当前位置: 首页 > article >正文

响应式编程与协程

响应式编程与协程的比较

  • 响应式编程的弊端
  • 虚拟线程
    • Java线程
    • 内核线程的局限性
    • 传统线程池的demo
    • 虚拟线程的demo

响应式编程的弊端

前面用了几篇文章介绍了响应式编程,它更多的使用少量线程实现线程间解耦和异步的作用,如线程的Reactor模型,主要是把接收请求交给IO线程处理,然后业务的处理交给handler线程处理,它的弊端是①开发编码成本比较高,如下例demo:

Flux<Object> fluxDemo = Flux.create(sink -> {
    for (int i = 0; i < 3; i++) {
        sink.next(i);
    }
    //代表推送给下一个操作形成新流
    sink.complete();
    //过滤不等于0的数
}).log().filter(Predicate.not(Predicate.isEqual(0))).publishOn(Schedulers.single()).log();

发布者往下推送,相应于不断的回调,虽然说webFlux组件也尽量避免回调地狱,以及命令式编程的复杂性,②仍有使用函数式编程和事件驱动存在理解性上的难度,基于现有代码去改造,成本比较高,③响应式编程需要底层的很多第三方库支持,而这种第三方库是比不上JDK官方版本的代码质量,这三个原因是webflux没有大范围被应用的原因;

而且从线程角度,虽然响应式编程使用少量线程处理,在handler处理业务,也就是用户线程进行处理,如线程阻塞,cpu就需将调度切换到另一个线程,但仍然存在上下文切换的问题:

  1. 寄存器保存与恢复 线程切换时,操作系统需要保存当前线程的寄存器状态(如程序计数器、堆栈指针等),并恢复新线程的寄存器状态。这些操作涉及大量内存访问,增加了时间开销。

  2. 缓存失效 线程切换可能导致CPU缓存失效,新线程的数据和指令可能不在缓存中,需要从主存加载,这会显著增加延迟。

  3. 内存管理 切换线程时,操作系统可能需要更新内存管理单元(MMU)的页表,确保新线程能正确访问其内存空间。这一过程涉及TLB(转换后备缓冲区)的刷新,进一步增加延迟。

  4. 内核态与用户态切换 线程切换通常需要从用户态切换到内核态,执行完后再切换回用户态。这种模式切换涉及额外的开销。

  5. 调度开销 操作系统需要选择下一个要执行的线程,调度算法的复杂性也会影响切换速度,尤其是在高负载情况下。

  6. 锁与同步 在多线程环境中,切换可能涉及锁的获取与释放,若锁被其他线程持有,当前线程会被阻塞,进一步增加延迟。

  7. 中断处理 硬件中断可能触发线程切换,操作系统需要先处理中断,再执行切换,增加了额外开销。

  8. 上下文大小 线程的上下文越大,保存和恢复所需的时间越长,尤其是在寄存器多或内存占用大的情况下。

恰好JDK引入虚拟线程,从另外角度去解决并发问题。响应式编程和虚拟线程是竞品,在CPU密集型的业务场景中,响应式编程吞吐量是由于虚拟线程的,但在IO密集型中,虚拟线程吞吐量要高一些,所以与虚拟线程对比,spring webflux是弊大于利的,这也是响应式编程一直没有流行开来的原因;

虚拟线程

虚拟线程在Java 19中以预览模式引入,并在Java 21版本中正式成为标准功能,Java的虚拟线程参考了Golang这种协程的机制;

Java线程

内核线程直接由操作系统内核支持的线程,这种线程由内核来完成线程切换,内核通过操纵调度器对线程进行调度,并负责将线程的任务映射到各个处理器上。每个内核线程可以视为内核的一个分身,这样操作系统内就有能力同时处理多件事,但程序一般不会直接使用内核线程,而是使用内核线程的一种高级接口——轻量级进程,轻量级进程就是通常意义上说的线程

每个轻量级进程都称为一个独立的调度单元,它是基于内核线程实现的,所以创建、析构和同步,都需要进行系统调用,前面也说系统调用是需要用户态切换到内核态的

其实在JDK1.2之前,Java线程就基于一种被称为“绿色线程”的用户线程实现,但从JDK1.3起,“主流”平台上的“主流”商用Java虚拟机的线程模型普遍都被换成基于操作系统原生线程模型来实现,即采用1:1的线程模型,以HotSpot为例,它的每一个Java线程都是直接映射到一个操作系统原生线程(就是内核线程)来实现的,而且中间没有额外的间接结构,所以HotSpot自己是不会去干涉线程调度的(但可以设置线程优先级给操作系统提供调度建议),全权交给底下的操作系统去处理,所以何时冻结或唤醒线程、该给线程分配多少处理器执行时间、该把线程安排给那个处理器核心去执行等,都是由操作系统完成的,也都是由操作系统全权决定的,例如只有cpu只有8个逻辑核,它就是创建8个原生线程,无论创建的线程池有多少个用户线程,都是调用轻量级进程接口让cpu切换着执行(至于cpu调度可参考之前的白话讲Linux进程如何被CPU调度)

