Java的LockSupport.park()实现分析

时间:2023-02-14 20:19:00

LockSupport类是Java6(JSR166-JUC)引入的一个类,提供了基本的线程同步原语。LockSupport实际上是调用了Unsafe类里的函数,归结到Unsafe里,只有两个函数:

[java] view plain copy Java的LockSupport.park()实现分析Java的LockSupport.park()实现分析
  1. public native void unpark(Thread jthread);  
  2. public native void park(boolean isAbsolute, long time);  

isAbsolute参数是指明时间是绝对的,还是相对的。

仅仅两个简单的接口,就为上层提供了强大的同步原语。

先来解析下两个函数是做什么的。

unpark函数为线程提供“许可(permit)”,线程调用park函数则等待“许可”。这个有点像信号量,但是这个“许可”是不能叠加的,“许可”是一次性的。

比如线程B连续调用了三次unpark函数,当线程A调用park函数就使用掉这个“许可”,如果线程A再次调用park,则进入等待状态。

注意,unpark函数可以先于park调用。比如线程B调用unpark函数,给线程A发了一个“许可”,那么当线程A调用park时,它发现已经有“许可”了,那么它会马上再继续运行。

实际上,park函数即使没有“许可”,有时也会无理由地返回,这点等下再解析。

park和unpark的灵活之处

上面已经提到,unpark函数可以先于park调用,这个正是它们的灵活之处。

一个线程它有可能在别的线程unPark之前,或者之后,或者同时调用了park,那么因为park的特性,它可以不用担心自己的park的时序问题,否则,如果park必须要在unpark之前,那么给编程带来很大的麻烦!!

考虑一下,两个线程同步,要如何处理?

在Java5里是用wait/notify/notifyAll来同步的。wait/notify机制有个很蛋疼的地方是,比如线程B要用notify通知线程A,那么线程B要确保线程A已经在wait调用上等待了,否则线程A可能永远都在等待。编程的时候就会很蛋疼。

另外,是调用notify,还是notifyAll?

notify只会唤醒一个线程,如果错误地有两个线程在同一个对象上wait等待,那么又悲剧了。为了安全起见,貌似只能调用notifyAll了。

park/unpark模型真正解耦了线程之间的同步,线程之间不再需要一个Object或者其它变量来存储状态,不再需要关心对方的状态。


HotSpot里park/unpark的实现

每个Java线程都有一个Parker实例,Parker类是这样定义的:

[cpp] view plain copy Java的LockSupport.park()实现分析Java的LockSupport.park()实现分析
  1. class Parker : public os::PlatformParker {  
  2. private:  
  3.   volatile int _counter ;  
  4.   ...  
  5. public:  
  6.   void park(bool isAbsolute, jlong time);  
  7.   void unpark();  
  8.   ...  
  9. }  
  10. class PlatformParker : public CHeapObj<mtInternal> {  
  11.   protected:  
  12.     pthread_mutex_t _mutex [1] ;  
  13.     pthread_cond_t  _cond  [1] ;  
  14.     ...  
  15. }  
可以看到Parker类实际上用Posix的mutex,condition来实现的。

在Parker类里的_counter字段,就是用来记录所谓的“许可”的。

当调用park时,先尝试直接能否直接拿到“许可”,即_counter>0时,如果成功,则把_counter设置为0,并返回:

[cpp] view plain copy Java的LockSupport.park()实现分析Java的LockSupport.park()实现分析
  1. void Parker::park(bool isAbsolute, jlong time) {  
  2.   // Ideally we'd do something useful while spinning, such  
  3.   // as calling unpackTime().  
  4.   
  5.   
  6.   // Optional fast-path check:  
  7.   // Return immediately if a permit is available.  
  8.   // We depend on Atomic::xchg() having full barrier semantics  
  9.   // since we are doing a lock-free update to _counter.  
  10.   if (Atomic::xchg(0, &_counter) > 0) return;  

如果不成功,则构造一个ThreadBlockInVM,然后检查_counter是不是>0,如果是,则把_counter设置为0,unlock mutex并返回:

[cpp] view plain copy Java的LockSupport.park()实现分析Java的LockSupport.park()实现分析
  1. ThreadBlockInVM tbivm(jt);  
  2. if (_counter > 0)  { // no wait needed  
  3.   _counter = 0;  
  4.   status = pthread_mutex_unlock(_mutex);  

否则,再判断等待的时间,然后再调用pthread_cond_wait函数等待,如果等待返回,则把_counter设置为0,unlock mutex并返回:

