求一个生产者与消费者demo的内存关系图(百分相送)

xzyr2046 2010-03-04 03:18:03
代码如下:
class Info{
private String name=null; //名称
private String content=null; //内容
private boolean flag=false; //设置标志位
public synchronized void set(String name,String content){
if (!flag){
try{
super.wait();
}catch(InterruptedException e){
e.printStackTrace();
}
}
try{
Thread.sleep(2000); //延迟
}catch(InterruptedException e){
e.printStackTrace();
}
this.setName(name); //设置名称
this.setContent(content); //设置内容
flag=false;
super.notify();
}
public synchronized void get( ){
if (flag){
try{
super.wait();
}catch(InterruptedException e){
e.printStackTrace();
}
}
try{
Thread.sleep(2000); //延迟
}catch(InterruptedException e){
e.printStackTrace();
}
System.out.println(this.getName()+"-->"+this.getContent());
flag=true;
super.notify();
}
public void setName(String name){ //设置名称
this.name=name;
}
public void setContent(String content){ //设置内容
this.content=content;
}
public String getName(){ //取得名称
return this.name;
}
public String getContent(){ //取得内容
return this.content;
}
}
class Producer implements Runnable{ //继承Runnable接口
private Info info=null; //声明info
public Producer(Info info){ //通过构造方法设置info
this.info=info;
}
public void run(){ //覆写run()方法
boolean flag=false; //声明flag
for (int i=0;i<50 ;i++ ){
if (flag){
this.info.set("徐彦","程序员");
flag=false;
}
else{
this.info.set("希哲","教师");
flag=true;
}
}
}

}
class Consumer implements Runnable{ //继承Runnable接口
private Info info=null; //声明info
public Consumer(Info info){
this.info=info;
}
public void run(){ //覆写run()
for (int i=0;i<50 ;i++ ){
this.info.get();
}
}
}
public class ThreadCaseDemo03{
public static void main(String args[]){
Info info=new Info(); //实例化info
Producer pro=new Producer(info); //生产者
Consumer con=new Consumer(info); //消费者
new Thread(pro).start();
new Thread(con).start();
}
}
小弟一直困惑程序的执行流程,希望通过内存图看个明白,各位大侠谢谢了啊!!!
...全文
718 4 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
heartraid86 2010-03-04
  • 打赏
  • 举报
回复
首先,说明一下synchronized关键字的特点:
Java中每一个对象都有一把隐式锁(只有一把)。拿Info info=new Info()来说吧:info对象就有一把隐锁,当线程A调用info.set()方法的时候,线程B是无法调用info.get()方法的。因为这两个方法都被synchronized声明了,也就是被同一把锁保护起来了。

好了,现在来看看上面的代码,基本运行情况是这样的:
阶段1
new Thread(pro).start();
new Thread(con).start();
生产者线程先运行,当他开始调用info.set("希哲","教师")的同时,消费者线程也准备开始调用info.get()了。但是注意:由于生产者先运行info对象的set方法,也就先获得了info对象的唯一的一把锁。这个时候消费者线程想要调用info.get()的时候就因没有锁而被阻塞了。

阶段2
这个时候,生产者开始运行info.set()方法了,但是很遗憾,这个线程一开始就运行进了这段代码:
if (flag){
try{
super.wait();
}catch(InterruptedException e){
e.printStackTrace();
}
}
没办法,还没有将"希哲","教师"赋值给name和content变量,生产者线程就进入了阻塞等待状态,并放弃了对象的唯一的锁。此时的info对象中的name和content变量仍然是null。
此时,没有锁而被阻塞的消费者线程就可以得到锁而开始运行info.get()方法了。运行的时候由于flag=false,因此消费者线程不会被wait(),sleep 2秒之后就开始打印this.getName()+"-->"+this.getContent()了。
这个时候打印:结果只能是null->>null

还有一个问题是至于为什么后面是4秒运行打印一次,很简单。
这段代码是生产者线程和消费者线程轮流运行各自的代码,我们拿出一个循环单元开始分析。

首先,消费者wait()时,生产者获得锁进入set()方法,开始先等待2秒后赋值一个(name,content)对。
然后,生产者调用notify()方法,激活阻塞的消费者并自己放弃锁。
接着,消费者开始获得锁并进入get()方法,开始先等待2秒后打印生产者赋值的(name,content)对。

很显然,两次打印之间各了两个线程均等待的2秒钟,自然是4秒一次打印了。
xzyr2046 2010-03-04
  • 打赏
  • 举报
回复
谢谢大侠了啊!!!!
xzyr2046 2010-03-04
  • 打赏
  • 举报
回复
大侠,又看到你了,我还是对于程序流程不太明白啊,希望大侠详解啊,尤其是输出的时候一开始过了两秒之后输出了null--> null ,但之后是按四秒输出的,为什么啊?我延迟都设置为两秒,求大侠帮人帮到底啊,谢谢啊!!
SambaGao 2010-03-04
  • 打赏
  • 举报
回复
设置断点 debug 跟踪程序。。。。单步执行。
资源下载链接为: https://pan.quark.cn/s/abbae039bf2a 在计算机视觉领域,实时目标跟踪是许多应用的核心任务,例如监控系统、自动驾驶汽车和无人机导航等。本文将重点介绍一种在2017年备受关注的高效目标跟踪算法——BACF(Boosted Adaptive Clustering Filter)。该算法因其卓越的实时性和高精度而脱颖而出,其核心代码是用MATLAB编写的。 BACF算法全称为Boosted Adaptive Clustering Filter,是基于卡尔曼滤波器改进的一种算法。传统卡尔曼滤波在处理复杂背景和目标形变时存在局限性,而BACF通过引入自适应聚类和Boosting策略,显著提升了对目标特征的捕获和跟踪能力。 自适应聚类是BACF算法的关键技术之一。它通过动态更新特征空间中的聚类中心,更准确地捕捉目标的外观变化,从而在光照变化、遮挡和目标形变等复杂情况下保持跟踪的稳定性。此外,BACF还采用了Boosting策略。Boosting是一种集成学习方法,通过组合多个弱分类器形成强分类器。在BACF中,Boosting用于优化目标检测性能,动态调整特征权重,强化对目标识别贡献大的特征,从而提高跟踪精度。BACF算法在设计时充分考虑了计算效率,能够在保持高精度的同时实现快速实时的目标跟踪,这对于需要快速响应的应用场景(如视频监控和自动驾驶)至关重要。 MATLAB作为一种强大的数学计算和数据分析工具,非常适合用于算法的原型开发和测试。BACF算法的MATLAB实现提供了清晰的代码结构,方便研究人员理解其工作原理并进行优化和扩展。通常,BACF的MATLAB源码包含以下部分:主函数(实现整个跟踪算法的核心代码)、特征提取模块(从视频帧中提取目标特征的子程序)、聚类算法(实现自适应聚类过程)、Boosting算法(包含特征权重更新的代
内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。

62,634

社区成员

发帖
与我相关
我的任务
社区描述
Java 2 Standard Edition
社区管理员
  • Java SE
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