学习攻略 | 如何才能学好并发编程？

从性能角度讲，我们为了提高执行一定计算机任务的效率，所以IO等待的时候不能让cpu闲着，所以我们把任务拆分交替执行，有了分时操作系统，出现了并发，后来cpu多核了又有了并行计算。这里也就是作者说的[分工]。分工以后我们为了进一步提升效率和更加灵活地达到目的，所以我们要对任务进行组织编排，也就是对线程组织编排。于是线程之间需要通信，于是操作系统提供了一些让进程，线程之间通信的方式。也就是作者说的[同步]。但是事物总不是完美的。并发和通信带来了较高的编程复杂度，同时也出现了多线程并发操作共享资源的问题。于是天下大势，分久必合，我们又要将对共享资源的访问串行化。所以我们根据现实世界的做法设计了了锁，信号量等等来补充这套体系。也就是作者所说的[互斥]！ 综上，这一切均为提高性能的手段和对其所产生问题的解决方案。

这篇文章看了四五篇，写得真好，收获也很多。 文中提到了两点真是发人深省： 1. 方法论层面：「跳出来，看全景」 和 「钻进去，看本质」，这两条方法论，我想是适合很多领域的学习的。 2. 并发领域的「全景图」。 对于「全景图」，我之前也有一直在构建，可是因为知识储备不够，确实很难构建出来。稍微了解过并发领域知识的人都知道，里面的知识点、概念多而散：线程安全、锁、同步、异步、阻塞、非阻塞、死锁、队列(为什么并发要跟队列扯上关系)、闭锁、信号量、活锁等等。如果单个去学这些知识点，单个去练习，如果没有「主线」，后期很容易忘。我思考再思考，也总结了一下学习并发的主线： 首先，得理解并发的重要性，为什么需要并发？对于这个问题，只需要放在潜意识里面，只需要两个字：性能！其它的细节，再去慢慢拓展。 然后，既然并发很重要，而并发处理的是任务，接下就是：对任务的抽象、拆解、分工执行。而线程模型，只是其中的一种模型，还有多进程、协程。Java使用的是多线程模型，对应到具体的代码就是：Thread, Runnable, Task，执行任务有：Exectors。 引出了线程，有势必存在着线程安全性的问题，因为多线程访问，数据存在着不一致的问题。 再然后，大的任务被拆解多个小的子任务，小的子任务被各自执行，不难想象，子任务之间肯定存在着依赖关系，所以需要协调，那如何协调呢？也不难想到，锁是非常直接的方式(Monitor原理)，但是只用锁，协调的费力度太高，在并发的世界里面，又有了一些其它的更抽象的工具：闭锁、屏障、队列以及其它的一些并发容器等；好了，协调的工作不难处理了。可是协调也会有出错的时候，这就有了死锁、活锁等问题，大师围绕着这个问题继续优化协调工具，尽量让使用者不容易出现这些活跃性问题； 到此，「并发」的历史还在演化：如果一遇到并发问题，就直接上锁，倒也没有什么大问题，可是追求性能是人类的天性。计算机大师就在思考，能不不加锁也能实现并发，还不容易出错，于是就有了：CAS、copy-on-write等技术思想，这就是实现了「无锁」并发； 可是，事情到此还没有完。如果以上这些个东西，都需要每个程序员自己去弄，然后自己保证正确性，那程序员真累死了，哪还有时间、精力创造这么多美好的应用！于是，计算机大师又开始思考，能不能抽象出统一「模型」，可能这就有了类似于「Java内存模型」这样的东西。 ------------ 借用宝令老师的语言，以上「是我对并发问题的个人总结，不一定正确，但是可以帮助我快速建立解决并发问题的思路，梳理并发编程的知识，加深认识。我将其分享给你，希望对你也有用」。

