精通Java并發(fā)編程（第2版）

第 1 章 第 一步：并發(fā)設計原理 　　 1
1．1　基本的并發(fā)概念　1
1．1．1　并發(fā)與并行　1
1．1．2　同步　2
1．1．3　不可變對象　2
1．1．4　原子操作和原子變量　3
1．1．5　共享內存與消息傳遞　3
1．2　并發(fā)應用程序中可能出現的問題　3
1．2．1　數據競爭　3
1．2．2　死鎖　4
1．2．3　活鎖　4
1．2．4　資源不足　4
1．2．5　優(yōu)先權反轉　5
1．3　設計并發(fā)算法的方法論　5
1．3．1　起點：算法的一個串行版本　5
1．3．2　第 1 步：分析　5
1．3．3　第 2 步：設計　5
1．3．4　第3 步：實現　6
1．3．5　第4 步：測試　6
1．3．6　第5 步：調整　6
1．3．7　結論　7
1．4　Java 并發(fā)API　8
1．4．1　基本并發(fā)類　8
1．4．2　同步機制　8
1．4．3　執(zhí)行器　9
1．4．4　Fork/Join 框架　9
1．4．5　并行流　9
1．4．6　并發(fā)數據結構　9
1．5　并發(fā)設計模式　10
1．5．1　信號模式　10
1．5．2　會合模式　11
1．5．3　互斥模式　11
1．5．4　多元復用模式　12
1．5．5　柵欄模式　12
1．5．6　雙重檢查鎖定模式　12
1．5．7　讀 寫鎖模式　13
1．5．8　線程池模式　14
1．5．9　線程局部存儲模式　14
1．6　設計并發(fā)算法的提示和技巧　14
1．6．1　正確識別獨立任務　14
1．6．2　在盡可能高的層面上實施并發(fā)處理　15
1．6．3　考慮伸縮性　15
1．6．4　使用線程安全API　15
1．6．5　絕不要假定執(zhí)行順序　16
1．6．6　在靜態(tài)和共享場合盡可能使用局部線程變量　16
1．6．7　尋找更易于并行處理的算法版本　17
1．6．8　盡可能使用不可變對象　17
1．6．9　通過對鎖排序來避免死鎖　17
1．6．10　使用原子變量代替同步　18
1．6．11　占有鎖的時間盡可能短　19
1．6．12　謹慎使用延遲初始化　19
1．6．13　避免在臨界段中使用阻塞操作　19
1．7　小結　20
第　2 章 使用基本元素：Thread 和Runnable　21
2．1　Java 中的線程　21
2．1．1　Java 中的線程：特征和狀態(tài)　22
2．1．2　Thread 類和Runnable 接口　23
2．2　第 一個例子：矩陣乘法　24
2．2．1　公共類　24
2．2．2　串行版本　25
2．2．3　并行版本　25
2．3　第二個例子：文件搜索　32
2．3．1　公共類　32
2．3．2　串行版本　32
2．3．3　并發(fā)版本　33
2．3．4　對比解決方案　37
2．4　小結　38
第3　章 管理大量線程：執(zhí)行器　39
3．1　執(zhí)行器簡介　39
3．1．1　執(zhí)行器的基本特征　39
3．1．2　執(zhí)行器框架的基本組件　40
3．2　第 一個例子：k-最近鄰算法　40
3．2．1　k-最近鄰算法：串行版本　41
3．2．2　k-最近鄰算法：細粒度并發(fā)版本　42
3．2．3　k-最近鄰算法：粗粒度并發(fā)版本　45
3．2．4　對比解決方案　46
3．3　第二個例子：客戶端/服務器環(huán)境下的并發(fā)處理　48
3．3．1　客戶端/服務器：串行版　48
3．3．2　客戶端/服務器：并行版本　51
3．3．3　額外的并發(fā)服務器組件　54
3．3．4　對比兩種解決方案　59
3．3．5　其他重要方法　61
3．4　小結　62
第4　章 充分利用執(zhí)行器　63
4．1　執(zhí)行器的高級特性　63
4．1．1　任務的撤銷　63
4．1．2　任務執(zhí)行調度　64
4．1．3　重載執(zhí)行器方法　64
4．1．4　更改一些初始化參數　64
4．2　第 一個例子：高級服務器應用程序　65
4．2．1　ServerExecutor 類　65
4．2．2　命令類　70
4．2．3　服務器部件　72
4．2．4　客戶端部件　78
4．3　第二個例子：執(zhí)行周期性任務　79
4．3．1　公共部件　79
4．3．2　基礎閱讀器　81
4．3．3　高級閱讀器　84
4．4　有關執(zhí)行器的其他信息　87
4．5　小結　87
