精通Java并发编程 第2版
第 1 章 第 一步：并发设计原理 1
1.1 基本的并发概念 1
1.1.1 并发与并行 1
1.1.2 同步 2
1.1.3 不可变对象 2
1.1.4 原子操作和原子变量 3
1.1.5 共享内存与消息传递 3
1.2 并发应用程序中可能出现的问题 3
1.2.1 数据竞争 3
1.2.2 死锁 4
查看完整
1.1 基本的并发概念 1
1.1.1 并发与并行 1
1.1.2 同步 2
1.1.3 不可变对象 2
1.1.4 原子操作和原子变量 3
1.1.5 共享内存与消息传递 3
1.2 并发应用程序中可能出现的问题 3
1.2.1 数据竞争 3
1.2.2 死锁 4
查看完整
哈维尔·费尔南德斯·冈萨雷斯（Javier Fernández González）：软件架构师，拥有十余年Java研发经验，对J2EE、Struts框架和使用Java开发大规模数据处理的应用程序颇有心得，为保险、医疗、交通等领域客户开发了许多J2EE Web应用程序。
Java 提供了一套非常强大的并发API，可以轻松实现任何类型的并发应用程序。本书讲述Java 并发API *重要的元素，包括执行器框架、Phaser 类、Fork/Join 框架、流API、并发数据结构、同步机制，并展示如何在实际开发中使用它们。此外，本书还介绍了设计并发应用程序的方法论、设计模式、实现良好并发应用程序的提示和技巧、测试并发应用程序的工具和方法，以及如何使用面向Java 虚拟机的其他编程语言实现并发应用程序。
第 1 章 第 一步：并发设计原理 1
1.1 基本的并发概念 1
1.1.1 并发与并行 1
1.1.2 同步 2
1.1.3 不可变对象 2
1.1.4 原子操作和原子变量 3
1.1.5 共享内存与消息传递 3
1.2 并发应用程序中可能出现的问题 3
1.2.1 数据竞争 3
1.2.2 死锁 4
1.2.3 活锁 4
1.2.4 资源不足 4
1.2.5 优先权反转 5
1.3 设计并发算法的方法论 5
1.3.1 起点：算法的一个串行版本 5
1.3.2 第 1 步：分析 5
1.3.3 第 2 步：设计 5
1.3.4 第3 步：实现 6
1.3.5 第4 步：测试 6
1.3.6 第5 步：调整 6
1.3.7 结论 7
1.4 Java 并发API 8
1.4.1 基本并发类 8
1.4.2 同步机制 8
1.4.3 执行器 9
1.4.4 Fork/Join 框架 9
1.4.5 并行流 9
1.4.6 并发数据结构 9
1.5 并发设计模式 10
1.5.1 信号模式 10
1.5.2 会合模式 11
1.5.3 互斥模式 11
1.5.4 多元复用模式 12
1.5.5 栅栏模式 12
1.5.6 双重检查锁定模式 12
1.5.7 读 写锁模式 13
1.5.8 线程池模式 14
1.5.9 线程局部存储模式 14
1.6 设计并发算法的提示和技巧 14
1.6.1 正确识别独立任务 14
1.6.2 在尽可能高的层面上实施并发处理 15
1.6.3 考虑伸缩性 15
1.6.4 使用线程安全API 15
1.6.5 绝不要假定执行顺序 16
1.6.6 在静态和共享场合尽可能使用局部线程变量 16
1.6.7 寻找更易于并行处理的算法版本 17
1.6.8 尽可能使用不可变对象 17
1.6.9 通过对锁排序来避免死锁 17
1.6.10 使用原子变量代替同步 18
1.6.11 占有锁的时间尽可能短 19
1.6.12 谨慎使用延迟初始化 19
1.6.13 避免在临界段中使用阻塞操作 19
1.7 小结 20
第 2 章 使用基本元素：Thread 和Runnable 21
2.1 Java 中的线程 21
2.1.1 Java 中的线程：特征和状态 22
2.1.2 Thread 类和Runnable 接口 23
2.2 第 一个例子：矩阵乘法 24
2.2.1 公共类 24
2.2.2 串行版本 25
2.2.3 并行版本 25
2.3 第二个例子：文件搜索 32
2.3.1 公共类 32
2.3.2 串行版本 32
2.3.3 并发版本 33
2.3.4 对比解决方案 37
2.4 小结 38
第3 章 管理大量线程：执行器 39
3.1 执行器简介 39
3.1.1 执行器的基本特征 39
3.1.2 执行器框架的基本组件 40
3.2 第 一个例子：k-近邻算法 40
3.2.1 k-近邻算法：串行版本 41
3.2.2 k-近邻算法：细粒度并发版本 42
