One Trick Per Day

简介: 初始化Map应避免容量设置不当,推荐使用Guava的`newHashMapWithExpectedSize`或手动计算容量。禁止使用`Executors`创建线程池,易因无界队列或过多线程引发OOM,应通过`ThreadPoolExecutor`显式定义参数。`Arrays.asList`返回不可变列表,不支持增删操作,且与原数组共享数据。遍历Map时优先使用`entrySet`或JDK8的`forEach`,提升性能。`SimpleDateFormat`非线程安全,建议用`ThreadLocal`隔离或使用Java 8新时间API。

1.初始化Map大小并非用多少指定多少
● 初始化Map并非用多少初始化Size是多少,建议使用Guava,避免扩容引起的动荡()
说明
● 如:Map map = new HashMap<>(1); 在具体使用时,并非size=1,而是最近的2的幂等,如1实际是2,3实际是4,9实际是16
使用方法
● 依赖gvaua:Map map = Maps.newHashMapWithExpectedSize(7);


com.google.guava
guava
17.0

● 手动声明:Map map = new HashMap<>(实际存储个数 / 0.75 + 1);
2.线程池初始化严禁使用Executors
使用线程池时候,我们可能会使用下面四个场景,这在alibaba代码规范中都是明令禁止的
// 创建一个单线程化的Executor[因为数量固定,可能会堆积大量请求,导致OOM]
private static ExecutorService singleThreadExecutor = Executors.newSingleThreadExecutor();

// 创建一个固定数目线程的线程池[因为数量固定,可能会堆积大量请求,导致OOM]
private static ExecutorService fixedThreadPool = Executors.newFixedThreadPool(10);

// 创建一个可执行命令的单线程Executor[可能会创建大量的线程,导致OOM]
private static ExecutorService singleThreadScheduledExecutor = Executors.newSingleThreadScheduledExecutor();

// 创建一个可缓存的线程池(60S存活时间)[可能会创建大量的线程,导致OOM]
private static ExecutorService cachedThreadPool = Executors.newCachedThreadPool();
我们先来一个简单的例子,模拟一下使用 Executors 导致 OOM 的情况。
public class ExecutorsDemo {
private static ExecutorService executor = Executors.newFixedThreadPool(15);
public static void main(String[] args) {
for (int i = 0; i < Integer.MAX_VALUE; i++) {
executor.execute(new SubThread());
}
}
}
class SubThread implements Runnable {
@Override
public void run() {
try {
Thread.sleep(10000);
} catch (InterruptedException e) {
//do nothing
}
}
}
通过指定 JVM 参数:-Xmx8m -Xms8m 运行以上代码,会抛出 OOM:
Exception in thread "main" java.lang.OutOfMemoryError: GC overhead limit exceeded
at java.util.concurrent.LinkedBlockingQueue.offer(LinkedBlockingQueue.java:416)
at java.util.concurrent.ThreadPoolExecutor.execute(ThreadPoolExecutor.java:1371)
at com.hollis.ExecutorsDemo.main(ExecutorsDemo.java:16)
以上代码指出,ExecutorsDemo.java 的第 16 行,就是代码中的 executor.execute(new SubThread());。
通过上面的例子,我们知道了 Executors 创建的线程池存在 OOM 的风险,那么到底是什么原因导致的呢?我们需要深入 Executors 的源码来分析一下。其实,在上面的报错信息中,我们是可以看出蛛丝马迹的,在以上的代码中其实已经说了,真正的导致 OOM 的其实是 LinkedBlockingQueue.offer 方法。
Exception in thread "main" java.lang.OutOfMemoryError: GC overhead limit exceeded
at java.util.concurrent.LinkedBlockingQueue.offer(LinkedBlockingQueue.java:416)
at java.util.concurrent.ThreadPoolExecutor.execute(ThreadPoolExecutor.java:1371)
at com.hollis.ExecutorsDemo.main(ExecutorsDemo.java:16)
如果读者翻看代码的话,也可以发现,其实底层确实是通过 LinkedBlockingQueue 实现的:
public static ExecutorService newFixedThreadPool(int nThreads) {
return new ThreadPoolExecutor(nThreads, nThreads,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue());
}
如果读者对 Java 中的阻塞队列有所了解的话,看到这里或许就能够明白原因了。Java 中 的 BlockingQueue 主 要 有 两 种 实 现, 分 别 是 ArrayBlockingQueue 和 LinkedBlockingQueue。ArrayBlockingQueue 是一个用数组实现的有界阻塞队列,必须设置容量。LinkedBlockingQueue 是一个用链表实现的有界阻塞队列,容量可以选择进行设置,不设置的话,将是一个无边界的阻塞队列,最大长度为 Integer.MAX_VALUE。这里的问题就出在:不设置的话,将是一个无边界的阻塞队列,最大长度为Integer.MAX_VALUE。也就是说,如果我们不设置 LinkedBlockingQueue 的容量的话,其默认容量将会是 Integer.MAX_VALUE。 而 newFixedThreadPool 中创建 LinkedBlockingQueue 时,并未指定容量。此时,LinkedBlockingQueue 就是一个无边界队列,对于一个无边界队列来说,是可以不断的向队列中加入任务的,这种情况下就有可能因为任务过多而导致内存溢出问题。上面提到的问题主要体现在 newFixedThreadPool 和 newSingleThreadExecutor 两个工厂方法上,并不是说newCachedThreadPool 和 newScheduledThreadPool 这两个方法就安全了,这两种方式创建的最大线程数可能是Integer.MAX_VALUE,而创建这么多线程,必然就有可能导致 OOM