[cpp] view plain copy Java的LockSupport.park()实现分析Java的LockSupport.park()实现分析
  1. if (time == 0) {  
  2.   status = pthread_cond_wait (_cond, _mutex) ;  
  3. }  
  4. _counter = 0 ;  
  5. status = pthread_mutex_unlock(_mutex) ;  
  6. assert_status(status == 0, status, "invariant") ;  
  7. OrderAccess::fence();  
当unpark时,则简单多了,直接设置_counter为1,再unlock mutext返回。如果_counter之前的值是0,则还要调用pthread_cond_signal唤醒在park中等待的线程: [cpp] view plain copy Java的LockSupport.park()实现分析Java的LockSupport.park()实现分析
  1. void Parker::unpark() {  
  2.   int s, status ;  
  3.   status = pthread_mutex_lock(_mutex);  
  4.   assert (status == 0, "invariant") ;  
  5.   s = _counter;  
  6.   _counter = 1;  
  7.   if (s < 1) {  
  8.      if (WorkAroundNPTLTimedWaitHang) {  
  9.         status = pthread_cond_signal (_cond) ;  
  10.         assert (status == 0, "invariant") ;  
  11.         status = pthread_mutex_unlock(_mutex);  
  12.         assert (status == 0, "invariant") ;  
  13.      } else {  
  14.         status = pthread_mutex_unlock(_mutex);  
  15.         assert (status == 0, "invariant") ;  
  16.         status = pthread_cond_signal (_cond) ;  
  17.         assert (status == 0, "invariant") ;  
  18.      }  
  19.   } else {  
  20.     pthread_mutex_unlock(_mutex);  
  21.     assert (status == 0, "invariant") ;  
  22.   }  
  23. }  
简而言之,是用mutex和condition保护了一个_counter的变量,当park时,这个变量置为了0,当unpark时,这个变量置为1。
值得注意的是在park函数里,调用pthread_cond_wait时,并没有用while来判断,所以posix condition里的"Spurious wakeup"一样会传递到上层Java的代码里。

关于"Spurious wakeup",参考上一篇blog:http://blog.csdn.net/hengyunabc/article/details/27969613

[cpp] view plain copy Java的LockSupport.park()实现分析Java的LockSupport.park()实现分析
  1. if (time == 0) {  
  2.   status = pthread_cond_wait (_cond, _mutex) ;  
  3. }  

这也就是为什么Javados里提到,当下面三种情况下park函数会返回:

  • Some other thread invokes unpark with the current thread as the target; or
  • Some other thread interrupts the current thread; or
  • The call spuriously (that is, for no reason) returns.

相关的实现代码在:

http://hg.openjdk.java.NET/jdk7/jdk7/hotspot/file/81d815b05abb/src/share/vm/runtime/park.hpp
http://hg.openjdk.java.Net/jdk7/jdk7/hotspot/file/81d815b05abb/src/share/vm/runtime/park.cpp
http://hg.openjdk.java.net/jdk7/jdk7/hotspot/file/81d815b05abb/src/os/Linux/vm/os_linux.hpp
http://hg.openjdk.java.net/jdk7/jdk7/hotspot/file/81d815b05abb/src/os/linux/vm/os_linux.cpp

其它的一些东东:

Parker类在分配内存时,使用了一个技巧,重载了new函数来实现了cache line对齐。

[cpp] view plain copy
  1. // We use placement-new to force ParkEvent instances to be  
  2. // aligned on 256-byte address boundaries.  This ensures that the least  
  3. // significant byte of a ParkEvent address is always 0.  
  4.    
  5. void * operator new (size_t sz) ;  
Parker里使用了一个无锁的队列在分配释放Parker实例: [cpp] view plain copy
  1. volatile int Parker::ListLock = 0 ;  
  2. Parker * volatile Parker::FreeList = NULL ;  
  3.   
  4. Parker * Parker::Allocate (JavaThread * t) {  
  5.   guarantee (t != NULL, "invariant") ;  
  6.   Parker * p ;  
  7.   
  8.   // Start by trying to recycle an existing but unassociated  
  9.   // Parker from the global free list.  
  10.   for (;;) {  
  11.     p = FreeList ;  
  12.     if (p  == NULL) break ;  
  13.     // 1: Detach  
  14.     // Tantamount to p = Swap (&FreeList, NULL)  
  15.     if (Atomic::cmpxchg_ptr (NULL, &FreeList, p) != p) {  
  16.        continue ;  
  17.     }  
  18.   
  19.     // We've detached the list.  The list in-hand is now  
  20.     // local to this thread.   This thread can operate on the  
  21.     // list without risk of interference from other threads.  
  22.     // 2: Extract -- pop the 1st element from the list.  
  23.     Parker * List = p->FreeNext ;  
  24.     if (List == NULL) break ;  
  25.     for (;;) {  
  26.         // 3: Try to reattach the residual list  
  27.         guarantee (List != NULL, "invariant") ;  
  28.         Parker * Arv =  (Parker *) Atomic::cmpxchg_ptr (List, &FreeList, NULL) ;  
  29.         if (Arv == NULL) break ;  
  30.   
  31.         // New nodes arrived.  Try to detach the recent arrivals.  
  32.         if (Atomic::cmpxchg_ptr (NULL, &FreeList, Arv) != Arv) {  
  33.             continue ;  
  34.         }  
  35.         guarantee (Arv != NULL, "invariant") ;  
  36.         // 4: Merge Arv into List  
  37.         Parker * Tail = List ;  
  38.         while (Tail->FreeNext != NULL) Tail = Tail->FreeNext ;  
  39.         Tail->FreeNext = Arv ;  
  40.     }  
  41.     break ;  
  42.   }  
  43.   
  44.   if (p != NULL) {  
  45.     guarantee (p->AssociatedWith == NULL, "invariant") ;  
  46.   } else {  
  47.     // Do this the hard way -- materialize a new Parker..  
  48.     // In rare cases an allocating thread might detach  
  49.     // a long list -- installing null into FreeList --and  
  50.     // then stall.  Another thread calling Allocate() would see  
  51.     // FreeList == null and then invoke the ctor.  In this case we  
  52.     // end up with more Parkers in circulation than we need, but  
  53.     // the race is rare and the outcome is benign.  
  54.     // Ideally, the # of extant Parkers is equal to the  
  55.     // maximum # of threads that existed at any one time.  
  56.     // Because of the race mentioned above, segments of the  
  57.     // freelist can be transiently inaccessible.  At worst  
  58.     // we may end up with the # of Parkers in circulation  
  59.     // slightly above the ideal.  
  60.     p = new Parker() ;  
  61.   }  
  62.   p->AssociatedWith = t ;          // Associate p with t  
  63.   p->FreeNext       = NULL ;  
  64.   return p ;  
  65. }  
  66.   
  67.   
  68. void Parker::Release (Parker * p) {  
  69.   if (p == NULL) return ;  
  70.   guarantee (p->AssociatedWith != NULL, "invariant") ;  
  71.   guarantee (p->FreeNext == NULL      , "invariant") ;  
  72.   p->AssociatedWith = NULL ;  
  73.   for (;;) {  
  74.     // Push p onto FreeList  
  75.     Parker * List = FreeList ;  
  76.     p->FreeNext = List ;  
  77.     if (Atomic::cmpxchg_ptr (p, &FreeList, List) == List) break ;  
  78.   }  
  79. }  

总结与扯谈

JUC(Java Util Concurrency)仅用简单的park, unpark和CAS指令就实现了各种高级同步数据结构,而且效率很高,令人惊叹。

在C++程序员各种自制*的时候,Java程序员则有很丰富的并发数据结构,如lock,latch,queue,map等信手拈来。

要知道像C++直到C++11才有标准的线程库,同步原语,但离高级的并发数据结构还有很远。boost库有提供一些线程,同步相关的类,但也是很简单的。Intel的tbb有一些高级的并发数据结构,但是国内boost都用得少,更别说tbb了。

最开始研究无锁算法的是C/C++程序员,但是后来很多Java程序员,或者类库开始自制各种高级的并发数据结构,经常可以看到有分析Java并发包的文章。反而C/C++程序员总是在分析无锁的队列算法。高级的并发数据结构,比如并发的HashMap,没有看到有相关的实现或者分析的文章。在C++11之后,这种情况才有好转。

因为正确高效实现一个Concurrent Hash Map是很困难的,要对内存CPU有深刻的认识,而且还要面对CPU不断升级带来的各种坑。

我认为真正值得信赖的C++并发库,只有Intel的tbb和微软的PPL。

https://software.intel.com/en-us/node/506042     Intel® Threading Building Blocks 

http://msdn.microsoft.com/en-us/library/dd492418.aspx   Parallel Patterns Library (PPL)

另外FaceBook也开源了一个C++的类库,里面也有并发数据结构。

https://github.com/facebook/folly