3.2.3 k-近邻算法：粗粒度并发版本 45
3.2.4 对比解决方案 46
3.3 第二个例子：客户端/服务器环境下的并发处理 48
3.3.1 客户端/服务器：串行版 48
3.3.2 客户端/服务器：并行版本 51
3.3.3 额外的并发服务器组件 54
3.3.4 对比两种解决方案 59
3.3.5 其他重要方法 61
3.4 小结 62
第4 章 充分利用执行器 63
4.1 执行器的高级特性 63
4.1.1 任务的撤销 63
4.1.2 任务执行调度 64
4.1.3 重载执行器方法 64
4.1.4 更改一些初始化参数 64
4.2 第 一个例子：高级服务器应用程序 65
4.2.1 ServerExecutor 类 65
4.2.2 命令类 70
4.2.3 服务器部件 72
4.2.4 客户端部件 78
4.3 第二个例子：执行周期性任务 79
4.3.1 公共部件 79
4.3.2 基础阅读器 81
4.3.3 高级阅读器 84
4.4 有关执行器的其他信息 87
4.5 小结 87
第5 章 从任务获取数据：Callable接口与Future 接口 88
5.1 Callable 接口和Future 接口简介 88
5.1.1 Callable 接口 88
5.1.2 Future 接口 89
5.2 第 一个例子：单词匹配算法 89
5.2.1 公共类 90
5.2.2 匹配算法：串行版本 91
5.2.3 匹配算法：第 一个并发版本 92
5.2.4 匹配算法：第二个并发版本 95
5.2.5 单词存在算法：串行版本 96
5.2.6 单词存在算法：并行版本 98
5.2.7 对比解决方案 100
5.3 第二个例子：为文档集创建倒排索引 102
5.3.1 公共类 103
5.3.2 串行版本 104
5.3.3 第 一个并发版本：每个文档一个任务 105
5.3.4 第二个并发版本：每个任务多个文档 109
5.3.5 对比解决方案 112
5.3.6 其他相关方法 113
5.4 小结 113
第6 章 运行分为多阶段的任务：Phaser 类 115
6.1 Phaser 类简介 115
6.1.1 参与者的注册与注销 116
6.1.2 同步阶段变更 116
6.1.3 其他功能 116
6.2 第 一个例子：关键字抽取算法 117
6.2.1 公共类 118
6.2.2 串行版本 121
6.2.3 并发版本 123
6.2.4 对比两种解决方案 128
6.3 第二个例子：遗传算法 129
6.3.1 公共类 130
6.3.2 串行版本 132
6.3.3 并发版本 134
6.3.4 对比两种解决方案 139
6.4 小结 141
第7 章 优化分治解决方案：
Fork/Join 框架 142
7.1 Fork/Join 框架简介 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 框架的组件 144
7.2 第 一个例子：k-means 聚类算法 144
7.2.1 公共类 145
7.2.2 串行版本 149
7.2.3 并发版本 151
7.2.4 对比解决方案 155
7.3 第二个例子：数据筛选算法 157
7.3.1 公共特性 157
7.3.2 串行版 157
7.3.3 并发版本 159
7.3.4 对比两个版本 165
7.4 第三个例子：归并排序算法 166
7.4.1 共享类 166
7.4.2 串行版本 167
7.4.3 并发版本 169
7.4.4 对比两个版本 172
7.5 Fork/Join 框架的其他方法 172
7.6 小结 173
第8 章 使用并行流处理大规模数据集：MapReduce 模型 174
8.1 流的简介 174
8.1.1 流的基本特征 174
8.1.2 流的组成部分 175
8.1.3 MapReduce 与MapCollect 177
8.2 第 一个例子：数值综合分析应用程序 178
8.2.1 并发版本 178
8.2.2 串行版本 185
8.2.3 对比两个版本 186
8.3 第二个例子：信息检索工具 186
8.3.1 约简操作简介 187
8.3.2 第 一种方式：全文档查询 188
8.3.3 第二种方式：约简的文档查询 191
8.3.4 第三种方式：生成一个含有结果的HTML 文件 191
8.3.5 第四种方式：预先载入倒排索引 194
8.3.6 第五种方式：使用我们的执行器 195
