新闻详情

新闻详情

首页 / 资讯中心 / 详情

轻量级锁失败后,到底会不会自旋?——一次被八股文带偏的复盘

发布时间:2026/11/17 15:17:55来源:尧图网络
轻量级锁失败后,到底会不会自旋?——一次被八股文带偏的复盘
轻量级锁失败后到底会不会自旋——一次被八股文带偏的复盘起因前几天复习 Java 锁升级看到一个问题轻量级锁获取失败后会发生什么我脑子里立刻蹦出那句经典的八股文答案“轻量级锁会先自旋尝试获取锁自旋失败后再升级为重量级锁。”看起来没毛病网上到处都是这个说法。但当我真正去翻 HotSpot 源码时发现事情并不是这样。源码里到底发生了什么以 JDK 8 的 HotSpot 为例轻量级锁的获取逻辑在fast_lock里核心步骤非常干脆CAS 尝试把对象头的 Mark Word 替换成指向当前线程栈中 Lock Record 的指针。成功拿到锁继续执行。失败直接调用ObjectSynchronizer::inflate膨胀成重量级锁。翻遍这条路径没有任何自旋逻辑。CAS 一旦失败就意味着“存在真实竞争”JVM 不再做无谓的尝试直接升级。也就是说轻量级锁 CAS 失败 → 直接膨胀为重量级锁中间没有自旋。那“自旋”到底在哪自旋确实存在但它属于重量级锁内部的优化不是轻量级锁的步骤。当锁已经膨胀成重量级锁ObjectMonitor后线程尝试获取 monitor 时如果发现锁被占用ObjectMonitor 的入口逻辑会先让线程短暂自旋TrySpin_VaryDuration自适应自旋希望能抢到刚刚被释放的锁避免直接park进入内核态阻塞。自旋一段时间仍失败才真正阻塞。所以正确的划分是阶段行为轻量级锁 CAS 失败直接膨胀为重量级锁不自旋重量级锁获取失败先自旋失败再阻塞八股文把这两件事揉在了一起说成“轻量级锁自旋失败再升级”顺序和归属都错了。为什么会流传这个错误说法我复盘了一下大概有几个原因“自旋锁”这个概念太深入人心。JDK 1.6 之前自旋锁是一个独立的优化-XX:UseSpinning很多人一提锁竞争就想到自旋于是想当然地安到了轻量级锁头上。描述上的偷懒。从线程视角看“我抢锁失败了等了一会儿然后被阻塞”——这个“等了一会儿”很容易被笼统地说成自旋而不去区分它发生在哪个阶段。面试八股文的自我复制。一个说法被写进博客、被面试题收录、被更多人背诵就慢慢变成了“标准答案”很少有人回去核对源码。一个补充新版本 JDK 的变化值得一提的是在较新的 JDK如 JDK 21 及以后中轻量级锁的实现有所调整。在LM_LIGHTWEIGHT模式下CAS 遇到竞争时可能会先短暂自旋一下目的是避免过早膨胀。但这是新架构下的性能微调不能拿来解释经典实现JDK 8 等的行为。所以如果你看的是 JDK 8 的源码结论就是失败即膨胀不自旋。教训这件事给我最大的提醒是八股文和源码事实之间经常有偏差。八股文适合快速回忆框架但一旦涉及“具体在哪一步、发生了什么”就必须回到源码。尤其是并发这种细节极多的领域一句笼统的“先自旋再升级”可能就把两个不同阶段的机制混为一谈。下次再看到类似的说法我的第一反应应该是这个行为发生在哪个阶段属于哪把锁的机制源码里真的有这一步吗而不是直接背下来。总结轻量级锁 CAS 失败 →直接膨胀为重量级锁不自旋。自旋发生在重量级锁的获取入口是 ObjectMonitor 的优化。八股文“轻量级锁自旋失败再升级”的说法混淆了阶段和归属。新版本 JDK 有调整但经典实现JDK 8就是“失败即膨胀”。本文是一次自我纠错的记录。如果你也在复习锁升级希望它能帮你少走一点弯路。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