第5　章 從任務獲取數據：Callable接口與Future 接口　88
5．1　Callable 接口和Future 接口簡介　88
5．1．1　Callable 接口　88
5．1．2　Future 接口　89
5．2　第 一個例子：單詞最佳匹配算法　89
5．2．1　公共類　90
5．2．2　最佳匹配算法：串行版本　91
5．2．3　最佳匹配算法：第 一個并發(fā)版本　92
5．2．4　最佳匹配算法：第二個并發(fā)版本　95
5．2．5　單詞存在算法：串行版本　96
5．2．6　單詞存在算法：并行版本　98
5．2．7　對比解決方案　100
5．3　第二個例子：為文檔集創(chuàng)建倒排索引　102
5．3．1　公共類　103
5．3．2　串行版本　104
5．3．3　第 一個并發(fā)版本：每個文檔一個任務　105
5．3．4　第二個并發(fā)版本：每個任務多個文檔　109
5．3．5　對比解決方案　112
5．3．6　其他相關方法　113
5．4　小結　113
第6　章 運行分為多階段的任務：Phaser 類　115
6．1　Phaser 類簡介　115
6．1．1　參與者的注冊與注銷　116
6．1．2　同步階段變更　116
6．1．3　其他功能　116
6．2　第 一個例子：關鍵字抽取算法　117
6．2．1　公共類　118
6．2．2　串行版本　121
6．2．3　并發(fā)版本　123
6．2．4　對比兩種解決方案　128
6．3　第二個例子：遺傳算法　129
6．3．1　公共類　130
6．3．2　串行版本　132
6．3．3　并發(fā)版本　134
6．3．4　對比兩種解決方案　139
6．4　小結　141
第7　章 優(yōu)化分治解決方案：
Fork/Join　框架　142
7．1　Fork/Join 框架簡介　142
7．1．1　Fork/Join 框架的基本特征　143
7．1．2　Fork/Join 框架的局限性　143
7．1．3　Fork/Join 框架的組件　144
7．2　第 一個例子：k-means 聚類算法　144
7．2．1　公共類　145
7．2．2　串行版本　149
7．2．3　并發(fā)版本　151
7．2．4　對比解決方案　155
7．3　第二個例子：數據篩選算法　157
7．3．1　公共特性　157
7．3．2　串行版　157
7．3．3　并發(fā)版本　159
7．3．4　對比兩個版本　165
7．4　第三個例子：歸并排序算法　166
7．4．1　共享類　166
7．4．2　串行版本　167
7．4．3　并發(fā)版本　169
7．4．4　對比兩個版本　172
7．5　Fork/Join 框架的其他方法　172
7．6　小結　173
第8　章 使用并行流處理大規(guī)模數據集：MapReduce 模型　174
8．1　流的簡介　174
8．1．1　流的基本特征　174
8．1．2　流的組成部分　175
8．1．3　MapReduce 與MapCollect　177
8．2　第 一個例子：數值綜合分析應用程序　178
8．2．1　并發(fā)版本　178
8．2．2　串行版本　185
8．2．3　對比兩個版本　186
8．3　第二個例子：信息檢索工具　186
8．3．1　約簡操作簡介　187
8．3．2　第 一種方式：全文檔查詢　188
8．3．3　第二種方式：約簡的文檔查詢　191
8．3．4　第三種方式：生成一個含有結果的HTML 文件　191
8．3．5　第四種方式：預先載入倒排索引　194
8．3．6　第五種方式：使用我們的執(zhí)行器　195
8．3．7　從倒排索引獲取數據：ConcurrentData 類　196
8．3．8　獲取文件中的單詞數　196
8．3．9　獲取文件的平均tfxidf 值　196
8．3．10　獲取索引中的最大tfxidf值和最小tfxidf 值　197
8．3．11　ConcurrentMain 類　198
8．3．12　串行版　199
8．3．13　對比兩種解決方案　199
8．4　小結　202
第9　章 使用并行流處理大規(guī)模數據集：MapCollect 模型　203
9．1　使用流收集數據　203
9．2　第 一個例子：無索引條件下的數據搜索　205
9．2．1　基本類　205
9．2．2　第 一種方式：基本搜索　207
9．2．3　第二種方式：高級搜索　209
9．2．4　本例的串行實現　211
9．2．5　對比實現方案　211
