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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









