并发编程一直是Java基础中的高地，但很多只要有两三年Java基础的工程师，会在简历中很明确的标明“熟悉多线程编程、有高并发编程经验”，来凸显自己编程能力有多厉害，但实际上可能只是看了《Java Concurrency in Practice》的几个章节而已。其实对很多业务研发工程师来说，高并发编程经验并不是必备的核心竞争力之一，很多需要加锁或者统计的场景，大都可以交给外部系统如Redis来做，即多线程并发场景的转移。
那么作为面试官，如何简单快速考察面试者的多线程编程能力？可能方法有很多，笔者喜欢用到的一个题目如下：“对于单个Java应用，我们如何限制其中某个方法methodA()被调用的并发数不能超过100，如果超过100，超出的请求就直接返回null或抛异常”。笔者会要求面试者在白板上写出相应代码片段（当然并不会要求面试者一定要完整写出用到的类名或方法名）。
这个题看起来并不难，但仔细想想也不那么简单，大约30%的面试者会给出Semaphore的解决方案，例如：
private static Semaphore semaphore = new Semaphore(100);
public static Integer methodA() {
if(!semaphore.tryAcquire()) {
return null;
}
try {
// TODO 方法中的业务逻辑
} finally {
semaphore.release();
}
}
Semaphore信号量是一种比较完美的解决方案，代码简单而高效，一旦面试者给出这个方案，我们可以顺便考察下信号量相关的知识点。
但还有没有其他的思路或解决方案呢？笔者接触到的面试者，还给出过线程池的方案，因为最高并发数是100，那么表明同时最多只能有100个线程访问该方法，面试者一般会这么写：
private final static ExecutorService pool = new ThreadPoolExecutor(100, 100, 1, TimeUnit.MINUTES, new SynchronousQueue<>());
public static Integer methodAWrapper() {
try {
Future<Integer> future = pool.submit(() -> methodA());
return future.get();
} catch (Exception e) {
return null;
}
}
public static Integer methodA() {
// TODO 方法中的业务逻辑
}
其实严格意义来讲，线程池的这种方案无法完美做到“如果超过100，超出的请求就直接返回null或抛异常”，哪怕是使用SynchronousQueue队列。但没关系，最关键的考察点并不在超限如何返回。当面试者写出这种方案，也可以顺便考察下线程池相关的知识点。
大多数面试者想到的是写个计数器，例如：
private static AtomicInteger counter = new AtomicInteger(0);
public static Integer methodA() {
int value = counter.incrementAndGet();
if(value > 100) {
return null;
}
try {
// TODO 方法中的业务逻辑
} finally {
counter.decrementAndGet();
}
}
于是我一般会问，为啥是选择incrementAndGet方法，而不是选择getAndIncrement？仔细看看会不会有其他问题？大多数面试者经过提示都能发现这里get、incr和比较不是原子操作，会产生“竞态条件”（race condition）。我们先把这种计数器方案叫做方案A，像想到计数器方案的面试者，也有小部分会这样写：
private static AtomicInteger counter = new AtomicInteger(0);
public static Integer methodA() {
int value = counter.get();
if(value > 100) {
return null;
}
counter.incrementAndGet();
try {
// TODO 方法中的业务逻辑
} finally {
counter.decrementAndGet();
}
}
我们把这种计数器的实现方案叫做方案B，这两种方案都会有“竞态条件”的问题，但产生的现象不一样。
对于方案A，在极端高并发的情况下，每个调用methodA的请求，都会对计数器进行+1，即使我们在finally对计数器进行了-1，也阻止value的值继续上涨，导致远大于100，得到的结果是所有请求没机会执行业务逻辑，即“饿死”现象。
对于方案B，由于是活的执行业务逻辑的许可后再进行的+1操作，很显然在高并发情况下会导致执行业务逻辑的线程数超过100。
很多Java老司机觉得自己不会犯这种错误，但实际上，最近阿里的开源项目Sentinel就有类似方案A的问题，Sentinel中使用责任链的模式，来对每笔调用进行统计、拦截，这里给出构建责任链DefaultSlotsChainBuilder类的代码片段：
public class DefaultSlotsChainBuilder implements SlotsChainBuilder {
@Override
public ProcessorSlotChain build() {
ProcessorSlotChain chain = new DefaultProcessorSlotChain();
chain.addLast(new NodeSelectorSlot());
chain.addLast(new ClusterBuilderSlot());
chain.addLast(new LogSlot());
chain.addLast(new StatisticSlot()); // 统计数据，类似于上文提到的incrementAndGet
chain.addLast(new SystemSlot()); // 检查是否超过阈值，类似于上文提到的value > 100
chain.addLast(new AuthoritySlot());
chain.addLast(new FlowSlot());
chain.addLast(new DegradeSlot());
return chain;
}
}
而在分布式服务框架Dubbo的早期版本（例如2.5.3），在对Provider提供线程限制保护的executes
（例如：<dubbo:service interface="com.manzhizhen.dubbo.server.service.Dubbo2Service"
ref="dubbo2Service" version="1.0.0" timeout="3000" executes="10" />）的实现方案，就踩了上述方案B的坑。
回归正题，也有面试者给出了阻塞队列的方案，即：
private static BlockingQueue<Integer> reqQueue = new ArrayBlockingQueue<>(100);
public static Integer methodA() {
if(!reqQueue.offer()) {
return null;
}
try {
// TODO 方法中的业务逻辑
} finally {
reqQueue.poll();
}
}
阻塞队列的方案也是不错的，代码简单，效率也还行。
当然，也有面试者说用Hystrix，嗯嗯，这也是可以的。
做个总结吧，最优方案当然是使用Semaphore，但Semaphore无法统计实际高峰期时的并发量有多少（很多场景需要通过实际最高的并发值来优化我们系统），文章很短，希望对大家能有所帮助。
网友评论