正确使用:
private static ExecutorService executor = new ThreadPoolExecutor(10, 10, 60L, TimeUnit.SECONDS,
new ArrayBlockingQueue(10));
这种情况下,一旦提交的线程数超过当前可用线程数时,就会抛出java.util.concurrent.RejectedExecutionException,这是因为当前线程池使用的队列是有边界队列,队列已经满了便无法继续处理新的请求。但是异常(Exception)总比发生错误(Error)要好。
但是部分alibaba作者更推荐使用guava创建对应的线程池,示例如下:
public class ExecutorsDemo {
private static ThreadFactory namedThreadFactory = new
ThreadFactoryBuilder()
.setNameFormat("demo-pool-%d").build();
private static ExecutorService pool = new ThreadPoolExecutor(5, 200,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue(1024), namedThreadFactory, new
ThreadPoolExecutor.
AbortPolicy());
public static void main(String[] args) {
for (int i = 0; i < Integer.MAX_VALUE; i++) {
pool.execute(new SubThread());
}
}
}
通过上述方式创建线程时,不仅可以避免 OOM 的问题,还可以自定义线程名称,更加方便的出错的时候溯源。
3.Arrays.asList之后不要调用修改操作
String[] str = new String[] { "you", "wu" };
List list = Arrays.asList(str);
因为asList返回的实际是一个Arrays内部类,并没有实现集合的修改方法(add/remove/clear)// 当操作修改方法时,会报UnsupportedOperationException。
第一种情况:list.add("yangguanbao"); 运行时异常。
第二种情况:str[0] = "gujin"; 那么 list.get(0)也会随之修改。[涉及栈堆指针操作,修改数组的数据,导致同样引用该数据的list值被改变]

4.使用 entrySet 遍历 Map 类集合 KV
说明:keySet 其实是遍历了 2 次,一次是转为 Iterator 对象,另一次是从 hashMap 中取出key 所对应的 value。而 entrySet 只是遍历了一次就把 key 和 value 都放到了 entry 中,效率更高。
如果是 JDK8,使用 Map.foreach 方法。
正例:values()返回的是 V 值集合,是一个 list 集合对象;keySet()返回的是 K 值集合,是一个 Set 集合对象;entrySet()返回的是 K-V 值组合集合。
5.SimpleDateFormat不要定义为static
SimpleDateFormat 是线程不安全的类,一般不要定义为 static 变量,如果定义为static,必须加锁,或者使用 DateUtils 工具类。
正例:注意线程安全,使用 DateUtils。亦推荐如下处理:
private static final ThreadLocal df = new ThreadLocal() {
@Override
protected DateFormat initialValue() {
return new SimpleDateFormat("yyyy-MM-dd");
}
};
说明:如果是 JDK8 的应用,可以使用 Instant 代替 Date,LocalDateTime 代替 Calendar,DateTimeFormatter 代替 SimpleDateFormat,官方给出的解释:simple beautiful strong immutable thread-safe。
6.并发修改同一记录时需要加锁
要么在应用层加锁,要么在缓存加锁,要么在数据库层使用乐观锁,使用 version 作为更新依据。
说明:如果每次访问冲突概率小于 20%,推荐使用乐观锁,否则使用悲观锁。乐观锁的重试次数不得小于 3 次