8.3.7 从倒排索引获取数据：ConcurrentData 类 196
8.3.8 获取文件中的单词数 196
8.3.9 获取文件的平均tfxidf 值 196
8.3.10 获取索引中的tfxidf值和小tfxidf 值 197
8.3.11 ConcurrentMain 类 198
8.3.12 串行版 199
8.3.13 对比两种解决方案 199
8.4 小结 202
第9 章 使用并行流处理大规模数据集：MapCollect 模型 203
9.1 使用流收集数据 203
9.2 第 一个例子：无索引条件下的数据搜索 205
9.2.1 基本类 205
9.2.2 第 一种方式：基本搜索 207
9.2.3 第二种方式：高级搜索 209
9.2.4 本例的串行实现 211
9.2.5 对比实现方案 211
9.3 第二个例子：推荐系统 212
9.3.1 公共类 212
9.3.2 推荐系统：主类 213
9.3.3 ConcurrentLoaderAccumulator 类 215
9.3.4 串行版 216
9.3.5 对比两个版本 216
9.4 第三个例子：社交网络中的共同联系人 217
9.4.1 基本类 218
9.4.2 并发版本 219
9.4.3 串行版本 223
9.4.4 对比两个版本 223
9.5 小结 224
第 10 章 异步流处理：反应流 225
10.1 Java 反应流简介 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 类 226
10.2 第 一个例子：面向事件通知的集中式系统 227
10.2.1 Event 类 227
10.2.2 Producer 类 227
10.2.3 Consumer 类 228
10.2.4 Main 类 230
10.3 第二个例子：新闻系统 231
10.3.1 News 类 232
10.3.2 发布者相关的类 232
10.3.3 Consumer 类 235
10.3.4 Main 类 236
10.4 小结 238
第 11 章 探究并发数据结构和同步工具 240
11.1 并发数据结构 240
11.1.1 阻塞型数据结构和非阻塞型数据结构 241
11.1.2 并发数据结构 241
11.1.3 使用新特性 244
11.1.4 原子变量 251
11.1.5 变量句柄 252
11.2 同步机制 254
11.2.1 CommonTask 类 255
11.2.2 Lock 接口 255
11.2.3 Semaphore 类 256
11.2.4 CountDownLatch 类 258
11.2.5 CyclicBarrier 类 259
11.2.6 CompletableFuture 类 261
11.3 小结 268
第 12 章 测试与监视并发应用程序 269
12.1 监视并发对象 269
12.1.1 监视线程 269
12.1.2 监视锁 270
12.1.3 监视执行器 272
12.1.4 监视Fork/Join 框架 273
12.1.5 监视Phaser 274
12.1.6 监视流API 275
12.2 监视并发应用程序 276
12.2.1 Overview 选项卡 278
12.2.2 Memory 选项卡 279
12.2.3 Threads 选项卡 280
12.2.4 Classes 选项卡 280
12.2.5 VM Summary 选项卡 281
12.2.6 MBeans 选项卡 283
12.2.7 About 选项卡 284
12.3 测试并发应用程序 284
12.3.1 使用MultithreadedTC 测试并发应用程序 285
12.3.2 使用Java Pathfinder 测试并发应用程序 288
12.4 小结 293
第 13 章 JVM 中的并发处理：Clojure、带有GPars 库的Groovy 以及Scala 294
13.1 Clojure 的并发处理 294
13.1.1 使用Java 元素 295
13.1.2 引用类型 295
13.1.3 Ref 对象 298
13.1.4 Delay 299
13.1.5 Future 300
13.1.6 Promise 301
13.2 Groovy 及其GPars 库的并发处理 302
13.3 软件事务性内存 302
13.3.1 使用Java 元素 302
13.3.2 数据并行处理 303