9．3　第二個例子：推薦系統(tǒng)　212
9．3．1　公共類　212
9．3．2　推薦系統(tǒng)：主類　213
9．3．3　ConcurrentLoaderAccumulator 類　215
9．3．4　串行版　216
9．3．5　對比兩個版本　216
9．4　第三個例子：社交網絡中的共同聯系人　217
9．4．1　基本類　218
9．4．2　并發(fā)版本　219
9．4．3　串行版本　223
9．4．4　對比兩個版本　223
9．5　小結　224
第　10 章 異步流處理：反應流　225
10．1　Java 反應流簡介　225
10．1．1　Flow．Publisher 接口　226
10．1．2　Flow．Subscriber 接口　226
10．1．3　Flow．Subscription 接口　226
10．1．4　SubmissionPublisher 類　226
10．2　第 一個例子：面向事件通知的集中式系統(tǒng)　227
10．2．1　Event 類　227
10．2．2　Producer 類　227
10．2．3　Consumer 類　228
10．2．4　Main 類　230
10．3　第二個例子：新聞系統(tǒng)　231
10．3．1　News 類　232
10．3．2　發(fā)布者相關的類　232
10．3．3　Consumer 類　235
10．3．4　Main 類　236
10．4　小結　238
第　11 章 探究并發(fā)數據結構和同步工具　240
11．1　并發(fā)數據結構　240
11．1．1　阻塞型數據結構和非阻塞型數據結構　241
11．1．2　并發(fā)數據結構　241
11．1．3　使用新特性　244
11．1．4　原子變量　251
11．1．5　變量句柄　252
11．2　同步機制　254
11．2．1　CommonTask 類　255
11．2．2　Lock 接口　255
11．2．3　Semaphore 類　256
11．2．4　CountDownLatch 類　258
11．2．5　CyclicBarrier 類　259
11．2．6　CompletableFuture 類　261
11．3　小結　268
第　12 章 測試與監(jiān)視并發(fā)應用程序　269
12．1　監(jiān)視并發(fā)對象　269
12．1．1　監(jiān)視線程　269
12．1．2　監(jiān)視鎖　270
12．1．3　監(jiān)視執(zhí)行器　272
12．1．4　監(jiān)視Fork/Join 框架　273
12．1．5　監(jiān)視Phaser　274
12．1．6　監(jiān)視流API　275
12．2　監(jiān)視并發(fā)應用程序　276
12．2．1　Overview 選項卡　278
12．2．2　Memory 選項卡　279
12．2．3　Threads 選項卡　280
12．2．4　Classes 選項卡　280
12．2．5　VM Summary 選項卡　281
12．2．6　MBeans 選項卡　283
12．2．7　About 選項卡　284
12．3　測試并發(fā)應用程序　284
12．3．1　使用MultithreadedTC 測試并發(fā)應用程序　285
12．3．2　使用Java Pathfinder 測試并發(fā)應用程序　288
12．4　小結　293
第　13 章 JVM 中的并發(fā)處理：Clojure、帶有GPars 庫的Groovy 以及Scala　294
13．1　Clojure 的并發(fā)處理　294
13．1．1　使用Java 元素　295
13．1．2　引用類型　295
13．1．3　Ref 對象　298
13．1．4　Delay　299
13．1．5　Future　300
13．1．6　Promise　301
13．2　Groovy 及其GPars 庫的并發(fā)處理　302
13．3　軟件事務性內存　302
13．3．1　使用Java 元素　302
13．3．2　數據并行處理　303
13．3．3　Fork/Join 處理　307
13．3．4　Actor　308
13．3．5　Agent　315
13．3．6　Dataf low　316
13．4　Scala 的并發(fā)處理　322
13．4．1　Scala 中的Future 對象　322
13．4．2　Promise　328
13．5　小結　329