并发编程体系概述

大家好，欢迎来到IT知识分享网。

作者：京东自有品牌 周振

协程在处理高并发和I/O密集型任务时，具有明显的优势，尤其是在编写异步代码时更加简洁和高效。然而，对于CPU密集型任务和传统的多任务处理，线程仍然是一个成熟且有效的选择。

选择协程还是线程，取决于具体的应用场景和需求。随着Kotlin协程在Java生态系统中的普及，越来越多的中间件和框架开始支持协程。

但是并不一定要使用协程，使用基于多线程的分布式并发框架也可以实现类似的效果、如akka、Spring WebFlux等。

多线程知识汇总

基础知识

具体可以查找我之前博客：
https://blog.csdn.net/Zzhou1990/article/details/

响应式编程

Show me code

获取时间的并发问题

总结起来原因是System.currentTimeMillis调用了gettimeofday()

调用gettimeofday()需要从用户态切换到内核态；

gettimeofday()的表现受Linux系统的计时器（时钟源）影响，在HPET计时器下性能尤其差；

系统只有一个全局时钟源，高并发或频繁访问会造成严重的争用

所以中间件在获取时间时候会有一个单例线程。

分析文章地址
http://pzemtsov.github.io/2017/07/23/the-slow-currenttimemillis.html

阿里sentine获取时间工具类

public final class TimeUtil { private static volatile long currentTimeMillis; static { currentTimeMillis = System.currentTimeMillis(); Thread daemon = new Thread(new Runnable() { @Override public void run() { while (true) { currentTimeMillis = System.currentTimeMillis(); try { TimeUnit.MILLISECONDS.sleep(1); } catch (Throwable e) { } } } }); daemon.setDaemon(true); daemon.setName("sentinel-time-tick-thread"); daemon.start(); } public static long currentTimeMillis() { return currentTimeMillis; } } 

json转换的性能问题

 List 
  
    vendorList = vendorInfoMapper.findVendorList(); log.info("日志输出:{}", JSONUtils.toJSONString(vendorList)); if(log.isInfoEnabled()){ log.info("日志输出:{}", JSONUtils.toJSONString(vendorList)); } 
  

class User { private long id; private String name; private String email; } public User getUserInfoLowPerformance(long userId) { String key = USER_INFO_KEY + ":" + userId; String jsonUser = (String) redisTemplate.opsForValue().get(key); if (jsonUser == null) { return null; } return new Gson().fromJson(jsonUser, User.class); } public User getUserInfo(long userId) { Map 
  
    userInfoMap = redisTemplate.opsForHash().entries(key); if (userInfoMap.isEmpty()) { return null; } user = new User(); user.setId((Long) userInfoMap.get("id")); user.setName((String) userInfoMap.get("name")); user.setEmail((String) userInfoMap.get("email")); //... } 
  

循环处理

循环会将低性能代码放大，主要查看以下，使用异步或非核心操作不是必须在响应前完成。

查找数据O(1)、使用IO网络、缓存、磁盘、使用cpu等操作

流式编程

流程编程、caffeine缓存、批处理优化；减少阻塞等待

case改造案例：50ms -> 15ms

UMP和泰山

UMP秒级监控、强大泰山整合了UMP、链路追踪、硬件监控、负载均衡等，内部优秀的工具帮助监控性能问题；

通过UMP秒级监控作为入口，秒级监控需手动开启，限制接口50个

Tp99/Tp999；可用率等；下钻查看每个机器的流量，这些可以根据机器配置在NP平台调整权重以及负载策略，继续根据机器查看



生态和体系

并发&IO

并发&内存&CPU

JVM内存模型，不同的jdk版本；确保内存可见性和指令重排序的规则、以及线程的调度

JVM gc参数设置、包括gc频率、相关参数线程数

用户态和内核态切换。

并发&锁

选择不同的锁，会对并发产生比较大的影响；

锁分类 ： 互斥锁、自旋锁、读写锁、乐观锁、悲观锁、锁分段(表锁、行锁、间隙锁)、无锁cas

https://blog.csdn.net/Zzhou1990/article/details/?spm=1001.2014.3001.5501

并发&中间件

数据库、缓存、断路器（限流、降级、合并）、服务间调用、配置中心、链路追踪、日志、JMQ

基数和标准：一次Tcp连接时间、一次Http连接时间

如机器配置4核8g mysql, qps和tps 响应时间根据sql复杂度从几十ms~ns不等

如机器配置8核32C redis qps 响应时间从nms~100ms

其他：

堆外内存

减少gc、序列化和反序列化。

字节码增加

Ask gpt4.0 字节码增强如何提高代码性能

缓存行

64Kb、Disruptor、伪共享

https://tech.meituan.com/2016/11/18/disruptor.html

类似概念磁盘顺序读写

局部性原理和分支优化

空间局部性优化：使用数组、合理模型结构

较少分支、分支展开、条件合并

性能分析、火焰图
http://jagile.jd.com/shendeng/article/detail/1680

如何写出让CPU跑得更快的代码 = 如何写出让CPU缓存命中率更高的代码

并发不只是并发，他还是个策略问题：处理数据的时候选择合适的策略，可能数据很快就会跑出来。

问下chatgpt：从kafka架构设计角度说说高并发怎么实现、用户态和内核态、