13.3.3 Fork/Join 处理 307
13.3.4 Actor 308
13.3.5 Agent 315
13.3.6 Dataf low 316
13.4 Scala 的并发处理 322
13.4.1 Scala 中的Future 对象 322
13.4.2 Promise 328
13.5 小结 329
^ 收 起
1.1 基本的并发概念 1
1.1.1 并发与并行 1
1.1.2 同步 2
1.1.3 不可变对象 2
1.1.4 原子操作和原子变量 3
1.1.5 共享内存与消息传递 3
1.2 并发应用程序中可能出现的问题 3
1.2.1 数据竞争 3
1.2.2 死锁 4
1.2.3 活锁 4
1.2.4 资源不足 4
1.2.5 优先权反转 5
1.3 设计并发算法的方法论 5
1.3.1 起点：算法的一个串行版本 5
1.3.2 第 1 步：分析 5
1.3.3 第 2 步：设计 5
1.3.4 第3 步：实现 6
1.3.5 第4 步：测试 6
1.3.6 第5 步：调整 6
1.3.7 结论 7
1.4 Java 并发API 8
1.4.1 基本并发类 8
1.4.2 同步机制 8
1.4.3 执行器 9
1.4.4 Fork/Join 框架 9
1.4.5 并行流 9
1.4.6 并发数据结构 9
1.5 并发设计模式 10
1.5.1 信号模式 10
1.5.2 会合模式 11
1.5.3 互斥模式 11
1.5.4 多元复用模式 12
1.5.5 栅栏模式 12
1.5.6 双重检查锁定模式 12
1.5.7 读 写锁模式 13
1.5.8 线程池模式 14
1.5.9 线程局部存储模式 14
1.6 设计并发算法的提示和技巧 14
1.6.1 正确识别独立任务 14
1.6.2 在尽可能高的层面上实施并发处理 15
1.6.3 考虑伸缩性 15
1.6.4 使用线程安全API 15
1.6.5 绝不要假定执行顺序 16
1.6.6 在静态和共享场合尽可能使用局部线程变量 16
1.6.7 寻找更易于并行处理的算法版本 17
1.6.8 尽可能使用不可变对象 17
1.6.9 通过对锁排序来避免死锁 17
1.6.10 使用原子变量代替同步 18
1.6.11 占有锁的时间尽可能短 19
1.6.12 谨慎使用延迟初始化 19
1.6.13 避免在临界段中使用阻塞操作 19
1.7 小结 20
第 2 章 使用基本元素：Thread 和Runnable 21
2.1 Java 中的线程 21
2.1.1 Java 中的线程：特征和状态 22
2.1.2 Thread 类和Runnable 接口 23
2.2 第 一个例子：矩阵乘法 24
2.2.1 公共类 24
2.2.2 串行版本 25
2.2.3 并行版本 25
2.3 第二个例子：文件搜索 32
2.3.1 公共类 32
2.3.2 串行版本 32
2.3.3 并发版本 33
2.3.4 对比解决方案 37
2.4 小结 38
第3 章 管理大量线程：执行器 39
3.1 执行器简介 39
3.1.1 执行器的基本特征 39
3.1.2 执行器框架的基本组件 40
3.2 第 一个例子：k-近邻算法 40
3.2.1 k-近邻算法：串行版本 41
3.2.2 k-近邻算法：细粒度并发版本 42
3.2.3 k-近邻算法：粗粒度并发版本 45
3.2.4 对比解决方案 46
3.3 第二个例子：客户端/服务器环境下的并发处理 48
3.3.1 客户端/服务器：串行版 48
3.3.2 客户端/服务器：并行版本 51
3.3.3 额外的并发服务器组件 54
3.3.4 对比两种解决方案 59
3.3.5 其他重要方法 61
3.4 小结 62
第4 章 充分利用执行器 63
4.1 执行器的高级特性 63
4.1.1 任务的撤销 63
4.1.2 任务执行调度 64
4.1.3 重载执行器方法 64
4.1.4 更改一些初始化参数 64
4.2 第 一个例子：高级服务器应用程序 65
4.2.1 ServerExecutor 类 65
4.2.2 命令类 70
4.2.3 服务器部件 72
4.2.4 客户端部件 78
4.3 第二个例子：执行周期性任务 79
4.3.1 公共部件 79
4.3.2 基础阅读器 81
4.3.3 高级阅读器 84
4.4 有关执行器的其他信息 87
4.5 小结 87
第5 章 从任务获取数据：Callable接口与Future 接口 88
