译时间，并导致生成更大的二进制文件的边际效应。即使把内联带来的进一步的优化机会考虑在内，太激进的内联也可能会增加生成的二进制文件的大小和编译时间。 内联收益最大的是 小函数 ，相对于调用它们的开销来说，这些函数做很少的工作。随着函数大小的增长，函数内部做的工作与函数调用的开销相比省下的时间越来越少。函数越大通常越复杂，因此优化其内联形式相对于原地优化的好处会减少。 内联预算 在编译过程中，每个函数的内联能力是用 内联预算 计算的 1 。开销的计算过程可以巧妙地内化，像一元和二元等简单操作，在抽象语法数Abstract Syntax Tree（AST）中通常是每个节点一个单位，更复杂的操作如 make 可能单位更多。考虑下面的例子： package main func small()

微信红包的架构设计简介： 概况：2014年微信红包使用数据库硬抗整个流量，2015年使用cache抗流量。 1、微信的金额什么时候算？ 答：微信金额是拆的时候实时算出来，不是预先分配的，采用的是纯内存计算，不需要预算空间存储。。 采取实时计算金额的考虑：预算需要占存储，实时效率很高，预算才效率低。 2、实时性：为什么明明抢到红包，点开后发现没有？ 答：2014年的红包一点开就知道金额，分两次操作，先抢到金额，然后再转账。 2015年的红包的拆和抢是分离的，需要点两次，因此会出现抢到红包了，但点开后告知红包已经被领完的状况。进入到第一个页面不代表抢到，只表示当时红包还有。 3、分配：红包里的金额怎么算？为什么出现各个红包金额相差很大？ 答：随机，额度在0.01和剩余平均值*2之间。 例如： 发100块钱，总共10个红包，那么平均值是10块钱一个，那么发出来的红包的额度在0.01元～20元之间波动。 当前面3个红包总共被领了40块钱时，剩下60块钱，总共7个红包，那么这7个红包的额度在：0.01～（60/7*2）=17.14之间。 注意：这里的算法是每被抢一个后，剩下的会再次执行上面的这样的算法（Tim老师也觉得上述算法太复杂，不知基于什么样的考虑）。 这样算下去，会超过最开始的全部金额，因此到了最后面如果不够这么算，那么会采取如下算法：保证剩余用户能拿到最低1分钱即可。

微信红包的架构设计简介： 原文：https://www.zybuluo.com/yulin718/note/93148 @来源于QCon某高可用架构群整理，整理朱玉华。 背景：有某个朋友在朋友圈咨询微信红包的架构，于是乎有了下面的文字（有误请提出，谢谢） 概况：2014年微信红包使用数据库硬抗整个流量，2015年使用cache抗流量。 1、微信的金额什么时候算？ 答：微信金额是拆的时候实时算出来，不是预先分配的，采用的是纯内存计算，不需要预算空间存储。。 采取实时计算金额的考虑：预算需要占存储，实时效率很高，预算才效率低。 2、实时性：为什么明明抢到红包，点开后发现没有？ 答：2014年的红包一点开就知道金额，分两次操作，先抢到金额，然后再转账。 2015年的红包的拆和抢是分离的，需要点两次，因此会出现抢到红包了，但点开后告知红包已经被领完的状况。进入到第一个页面不代表抢到，只表示当时红包还有。 3、分配：红包里的金额怎么算？为什么出现各个红包金额相差很大？ 答：随机，额度在0.01和剩余平均值*2之间。 例如： 发100块钱，总共10个红包，那么平均值是10块钱一个，那么发出来的红包的额度在0.01元～20元之间波动。 当前面3个红包总共被领了40块钱时，剩下60块钱，总共7个红包，那么这7个红包的额度在：0.01～（60/7*2）=17.14之间。 注意

