2 天前 / 钟子敬07
吞吐量在了解 qps、tps、rt、并发数之前，首先我们应该明确一个系统的吞吐量到底代表什么含义，一般来说，系统吞吐量指的是系统的抗压、负载能力，代表一个系统每秒钟能承受的最大用户访问量。 一个系统的吞吐量通常由 qps（tps）、并发数来决定，每个系统对这两个值都有一个相对极限值，只要某一项达到最大值，系统的吞吐量就上不去了。 QPSQueries Per Second，每秒查询数，即是每秒能够响应的查询次数，注意这里的查询是指用户发出请求到服务器做出响应成功的次数，简单理解可以认为查询 = 请求 request。
5 天前 / 影浅
通常程序会被编写为一个顺序执行并完成一个独立任务的代码，如果没有特殊要求最好总是这样写，因为这种类型的程序通常容易写，也容易维护。 不过有些情况下，并行执行多个任务会有更大的好处，比如 web 服务在各自独立的套接字 socket 上同时接受多个数据请求，它可以显著提高这类系统的性能。 所以 Go 语言的语法和运行时就直接内置了对并发的支持。 Go 语言里的并发是指能让一个函数独立于其他函数运行的能力。 当一个函数创建为 goroutine 时，Go 会将其视为一个独立的单元，然后被调度到可用的逻辑处理器上执行。
28 天前 / TIGEEB
嗯，Go 设计模式实战系列，一个设计模式业务真实使用的 golang 系列。 前言本系列主要分享，如何在我们的真实业务场景中使用设计模式。 本系列文章主要采用如下结构： 什么是「XX 设计模式」？ 什么真实业务场景可以使用「XX 设计模式」？ 怎么用「XX 设计模式」？ 本文主要介绍「组合模式」结合 Go 语言天生的并发特性，如何在真实业务场景中使用。 之前文章《代码组件 | Go 设计模式实战》已经介绍了「组合模式」的概念，以及在业务中的使用。今天我们结合 Go 语言天生的并发特性，升级「组合模式」为「并发组合模式」。
32 天前 / luoxn28
戳蓝字「TopCoder」关注我们哦！ 编者注：当需要阻塞或唤醒一个线程的时候，JVM 都会使用 LockSupport 工具类来完成相应工作。LockSupport 定义了一组的公共静态方法，这些方法提供了最基本的线程阻塞和唤醒功能，而 LockSupport 也被称为构建同步组件的基础工具。 Java 并发组件和并发工具类如下： 并发组件：线程池、阻塞队列、Future 和 FutureTask、Lock 和 Condition。 并发工具：CountDownLatch、CyclicBarrier、Semaphore 和 Exchanger。
44 天前 / GO语言中文网
点击上方蓝色“Go 语言中文网”关注，回复「电子书」领全套 Go 资料 Go 语言让使用 Goroutine 和通道变得非常有吸引力，作为在 Go 中进行并发的主要方式，它们是被有意识的提出的。因此对于你所遇到的任何与并发相关的问题，它们都可能成为首选方案。但是我不确定它们是否适合于我遇到的所有问题，我仍在考虑其中的平衡点。 通道和 Goroutine 对于查询共享状态（或从共享状态中获取某些信息）这类问题看起来似乎并不完全契合。
51 天前 / Turling
前言如果数据库中的事务都是串行执行的，这种方式可以保障事务的执行不会出现异常和错误，但带来的问题是串行执行会带来性能瓶颈；而事务并发执行，如果不加以控制则会引发诸多问题，包括死锁、更新丢失等等。这就需要我们在性能和安全之间做出合理的权衡，使用适当的并发控制机制保障并发事务的执行。 并发事务带来的问题首先我们先来了解一下并发事务会带来哪些问题。并发事务访问相同记录大致可归纳为以下 3 种情况： 读 - 读：即并发事务相继读取同一记录； 写 - 写：即并发事务相继对同一记录做出修改； 写 - 读或读 - 写：即两个并发事务对同一记录...
74 天前 / GO语言中文网
点击上方蓝色“Go 语言中文网”关注我们，领全套 Go 资料，每天学习Go语言前言：由于 LeetCode Concurrency( 并发) 还没有 Go 语言版本，我先自行用 Go 语言来解题。为了能在 LeetCode 以外的平台获得讨论，所以我打算逐渐把自己的解题思路写下。 本题 LeetCode 链接 https://leetcode.com/problems/the-dining-philosophers/ 本题题目 「哲学家吃饭问题」是一个操作系统中的经典问题，所以抽象题干我就不再赘述，直接说实作要求。 The philosophers' ids are numbered from 0 to 4 in a clockwise order. Implement the function void wantsToEat(philo...