内核线程的局限性

随着业务量的增加,QPS也要求越来越大,而Web应用的服务却要求每个接口的吞吐量保持大,这就要求每个服务都必须在极短时间内完成计算,1:1的内核线程模型是如今虚拟机线程实现的主流选择,但是这种映射到操作系统上的线程天然的缺陷是切换、调度成本高昂,系统能容纳的线程数量也是有限的;
用户线程的上下文切换是一种重量级的操作(上面有说上下文切换操作慢的原因),每遇到IO阻塞,就需要切换上下文,以及如果进行量化的话,那么如果不显示设置-Xss或-XX:ThreadStackSize,则在64位Linux上HotSpot的线程栈容量默认是1M,此外内核数据结构还额外消耗16Kb内存。

所以引入虚拟线程,也叫协程,它分为有栈和无栈协程序,通过在内存划分一片额外空间来模拟调用栈,只要其他“线程”中方法压栈、退栈时遵守规则,不破坏这片空间即可,这样多段代码执行时就会像相互缠绕着一样,非常形象。后来,操作系统开始提供多线程的支持,靠应用自己模拟多线程的做法自然是变少许多,而是演化为用户线程继续存在,也就说虚拟线程是在用户线程的基础上创建的,无论是创建和销毁都无需切换到内核态,性能自然高,而且一个协程的栈通常在几百个字节到几KB之间,所以Java虚拟机里线程池容量达到两百就已不小了,而支持协程的应用中,同时存在的协程数量可数以十万计;

传统线程池的demo

static class Task implements Runnable{
        CountDownLatch countDownLatch = null;
        Task(CountDownLatch countDownLatch){
            this.countDownLatch = countDownLatch;
        }
        @Override
        public void run() {
            System.out.println(Thread.currentThread()+":开始");
            System.out.println(Thread.currentThread()+":虚拟线程在执行");
            try {
                Thread.sleep(1000);
                countDownLatch.countDown();
            } catch (InterruptedException e) {
                throw new RuntimeException(e);
            }
            System.out.println(Thread.currentThread()+":结束");
        }
    }
public static void main(String[] args) throws IOException, InterruptedException {
		CountDownLatch countDownLatch = new CountDownLatch(3);
        ExecutorService executorService = Executors.newFixedThreadPool(1);
        long before = System.currentTimeMillis();
        executorService.execute(new Task(countDownLatch));
        executorService.execute(new Task(countDownLatch));
        executorService.execute(new Task(countDownLatch));
        countDownLatch.await();
        long after = System.currentTimeMillis() - before;

        System.out.println("耗费时间为"+after);


        System.in.read();
}

在这里插入图片描述
该demo中创建的线程池只有一个,提交的三个任务串行执行,耗费时间是三个任务执行时间总和;

虚拟线程的demo

public static void main(String[] args) throws IOException, InterruptedException {
		CountDownLatch countDownLatch = new CountDownLatch(3);
        ExecutorService executorService = Executors.newVirtualThreadPerTaskExecutor();
        long before = System.currentTimeMillis();

        executorService.execute(new Task(countDownLatch));
        executorService.execute(new Task(countDownLatch));

        executorService.execute(new Task(countDownLatch));
        long after = System.currentTimeMillis() - before;
        System.out.println("耗费时间为"+after);
        System.in.read();
}

在这里插入图片描述
创建虚拟线程,还是执行上面同一个Task任务,可以看到打印的线程名称都是ForkJoinPool-1,worker1、2、3共三个,也就是只创建了一个线程,在该线程的基础上创建了三个虚拟线程,执行时间不再是串行的3s,只是8ms;
可见对于IO密集型的任务,创建虚拟线程不仅可节省大量线程的内存,还有提高效率;

如有需要收藏的看官,顺便也用发财的小手点点赞哈,如有错漏,也欢迎各位在评论区评论!


http://www.kler.cn/a/531311.html

相关文章:

  • 浅谈《图解HTTP》
  • 3.5.7 基于横盘结构的分析体系——缠论(背驰/背离)
  • 在K8S中,如何把某个worker节点设置为不可调度?
  • 20250202在Ubuntu22.04下使用Guvcview录像的时候降噪
  • C语言教学第四课:控制结构
  • Shadow DOM举例
  • Hot100之图论
  • 02 使用 海康SDK 对人脸识别设备读取事件
  • ubuntu18.04环境下,Zotero 中pdf translate划线后不翻译问题解决
  • DeepSeek辅助学术写作关键词选取
  • Kali linux 下载与快捷安装
  • 如何通过防关联技术有效避免账号被封?
  • 大数据治理体系构建与关键技术实践
  • 关于PIP更新技巧的DeepSeek R1的推理记录
  • Chromium132 编译指南 - Android 篇(四):配置 depot_tools
  • Pandoc, Zotero, JabRef 管理论文引用,生成参考文献 | 撰写论文 paper
  • 【C++】static关键字
  • WAWA鱼2024年终总结,关键词:成长
  • 【Numpy核心编程攻略:Python数据处理、分析详解与科学计算】2.15 结构化数组:处理异构数据的瑞士军刀
  • centos如何压缩zip
  • 【C++】P1765 手机
  • 大模型微调技术总结及使用GPU对VisualGLM-6B进行高效微调
  • 01-Java基础语法
  • C++泛型编程指南08 auto decltype
  • ZK-ALU-在有限域上实现左移
  • 开源2+1链动模式AI智能名片S2B2C商城小程序:突破流量与创意困境的新路径