Spring Framework中虚拟线程在存储过程调用时的优化方案
虚拟线程与同步阻塞问题
在Java 21中引入的虚拟线程(Virtual Threads)为高并发应用带来了显著的性能提升,但在实际应用中,我们仍然需要注意避免虚拟线程被"钉住"(pinned)的情况。钉住现象会使得轻量级的虚拟线程退化为平台线程,从而失去其调度优势。
Spring Framework 3.3.2版本中,在AbstractJdbcCall.compile()方法实现中使用了synchronized关键字进行方法级别的同步。这种同步方式在虚拟线程环境下会导致线程被钉住,进而可能引发性能下降甚至死锁问题。
问题分析
当使用虚拟线程并启用-Djdk.tracePinnedThreads=short参数时,可以观察到如下日志输出:
Thread[#179,ForkJoinPool-1-worker-28,5,CarrierThreads]
org.springframework.jdbc.core.simple.AbstractJdbcCall.compile(AbstractJdbcCall.java:298) <== monitors:1
这表明虚拟线程在执行compile()方法时被钉住了,原因是该方法使用了synchronized关键字。在虚拟线程模型中,任何获取监视器锁(monitor lock)的操作都会导致当前虚拟线程被绑定到承载线程(Carrier Thread)上,直到锁被释放。
优化方案
针对这一问题,可以考虑以下几种优化方案:
-
使用ReentrantLock替代synchronized: Java并发包中的
ReentrantLock不会导致虚拟线程被钉住,是更现代的同步机制选择。 -
CAS(Compare-And-Swap)无锁编程: 使用原子变量和CAS操作可以完全避免锁的使用,实现真正的无锁编程。
-
双重检查锁定模式优化: 结合volatile变量和局部同步块,减少同步范围。
实现建议
对于AbstractJdbcCall.compile()方法,可以重构为以下形式:
private final AtomicBoolean compiledFlag = new AtomicBoolean(false);
private final Lock compileLock = new ReentrantLock();
public final void compile() throws InvalidDataAccessApiUsageException {
if (!compiledFlag.get()) {
compileLock.lock();
try {
if (!compiledFlag.get()) {
// 原有编译逻辑
compiledFlag.set(true);
}
} finally {
compileLock.unlock();
}
}
}
这种实现方式既保证了线程安全,又避免了虚拟线程被钉住的问题。
性能考量
在实际应用中,存储过程编译通常是一次性操作,后续调用会直接使用已编译的结果。因此,使用更轻量级的同步机制可以带来以下优势:
- 减少虚拟线程被钉住的概率
- 提高高并发场景下的吞吐量
- 避免潜在的死锁风险
- 保持虚拟线程的轻量级特性
结论
随着Java虚拟线程的普及,Spring Framework中的同步机制也需要相应地进行优化。通过将传统的synchronized替换为更现代的并发控制机制,可以充分发挥虚拟线程的优势,为高并发数据库操作提供更好的性能表现。这种优化对于使用存储过程频繁的企业级应用尤为重要。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00