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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00