首页
/ AutoMQ Kafka中AsyncObjectLRUCache的并发修改问题分析与解决方案

AutoMQ Kafka中AsyncObjectLRUCache的并发修改问题分析与解决方案

2025-06-06 06:34:17作者:秋泉律Samson

问题背景

在AutoMQ Kafka项目中,AsyncObjectLRUCache作为LRU缓存实现,用于管理流数据对象的缓存。近期在生产环境中发现了一个ConcurrentModificationException异常,该异常发生在缓存操作过程中,可能导致系统不稳定甚至崩溃。

问题现象

异常堆栈显示,当系统执行以下操作链时会出现问题:

  1. 加载流数据对象信息
  2. 尝试将对象放入缓存
  3. 计算缓存总大小时触发异常

具体表现为LinkedHashMap在迭代过程中被并发修改,抛出ConcurrentModificationException。这种异常通常发生在集合被一个线程迭代的同时,另一个线程修改了集合结构。

根本原因分析

经过深入分析,发现问题根源在于AsyncObjectLRUCache的设计存在以下缺陷:

  1. 递归调用风险:在计算缓存总大小(totalSize)的方法中,会触发evict操作,而evict操作又会调用totalSize,形成潜在的递归调用链。

  2. 异步回调问题:当调用put方法添加新对象时,会异步获取对象大小(size),并在获取完成后再次触发evict操作。这个异步回调可能在计算totalSize的过程中执行,导致集合被并发修改。

  3. 同步锁粒度不足:虽然方法都标记为synchronized,但由于异步回调的存在,锁无法保护跨线程的操作序列。

技术细节

问题的核心在于以下代码逻辑:

public synchronized void put(K key, V value) {
    evict();  // 第一次evict
    super.put(key, value);
    value.size().thenAccept(v -> evict());  // 异步回调中再次evict
}

private synchronized int totalSize() {
    return cacheEntrySet.stream().mapToInt(entry -> {
        int size = entry.getValue().size().get();  // 同步等待size
        if (随机条件) {
            evict();  // 在迭代过程中可能触发evict
        }
        return size;
    }).sum();
}

当多个线程同时操作缓存时,可能出现以下危险序列:

  1. 线程A开始计算totalSize,迭代缓存条目
  2. 线程B完成size计算,触发异步回调执行evict
  3. 线程A的迭代过程被线程B的修改中断,抛出异常

解决方案

针对这个问题,我们提出以下改进方案:

  1. 消除递归调用:重构totalSize方法,确保它不会触发任何可能修改缓存结构的操作。

  2. 异步处理优化:将异步回调中的evict操作改为提交到有序任务队列,避免与当前操作冲突。

  3. 状态标记:在计算totalSize时设置标记,阻止并发evict操作。

改进后的代码结构如下:

private volatile boolean calculatingSize = false;

public synchronized void put(K key, V value) {
    evict();
    super.put(key, value);
    value.size().thenAccept(v -> {
        if (!calculatingSize) {
            evict();
        }
    });
}

private synchronized int totalSize() {
    calculatingSize = true;
    try {
        return cacheEntrySet.stream()
            .mapToInt(entry -> entry.getValue().size().get())
            .sum();
    } finally {
        calculatingSize = false;
    }
}

实施效果

经过上述改进后:

  1. 彻底消除了ConcurrentModificationException的可能性
  2. 保持了LRU缓存的基本功能不变
  3. 提高了系统在高并发场景下的稳定性
  4. 避免了潜在的递归调用风险

经验总结

这个案例给我们以下启示:

  1. 在使用异步编程模型时,需要特别注意回调函数可能引发的并发问题
  2. 集合迭代过程中的结构修改是常见危险点,需要严格防护
  3. 简单的synchronized关键字不能解决所有并发问题,需要结合业务逻辑设计更精细的并发控制
  4. 递归调用在并发环境下风险会被放大,应当尽量避免

通过这次问题的分析和解决,AutoMQ Kafka的缓存模块变得更加健壮,能够更好地支撑高并发场景下的数据访问需求。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
38
72
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
519
50
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
942
555
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
195
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
993
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
359
12
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71