当前位置：Java -> 解开Java的"parallelStream"引起的死锁
解开Java的"parallelStream"引起的死锁
并发既是软件开发的福音，也是软件开发的苦恼。通过并行处理提升性能的承诺与错综复杂的挑战并行而行，比如臭名昭著的死锁。死锁，多线程编程世界中的潜在问题，可以使最强大的应用程序陷入瘫痪。它描述了两个或多个线程永远被阻塞，互相等待的情况。
在这篇博文中，我们深入探讨了一个由看似无辜的Java parallelStream使用触发的真实死锁事件。我们将剖析根本原因并仔细检查线程堆栈跟踪。
场景
想象一个宁静的代码库，利用Java的parallelStream对集合进行加速处理。然而，随着我们的应用程序变得更加复杂，一个意想不到的隐匿问题浮现出来 — 死锁。曾经的盟友，如今被困在一个似是而非的拥抱中。在这篇博文后面，我们将更仔细地查看一些线程的堆栈跟踪，这些线程中的主角有ForkJoinPool.commonPool-worker-0和ForkJoinPool.commonPool-worker-1。
利用 yCrash 解决问题
在我们解开这个死锁之谜的旅途中，我们转向了一个强大的故障排除工具：yCrash，它在解开我们的死锁谜团中起到了侦探的作用。这个工具专门分析复杂的Java应用程序，识别性能瓶颈、死锁和其他问题。yCrash使我们能够可视化线程的交互，分析线程转储，并准确找出争用问题的源头。有了这个洞察，我们能够理解死锁的起因并制定解决方案。当我们使用yCrash解决问题时，这个工具向我们提供了一个根本原因分析（RCA）摘要页面，如下图所示：
fig: Image from RCA Report
线程1：ForkJoinPool.commonPool-worker-0
stackTrace:
java.lang.Thread.State: BLOCKED (on object monitor)
at com.example.app.DataParser.read(DataParser.java:58)
- waiting to lock <0x00000001d6ff09f0> (a com.example.app.DataParser)
at com.example.app.ObjectLoader.read(ObjectLoader.java:196)
at com.example.app.MemorySnapshot$ObjectCacheManager.load(MemorySnapshot.java:2152)
at com.example.app.MemorySnapshot$ObjectCacheManager.load(MemorySnapshot.java:1)
at com.example.app.ObjectCache.get(ObjectCache.java:52)
- locked <0x00000001d6fafb00> (a com.example.app.MemorySnapshot$ObjectCacheManager)
at com.example.app.MemorySnapshot.getObject(MemorySnapshot.java:1453)
:
:
:
at com.example.app.AnalyzerImpl.lambda$37(AnalyzerImpl.java:3248)
at com.example.app.AnalyzerImpl$$Lambda$150/179364589.apply(Unknown Source)
at java.util.stream.ReferencePipeline$3$1.accept(ReferencePipeline.java:193)
at java.util.ArrayList$ArrayListSpliterator.forEachRemaining(ArrayList.java:1384)
at java.util.stream.AbstractPipeline.copyInto(AbstractPipeline.java:482)
at java.util.stream.AbstractPipeline.wrapAndCopyInto(AbstractPipeline.java:472)
at java.util.stream.ReduceOps$ReduceTask.doLeaf(ReduceOps.java:747)
at java.util.stream.ReduceOps$ReduceTask.doLeaf(ReduceOps.java:721)
at java.util.stream.AbstractTask.compute(AbstractTask.java:327)
at java.util.concurrent.CountedCompleter.exec(CountedCompleter.java:731)
at java.util.concurrent.ForkJoinTask.doExec(ForkJoinTask.java:289)
at java.util.concurrent.ForkJoinPool$WorkQueue.runTask(ForkJoinPool.java:1056)
at java.util.concurrent.ForkJoinPool.runWorker(ForkJoinPool.java:1692)
at java.util.concurrent.ForkJoinWorkerThread.run(ForkJoinWorkerThread.java:175)
Locked ownable synchronizers:
- None线程2：ForkJoinPool.commonPool-worker-1
stackTrace:
java.lang.Thread.State: BLOCKED (on object monitor)
at com.example.app.ObjectCache.get(ObjectCache.java:44)
- waiting to lock <0x00000001d6fafb00> (a com.example.app.MemorySnapshot$ObjectCacheManager)
at com.example.app.MemorySnapshot.getObject(MemorySnapshot.java:1453)
at com.example.app.DataParser.readObjectArrayDump(DataParser.java:135)
at com.example.app.DataParser.read(DataParser.java:65)
- locked <0x00000001d6ff09f0> (a com.example.app.DataParser)
at com.example.app.ObjectLoader.read(ObjectLoader.java:196)