5.1 Callable 接口和Future 接口简介 88
5.1.1 Callable 接口 88
5.1.2 Future 接口 89
5.2 第 一个例子：单词匹配算法 89
5.2.1 公共类 90
5.2.2 匹配算法：串行版本 91
5.2.3 匹配算法：第 一个并发版本 92
5.2.4 匹配算法：第二个并发版本 95
5.2.5 单词存在算法：串行版本 96
5.2.6 单词存在算法：并行版本 98
5.2.7 对比解决方案 100
5.3 第二个例子：为文档集创建倒排索引 102
5.3.1 公共类 103
5.3.2 串行版本 104
5.3.3 第 一个并发版本：每个文档一个任务 105
5.3.4 第二个并发版本：每个任务多个文档 109
5.3.5 对比解决方案 112
5.3.6 其他相关方法 113
5.4 小结 113
第6 章 运行分为多阶段的任务：Phaser 类 115
6.1 Phaser 类简介 115
6.1.1 参与者的注册与注销 116
6.1.2 同步阶段变更 116
6.1.3 其他功能 116
6.2 第 一个例子：关键字抽取算法 117
6.2.1 公共类 118
6.2.2 串行版本 121
6.2.3 并发版本 123
6.2.4 对比两种解决方案 128
6.3 第二个例子：遗传算法 129
6.3.1 公共类 130
6.3.2 串行版本 132
6.3.3 并发版本 134
6.3.4 对比两种解决方案 139
6.4 小结 141
第7 章 优化分治解决方案：
Fork/Join 框架 142
7.1 Fork/Join 框架简介 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 框架的组件 144
7.2 第 一个例子：k-means 聚类算法 144
7.2.1 公共类 145
7.2.2 串行版本 149
7.2.3 并发版本 151
7.2.4 对比解决方案 155
7.3 第二个例子：数据筛选算法 157
7.3.1 公共特性 157
7.3.2 串行版 157
7.3.3 并发版本 159
7.3.4 对比两个版本 165
7.4 第三个例子：归并排序算法 166
7.4.1 共享类 166
7.4.2 串行版本 167
7.4.3 并发版本 169
7.4.4 对比两个版本 172
7.5 Fork/Join 框架的其他方法 172
7.6 小结 173
第8 章 使用并行流处理大规模数据集：MapReduce 模型 174
8.1 流的简介 174
8.1.1 流的基本特征 174
8.1.2 流的组成部分 175
8.1.3 MapReduce 与MapCollect 177
8.2 第 一个例子：数值综合分析应用程序 178
8.2.1 并发版本 178
8.2.2 串行版本 185
8.2.3 对比两个版本 186
8.3 第二个例子：信息检索工具 186
8.3.1 约简操作简介 187
8.3.2 第 一种方式：全文档查询 188
8.3.3 第二种方式：约简的文档查询 191
8.3.4 第三种方式：生成一个含有结果的HTML 文件 191
8.3.5 第四种方式：预先载入倒排索引 194
8.3.6 第五种方式：使用我们的执行器 195
8.3.7 从倒排索引获取数据：ConcurrentData 类 196
8.3.8 获取文件中的单词数 196
8.3.9 获取文件的平均tfxidf 值 196
8.3.10 获取索引中的tfxidf值和小tfxidf 值 197
8.3.11 ConcurrentMain 类 198
8.3.12 串行版 199
8.3.13 对比两种解决方案 199
8.4 小结 202
第9 章 使用并行流处理大规模数据集：MapCollect 模型 203
9.1 使用流收集数据 203
9.2 第 一个例子：无索引条件下的数据搜索 205
9.2.1 基本类 205
9.2.2 第 一种方式：基本搜索 207
9.2.3 第二种方式：高级搜索 209
9.2.4 本例的串行实现 211
9.2.5 对比实现方案 211
9.3 第二个例子：推荐系统 212
9.3.1 公共类 212
9.3.2 推荐系统：主类 213
9.3.3 ConcurrentLoaderAccumulator 类 215
9.3.4 串行版 216
9.3.5 对比两个版本 216
9.4 第三个例子：社交网络中的共同联系人 217