相关文章
|
12小时前
|
监控 安全 网络安全
VPC专有网络搭建与安全组配置
本文系统介绍VPC专有网络搭建与安全组配置,涵盖CIDR规划、子网划分、路由策略、NAT/VPN网关应用、安全组最小权限原则及混合云连接方案,结合多区域互联实战与安全检查清单,全面呈现云上网络安全架构最佳实践。
|
13小时前
|
Java 应用服务中间件 网络安全
Eclipse运行SSM/SSH项目教程
本教程介绍如何在Eclipse中配置JDK与Tomcat,导入普通及Maven项目,绑定服务器并运行。涵盖环境搭建、项目部署、常见问题如数据库连接修改等,助你快速启动Java Web项目。(238字)
|
12小时前
|
弹性计算 负载均衡 监控
SLB负载均衡配置完全指南
本文全面解析SLB负载均衡配置,涵盖CLB、ALB、NLB类型对比,四层与七层架构差异,健康检查、会话保持、安全防护及监控告警等核心配置,并结合高可用Web集群实验,系统呈现SLB部署全流程与最佳实践,助力构建稳定、高效、安全的分布式应用架构。
|
15小时前
|
运维 安全 Devops
生产环境缺陷管理
git-poison基于go-git实现分布式bug追溯管理,解决多分支开发中bug漏修、漏发等问题。通过“投毒-解毒-银针”机制,自动化卡点发布流程,降低协同成本,避免人为失误,已在大型团队落地应用,显著提升发布安全与效率。(238字)
13 0
|
12小时前
|
Java 测试技术 Linux
生产环境发布管理
本文介绍大型团队如何通过自动化部署平台实现多环境(dev/test/pre/prod)高效发布与运维。涵盖各环境职责、基于Jenkins+K8S的CI/CD流程、分支管理、一键发布及回滚机制,并结合Skywalking实现日志链路追踪,提升问题定位与修复效率,助力企业级DevOps落地。(238字)
|
12小时前
|
数据可视化 Java 关系型数据库
01-认识Activiti
工作流指如请假、报销等需审批的业务流程,通过可视化引擎实现多节点审批,广泛应用于CRM、TMS等系统。传统数据库难以支撑复杂流程,催生了BPMN、Activiti、Flowable等技术,推动泛微、用友等企业发展,实现高效自动化管理。(239字)
|
12小时前
|
监控 关系型数据库 MySQL
云数据库RDS实战:MySQL/PostgreSQL性能优化
本文深入解析云数据库RDS在MySQL/PostgreSQL场景下的性能优化实践,涵盖实例配置、参数调优、监控告警、高可用架构与数据迁移全流程。结合电商订单库实战案例,系统阐述如何通过规格升级、索引优化、读写分离等手段提升数据库性能与稳定性,助力企业高效运维、保障业务连续性。(238字)
|
12小时前
|
存储 缓存 区块链
Web3.0与云计算融合
### 摘要 本文围绕Web3.0与云计算融合展开,先阐述Web3.0以去中心化、区块链为核心的核心概念,以及云计算作为数字经济基础设施的支撑作用,指出两者融合可互补短板、拓展价值空间。随后从融合基础设施(分布式存储与计算协同)、去中心化身份(DID)云上落地、智能合约云上部署运行、IPFS与云存储互补、去中心化计算与云算力协同、私钥管理云上防护等关键环节,拆解融合实践路径;结合NFT平台融合架构案例,展现实际应用价值;探讨数据、交易、身份层面的合规性要求;最后展望技术创新、应用场景拓展、生态构建三大发展趋势,为企业与开发者布局相关领域提供参考。 需要我将摘要补充到文档末尾,或者生成
10 0
|
12小时前
|
边缘计算 运维 监控
边缘计算场景实践
《边缘计算场景实践指南》系统阐述了边缘计算在5G、物联网与AI背景下的应用路径。涵盖云边端协同架构、ENS核心产品、CDN、视频分析与物联网等典型场景,详解部署流程、网络优化、安全防护与监控体系,并结合智慧工厂案例与成本分析,展望5G+边缘计算融合趋势,为企业落地边缘计算提供全面参考。(238字)
|
13小时前
|
算法 量子技术 数据库
量子计算云服务初探
本文深入浅出地介绍量子计算云服务,涵盖量子比特、量子门基础,主流平台如阿里云“太章2.0”,核心算法Shor与Grover,编程框架及经典模拟技术,探讨其在化学计算与优化问题中的应用前景,并提供入门学习路径与实践案例,助力开发者迈向量子计算时代。(238字)