题目链接：https://nanti.jisuanke.com/t/40258 题意：给长为n的数组a，有m次操作，包括单点修改和查询F(l,r)，其值为所有f(i,j)的异或和，l<=i<=j<=r，即 其中 (n,m<=1e5). 思路：这种题可以用线段树来进行修改和查询，但需要先化简。对于l<=x<=r，包括ax的区间有(r-x+1)*(x-l+1)个，注意到当区间长为偶数时，改值恒为偶数，那么也就是说ax出现偶数次，那么查询结果为0。当区间长度为奇数时，若x与l奇偶性不同，则该值为偶数，异或值为0; 若奇偶值相同，则该值为奇数，异或值为ax，故需要用线段树维护与l奇偶性相同的元素的异或和。 　　　但是合并两个区间的时候，可能出现右区间的l与左区间的l奇偶性不同的情况，这时，右区间维护的值不能直接求与。需要同右区间整体异或和异或之后得到与左区间的l奇偶性相同的那些元素的异或和。说的很绕，手动算一下就明白，所以我们还需要用线段树维护区间的异或和。 AC代码： #include<cstdio> #include <algorithm> using namespace std; const int maxn= 100005 ; int T,n,m,cas,a[maxn]; struct node{ int l,r; int sum,val; }tr[maxn << 2 ];

深入java并发包源码(一)简介 深入java并发包源码(二)AQS的介绍与使用 深入java并发包源码(三)AQS独占方法源码分析 ##AQS 的实现原理 学完用 AQS 自定义一个锁以后，我们可以来看一下刚刚使用过的方法的实现。 分析源码的时候会省略一些不重要的代码。 AQS 的实现是基于一个 FIFO 队列的，每一个等待的线程被封装成 Node 存放在等待队列中，头结点是空的，不存储信息，等待队列中的节点都是阻塞的，并且在每次被唤醒后都会检测自己的前一个节点是否为头结点，如果是头节点证明在这个线程之前没有在等待的线程，就尝试着去获取共享资源。 ###AQS 的继承关系 AQS 继承了 AbstractOwnableSynchronizer ，我们先分析一下这个父类。 public abstract class AbstractOwnableSynchronizer implements java.io.Serializable { protected AbstractOwnableSynchronizer() { } /** * 独占模式下的线程 */ private transient Thread exclusiveOwnerThread; /** * 设置线程，只是对线程的 set 方法 */ protected final void

一、概述 　　谈到并发，不得不谈ReentrantLock；而谈到ReentrantLock，不得不谈AbstractQueuedSynchronizer（AQS）！ 　　类如其名，抽象的队列式的同步器，AQS定义了一套多线程访问共享资源的同步器框架，许多同步类实现都依赖于它，如常用的ReentrantLock/Semaphore/CountDownLatch...。 　　以下是本文的目录大纲： 概述 框架 源码详解 简单应用 　　若有不正之处，请谅解和批评指正，不胜感激。 　　请尊重作者劳动成果，转载请标明原文链接（原文持续更新，建议阅读原文）： http://www.cnblogs.com/waterystone/p/4920797.html 二、框架 　　它维护了一个volatile int state（代表共享资源）和一个FIFO线程等待队列（多线程争用资源被阻塞时会进入此队列）。这里volatile是核心关键词，具体volatile的语义，在此不述。state的访问方式有三种: getState() setState() compareAndSetState() 　　AQS定义两种资源共享方式：Exclusive（独占，只有一个线程能执行，如ReentrantLock）和Share（共享，多个线程可同时执行，如Semaphore/CountDownLatch）。 　

　　2020 年注定是观察 CRISPR 技术发展的一个重要时间点。 　　不但两大 CRISPR 公司 Editas、Intellia 都计划在今年实行第一批患者给药，而且就在最近，我们看到了一项证明该技术安全性的标志性事件的更多细节。 　　 这个标志性事件就是由四川大学华西医院肿瘤学家卢铀所领导完成的全球首个 CRISPR 人体试验。 　　 图｜卢铀（ 来源： 华西医院） 　　 2016 年 7 月，Nature 报道了这一新闻。当时，卢铀教授研究小组计划利用 CRISPR 技术编辑的T细胞（敲除 PD-1 基因）治疗转移性非小细胞肺癌患者。这些非小细胞肺癌患者此前经过化疗、放疗以及其它疗法均治疗无效。 　　同年 11 月，Nature 再登试验进展：团队已将经 CRISPR 编辑的 T 细胞注射到 1 例肺癌患者体内，评估 PD-1 敲除 T 细胞治疗晚期非小细胞肺癌的 I 期临床试验进入新的关键阶段。 　　 时隔 4 年，详细的试验成果终于在近日在线发表在 Nature Medicine 上，论文题目为《Safety and feasibility of CRISPR-edited T cells in patients with refractory non-small-cell lung cancer》，为 CRISPR/Cas9 基因编辑的 T