9.4.1 基本类 218
9.4.2 并发版本 219
9.4.3 串行版本 223
9.4.4 对比两个版本 223
9.5 小结 224
第 10 章 异步流处理：反应流 225
10.1 Java 反应流简介 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 类 226
10.2 第 一个例子：面向事件通知的集中式系统 227
10.2.1 Event 类 227
10.2.2 Producer 类 227
10.2.3 Consumer 类 228
10.2.4 Main 类 230
10.3 第二个例子：新闻系统 231
10.3.1 News 类 232
10.3.2 发布者相关的类 232
10.3.3 Consumer 类 235
10.3.4 Main 类 236
10.4 小结 238
第 11 章 探究并发数据结构和同步工具 240
11.1 并发数据结构 240
11.1.1 阻塞型数据结构和非阻塞型数据结构 241
11.1.2 并发数据结构 241
11.1.3 使用新特性 244
11.1.4 原子变量 251
11.1.5 变量句柄 252
11.2 同步机制 254
11.2.1 CommonTask 类 255
11.2.2 Lock 接口 255
11.2.3 Semaphore 类 256
11.2.4 CountDownLatch 类 258
11.2.5 CyclicBarrier 类 259
11.2.6 CompletableFuture 类 261
11.3 小结 268
第 12 章 测试与监视并发应用程序 269
12.1 监视并发对象 269
12.1.1 监视线程 269
12.1.2 监视锁 270
12.1.3 监视执行器 272
12.1.4 监视Fork/Join 框架 273
12.1.5 监视Phaser 274
12.1.6 监视流API 275
12.2 监视并发应用程序 276
12.2.1 Overview 选项卡 278
12.2.2 Memory 选项卡 279
12.2.3 Threads 选项卡 280
12.2.4 Classes 选项卡 280
12.2.5 VM Summary 选项卡 281
12.2.6 MBeans 选项卡 283
12.2.7 About 选项卡 284
12.3 测试并发应用程序 284
12.3.1 使用MultithreadedTC 测试并发应用程序 285
12.3.2 使用Java Pathfinder 测试并发应用程序 288
12.4 小结 293
第 13 章 JVM 中的并发处理：Clojure、带有GPars 库的Groovy 以及Scala 294
13.1 Clojure 的并发处理 294
13.1.1 使用Java 元素 295
13.1.2 引用类型 295
13.1.3 Ref 对象 298
13.1.4 Delay 299
13.1.5 Future 300
13.1.6 Promise 301
13.2 Groovy 及其GPars 库的并发处理 302
13.3 软件事务性内存 302
13.3.1 使用Java 元素 302
13.3.2 数据并行处理 303
13.3.3 Fork/Join 处理 307
13.3.4 Actor 308
13.3.5 Agent 315
13.3.6 Dataf low 316
13.4 Scala 的并发处理 322
13.4.1 Scala 中的Future 对象 322
13.4.2 Promise 328
13.5 小结 329
^ 收 起
哈维尔·费尔南德斯·冈萨雷斯（Javier Fernández González）：软件架构师，拥有十余年Java研发经验，对J2EE、Struts框架和使用Java开发大规模数据处理的应用程序颇有心得，为保险、医疗、交通等领域客户开发了许多J2EE Web应用程序。
Java 提供了一套非常强大的并发API，可以轻松实现任何类型的并发应用程序。本书讲述Java 并发API *重要的元素，包括执行器框架、Phaser 类、Fork/Join 框架、流API、并发数据结构、同步机制，并展示如何在实际开发中使用它们。此外，本书还介绍了设计并发应用程序的方法论、设计模式、实现良好并发应用程序的提示和技巧、测试并发应用程序的工具和方法，以及如何使用面向Java 虚拟机的其他编程语言实现并发应用程序。
比价列表