at com.example.app.ObjectInstance.read(ObjectInstance.java:135)
- locked <0x00000001e5822bf8> (a com.example.app.ObjectInstance)
at com.example.app.ObjectInstance.getAllFields(ObjectInstance.java:101)
:
:
:
at com.example.app.AnalyzerImpl.lambda$37(AnalyzerImpl.java:3248)
at com.example.app.AnalyzerImpl$$Lambda$150/179364589.apply(Unknown Source)
at java.util.stream.ReferencePipeline$3$1.accept(ReferencePipeline.java:193)
at java.util.ArrayList$ArrayListSpliterator.forEachRemaining(ArrayList.java:1384)
at java.util.stream.AbstractPipeline.copyInto(AbstractPipeline.java:482)
at java.util.stream.AbstractPipeline.wrapAndCopyInto(AbstractPipeline.java:472)
at java.util.stream.ReduceOps$ReduceTask.doLeaf(ReduceOps.java:747)
at java.util.stream.ReduceOps$ReduceTask.doLeaf(ReduceOps.java:721)
at java.util.stream.AbstractTask.compute(AbstractTask.java:327)
at java.util.concurrent.CountedCompleter.exec(CountedCompleter.java:731)
at java.util.concurrent.ForkJoinTask.doExec(ForkJoinTask.java:289)
at java.util.concurrent.ForkJoinPool$WorkQueue.runTask(ForkJoinPool.java:1056)
at java.util.concurrent.ForkJoinPool.runWorker(ForkJoinPool.java:1692)
at java.util.concurrent.ForkJoinWorkerThread.run(ForkJoinWorkerThread.java:175)
Locked ownable synchronizers:
- None线程的堆栈跟踪提供了对死锁的核心所在的一瞥。有趣的是，这两个线程都纠缠在相同的方法中 — 这是它们争夺共享资源的明显迹象。被争夺的资源是一个对象监视器，在死锁场景中经常是罪魁祸首。
进一步分析表明，这些线程正在尝试执行必须独占com.example.app包中的对象缓存的操作。这种资源访问的竞争是死锁的根本原因。这种资源争用形成了死锁的核心，每个线程都在等待另一个放弃控制权。令人惊讶的是，这一切的罪魁祸首竟是那个熟悉的“parallelStream”……
罪魁祸首：parallelStream
对情况的深入调查引导我们使用Java的parallelStream在集合上进行加速处理。对于那些不熟悉的人来说，parallelStream是一种旨在通过并行处理提升处理速度的机制。虽然parallelStream机制承诺通过利用并行性来加速处理，但它也有可能引入死锁等复杂问题。
涉及到死锁的线程都在利用默认的“分支-合并池” — 一种共享资源来进行并行操作。我们的线程无意中但不可避免地成为了这个池中相同资源的竞争者。这个共享池无意间创造了这样的情况，使得这些线程最终竞争资源，导致了死锁。
更为顺畅的路径：选择Stream而非ParallelStream
在我们解开死锁之谜的旅途中，我们发现了一个改变游戏规则的发现。在我们浏览死锁的错综复杂时，我们意识到在集合上使用parallelStream不经意地加剧了资源竞争。
我们在集合中使用parallelStream就像是邀请多个朋友一起使用同一个玩具 — 导致了大量的拥挤和推搡。这种骚动导致我们的线程发生冲突并最终导致死锁。但我们没有放弃; 我们决定玩法不同。
与其让每个人一起玩玩具，我们让他们轮流玩。我们从parallelStream转换到了更简单的方法——只使用stream。这个变化意味着一次只有一个朋友在玩玩具。这种友好的轮流玩耍减少了发生争吵的机会，并且使我们的线程能够协同工作而不是相互冲突。
这个转变不只是在我们的代码中改动了一个词；它就像是在游戏中选择了一种新的策略。猜猜看？它奏效了！现在，线程们一个接一个地进行游戏，不再互相碰撞。这意味着不再有死锁，我们的应用程序能松了口气。
下面，您会发现突出这一关键转变的代码片段：
原始代码：
List<?> elements = …
elements.parallelStream().map(e -> {
// Some code here that is causing deadlock…
}).collect(Collectors.toList());修改后的代码：
List<?> elements = …
elements.stream().map(e -> {
// Some code here that was causing deadlock…
}).collect(Collectors.toList());产生重大影响的变化
我们死锁的挑战揭示了一点，小的改变可能会带来巨大的结果。虽然简单，但是从“parallelStream”转换到普通的stream确实产生了显著的影响。
在未来的道路上，我们牢记最佳解决方案并非总是最复杂的。谨慎的选择将死锁障碍转变为一条更加顺畅的道路，这一切得益于yCrash的深入分析。我们在编码的道路上回响着探索、学习以及做出明智决策的精髓。
推荐阅读： 26.Web开发相关注解
本文链接： 解开Java的"parallelStream"引起的死锁
相关文章：
LTS JDK 21 特性 如何从Spring Boot应用程序验证数据库连接 释放Spring Cloud的微服务之力 处理Javax迁移到Jakarta的最佳实践 一个解决企业开发痛点的PDF框架 使用 MetaMask 进行 Spring 认证 探索 IBM App 连接企业 12.0.9.0 Java 并行 GC 调优 探索IBM App Connect Enterprise 12.0.12.0 使用Spring WebFlux拥抱响应式编程