文章中如果有图看不到,可以点这里去 csdn 看看。从那边导过来的,文章太多,没法一篇篇修改好。
上一页 1 ··· 11 12 13 14 15 16 17 18 19 ··· 26 下一页
摘要: Java 并发工具类全景图:Semaphore、CountDownLatch、CyclicBarrier 与 Phaser 在前几篇文章中,我们已经深入解析了 Java 锁机制以及 AQS 的底层实现原理。 AQS 并不仅仅是 ReentrantLock 的基础,它还是一整套并发工具类的核心支撑。 阅读全文
posted @ 2025-09-04 16:58 NeoLshu 阅读(13) 评论(0) 推荐(0)
摘要: Java AQS(AbstractQueuedSynchronizer) 源码深度解析 一、AQS 简介 AbstractQueuedSynchronizer(简称 AQS)是 JUC 并发框架的核心基础类,几乎所有常见的并发工具(ReentrantLock、Semaphore、CountDownL 阅读全文
posted @ 2025-09-04 16:57 NeoLshu 阅读(20) 评论(0) 推荐(0)
摘要: Java 并发中的自旋锁与无锁编程 在前几篇文章中,我们讨论了 synchronized、ReentrantLock、ReadWriteLock、StampedLock 等锁机制。它们的共同点是 线程在竞争不到锁时,会被阻塞,等待被唤醒。 但是阻塞/唤醒操作涉及 用户态与内核态切换,代价非常昂贵。 阅读全文
posted @ 2025-09-04 16:54 NeoLshu 阅读(21) 评论(0) 推荐(0)
摘要: Java 显式锁的高级扩展:ReadWriteLock、StampedLock 与 LockSupport 在前两篇文章中,我们已经深入解析了 Java 内置锁 synchronized 与显式锁 ReentrantLock。 然而在高并发场景下,某些复杂需求仅靠这两种锁还不足以满足: 如何在 读多 阅读全文
posted @ 2025-09-04 16:52 NeoLshu 阅读(11) 评论(0) 推荐(0)
摘要: ReentrantLock 与显式锁机制全解析 在 Java 并发编程中,除了 synchronized 提供的内置锁外,java.util.concurrent.locks 包下的 显式锁(Explicit Lock) 机制为开发者提供了更强大、更灵活的控制手段。其中最核心的实现就是 Reentr 阅读全文
posted @ 2025-09-04 16:50 NeoLshu 阅读(8) 评论(0) 推荐(0)
摘要: synchronized:Java 内置锁的全方位解析 在 Java 并发编程领域,synchronized 是最基础、最经典的同步手段。它伴随 Java 从诞生到如今,经历了从“性能低下”到“高度优化”的演变。本文将系统地拆解 synchronized 的语义、实现机制、性能优化与实践问题,帮助读 阅读全文
posted @ 2025-09-04 16:47 NeoLshu 阅读(33) 评论(0) 推荐(0)
摘要: 一、锁的基础概念(专业加强版) 目标:从 硬件 → JMM → 语言/库语义 三层逐步压实认识,厘清“为什么需要锁”“锁到底保障了什么”“不用锁如何正确”。 1.1 并发的硬件背景与风险来源 1.1.1 多级缓存与一致性 现代 CPU 以 L1/L2/L3 多级缓存 + 写缓冲(write buff 阅读全文
posted @ 2025-09-04 16:40 NeoLshu 阅读(17) 评论(0) 推荐(0)
摘要: 一、三种核心交付语义深度解析 1. At-Most-Once(至多一次) 本质:尽力交付,不保证数据一定被处理 实现原理: 数据源读取后立即标记为已消费(无论处理是否成功)无重试机制,无状态持久化类似"发后即忘"模式 典型实现: // 伪代码示例:At-Most-Once实现 kafkaConsum 阅读全文
posted @ 2025-09-03 16:51 NeoLshu 阅读(14) 评论(0) 推荐(0)
摘要: 一、问题本质与核心机制 1. 数据丢失的根本原因 Flink 作业重启时可能发生数据丢失的主要原因是处理过程中的状态不一致。当作业失败时,如果处理中的数据没有正确持久化,或者数据源的消费位置没有正确保存,就会导致数据丢失。 无或配置不当有且配置正确数据恢复保障从最近Checkpoint恢复重置数据源 阅读全文
posted @ 2025-09-03 16:48 NeoLshu 阅读(38) 评论(0) 推荐(0)
摘要: 可以完全在 Flink 中完成数据消费、计算加工和结果落库的整个流程,不需要将数据拉到本地服务处理。以下是完整的实现方案: 方案架构 数据源 → Flink(消费+处理) → MySQL 具体实现步骤 1. 添加依赖 首先确保你的 Flink 项目中包含以下依赖(Maven 示例): <!-- Fl 阅读全文
posted @ 2025-09-03 16:46 NeoLshu 阅读(15) 评论(0) 推荐(0)
上一页 1 ··· 11 12 13 14 15 16 17 18 19 ··· 26 下一页