94 天前 / Ccww
欢迎关注公众号【Ccww 技术博客】，原创技术文章第一时间推出前言 在面试中，并发线程安全提问必然是不会缺少的，那基础的 CAS 原理也必须了解，这样在面试中才能加分，那来看看面试可能会问那些问题： 什么是乐观锁与悲观锁 什么乐观锁的实现方式 -CAS（Compare and Swap），CAS（Compare and Swap）实现原理 在 JDK 并发包中的使用 CAS 的缺陷 1. 什么是乐观锁与悲观锁？悲观锁总是假设最坏的情况，每次读取数据的时候都默认其他线程会更改数据，因此需要进行加锁操作，当其他线程想要访问数据时，都需要阻塞挂起。
105 天前 / 猿天地
转自：搜狐技术产品作者：汪建 本文字数：3107 字 预计阅读时间：10 分钟 关于读写锁 Java 语法层面的 synchronized 锁和 JDK 内置可重入锁 ReentrantLock 我们都经常会使用，这两种锁都属于纯粹的独占锁，也就是说这些锁任意时刻只能由一个线程持有，其它线程都得排队依次获取锁。 为了提高并发性能我们会额外引入共享锁来与独占锁共同对外构成一个锁，这种就叫读写锁。 为什么叫读写锁呢？主要是因为它的使用考虑了读写场景，一般认为读操作不会改变数据所以可以多线程进行读操作，但写操作会改变数据所以只能一个线程进行写操作。
142 天前 / 知了一笑
一、Lock 体系结构 1、基础接口简介 Lock 加锁相关结构中涉及两个使用广泛的基础 API：ReentrantLock 类和 Condition 接口，基本关系如下： Lock 接口 Java 并发编程中资源加锁的根接口之一，规定了资源锁使用的几个基础方法。 ReentrantLock 类 实现 Lock 接口的可重入锁，即线程如果获得当前实例的锁，并进入任务方法，在线程没有释放锁的状态下，可以再次进入任务方法，特点：互斥排它性，即同一个时刻只有一个线程进入任务。
168 天前 / 后端技术指南针
1. 开场白在开始今天的文章之前，先抛一个面试题出来： 你接触过的单机最大并发数是多少？ 你认为当前正常配置的服务器物理机最大并发数可以到多少？ 说说你的理解和分析。 思考几分钟，如果你可以有理有据地说出答案，那确实就不用再往下看了，关上手机去陪陪家人是个不错的选择。 思考几分钟，如果你没有头绪或者对答案不确定，那么你先不用着急关闭页面去玩耍，你应该继续往下看，因为这个问题很不错。 对于后端开发人员来说，并发数往往和技术难度是呈正相关的，实际上也确实如此：体量决定架构。
210 天前 / hyper0x
点击上方蓝色“Go 语言中文网”关注我们，领全套 Go 资料，每天学习Go语言 Go 目前正在通过新的并发原语（concurrency primitives）goroutine 和 channel 试图简化并发编程并减少报错。但是，实际情况怎么样呢？两位来自宾夕法尼亚州立大学和普渡大学的研究员 Yiying Zhang[1] 和 Linhai Song[2] 对 Go 中的 并发 bug 在真实场景的情况 [3] 进行了研究。（PDF 可以下载：https://songlh.github.io/paper/go-study.pdf） 共享内存与 channel 的对比 该研究首先分析了 Go 并发原语在用 Go 构建的大项目中的使用分布情况，包括共享内存类型（Mutex，RWMutex...
223 天前 / 高飞
在上一篇《走进 C#并发队列 ConcurrentQueue 的内部世界》中解析了 Framework 下的 ConcurrentQueue 实现原理，经过抛砖引玉，得到了一众大佬的指点，找到了。NET Core 版本下的 ConcurrentQueue 源码，位于以下地址： https://github.com/dotnet/runtime/blob/master/src/libraries/System.Private.CoreLib/src/System/Collections/Concurrent/ConcurrentQueue.cshttps://github.com/dotnet/runtime/blob/master/src/libraries/System.Private.CoreLib/src/System/Collections/Concurrent/ConcurrentQueueSegment.cs 我大致看了一下...
225 天前 / 公众号_coredump
问题问题很简单：实现多线程环境下，一写多读、读多写少的高效并发控制。 无锁双 buffer + 切换等待“双 buffer”大概是这样工作的： 事先申请好两个 buffer，一个是只读的（read buffer），一个是读写的（write buffer）。读线程只从 read buffer 读取。写线程修改 write buffer，然后切换 read buffer 和 write buffer。伪代码实现如下： constintkBufCnt=2; atomiccurr_idx=0; Tbuffers[kBufferCnt]; //Reader调用 constT*Get(){ returnbuffers[curr_idx]; } //Writer调用 T*Mutable(){ returnbuffers[(curr_idx+1)%kBufferCnt]; } //Writer更新完...
228 天前 / 张申然
OLAP 是大数据分析应用非常重要的组成部分。这篇文章是介绍 OLAP 任务在并发/分布式环境下执行和调度的算法和模型的。我们将从最简单的 Volcano 模型开始讲起，逐步引出分布式环境下执行 OLAP 查询操作的一些挑战和经典的解决方案。 这些算法和模型将主要在 SQL 和关系模型的语境之内讨论， Spark 和 Flink 这类基于 DAG 的处理系统内也有很多相似的概念，在本文中将不会赘述。 基础模型Volcano 模型 在《SQL 查询优化原理与 Volcano Optimizer 介绍》中，我们已经对以关系代数为基础的 SQL 查询优化算法进行了介绍...