之前看薛兆丰的《经济学通识》，他总结到，人类面临着四大基本约束：东西不够，生命有限，互相依赖，需要协调。当我看到这句话的时候，我猛然间意识到：计算机也同样面临着这四大基本约束。 在计算中，CPU、内存、IO、硬盘、带宽等，这些资源也都有不够的时候，而每个线程的也有着自己的生命周期，并且它们之间又是相互依赖的，也同样需要协调。 有了上面的这种想法，我觉得我学习计算机的知识有了章法可循。

正如老师所说，并发编程涉及的知识面比较广，无奈大学阶段没有学好，老师帮忙推荐下和并发编程相关的书籍。只有有了一定的知识铺垫，才能更好的理解并发编程。感谢！

感觉确实如老师所说的，知识不成体系，就像是奶酪，看着是一块，实则满眼孔洞，加油！

令哥，你就坐我对面，让我如何评论啊！呵呵

想给老师提一个建议，就是在开篇用一个问题来引出本篇所要讲述的内容，然后在结尾时的总结之前回答开篇的问题。最后，在总结之后再设计并提出一个问题，让大家来讨论和回答。每一课之后的激烈讨论将是最有意思的，望老师考虑一下，谢谢！

全局思维加单点突破，这种方式屡试不爽。希望令哥沉住气不着急，好好打磨，慢慢更新，搞出精品，打造业界标杆😁

理论确实特别重要。我在数据结构与算法这门课程中，学习到了跳表这种数据结构时，又重新读了一下 JUC 中 ConcurrentSkipListMap，感触颇深。 在学习跳表过程中，我了解了跳表的基本数据结构。数组的二分法查找二分高效，时间复杂度为 O(logn)，但直接使用链表进行二分法查找却十分低效。为了解决这个问题，跳表通过存储多级索引（类似多级链表），实现了基于链表的二分法查找。如何创建跳表，这些问题其实在 William Pugh 的《[Skip Lists: A Probabilistic Alternative to Balanced Trees](ftp://ftp.cs.umd.edu/pub/skipLists/skiplists.pdf)》一文中分析的特别清楚。影响跳表的性能关键就是索引的平衡，跳表通过随机函数生成索引高度。其中有两个最关键的指标：每层指针的概率 p（决定每个结点的平均索引高度）和最大索引高度 MaxLevel（决定了跳表的最大索引高度和最大数据量 2^MaxLevel）。所以我重新读 ConcurrentSkipListMap 时就重点关注一下它的这两个指标p=0.5且MaxLevel=32。这样跳表的结构就非常的清晰了，其它的都是一些细枝末节。 ConcurrentSkipListMap 的数据结构基本上没问题，但链表中大量的原子性操作又成了拦路虎，刚开始完全搞不明白。然后，我又硬着头皮读了一下 Doug Lea 的 Javadoc，其中提到了 Tim Harris 的《A pragmatic implementation of non-blocking linked lists》论文，讲述了如何实现无锁的链表。但这篇论文太难找了，最后我找到了一遍简要介绍 TH 的文章。文章大致说的是，多线程下通过 cas 往链表中插入结点是安全的。但通过 cas 删除结点却是不安全的，因为在删除结点时，有可能其它线程正在往这个将要被删除的结点后插入元素。解决问题的办法也很简单，将被删除的结点先逻辑删除，再物理删除，也就标记删除法。有了这些理论基础，再读并发部分的代码就觉得很清晰多了，ConcurrentSkipListMap 也是通过先标记后删除解决这个问题的。一旦将node.value设置为null，结点就不可达，但还可以往这个结点后插入元素，所以将node.value设置为null后，还需要node.next设置成标记位，这样就不能再插入元素了，这个结点也就可以真正从链表中删除了。本来以为自己分析还比较到位，结果我发现在《Java多线程编程核心技术》这本书中，对无锁链表的总结真是面面俱到，只能怪自己这方面的理论欠缺。

老师想请教您一个问题，目前公司需要进行分表操作，单表2亿数据，每年的增量也是两亿。有没有什么理论基础支持我分片的片数，以及是否需要分库以及其他注意事项。如果没有的话，老师按照您的经验，应该分成多少个片呢？目前是用的哈希对128取模进行的，分成128个表，是否合适呢。