新闻详情

新闻详情

首页 / 资讯中心 / 详情

HashMap为什么线程不安全?

发布时间:2026/11/16 2:58:19来源:尧图网络
HashMap为什么线程不安全?
一、JDK 1.7 及之前扩容死循环在 JDK 1.7 中HashMap使用头插法进行扩容resize()。当多个线程同时触发扩容时链表可能会形成环形结构导致后续的get()操作陷入死循环从而使 CPU 使用率居高不下。核心原因多线程并发 put 时同时触发了 resize 操作头插法导致链表顺序反转多个线程互相覆盖引用最终形成环。二、JDK 1.8数据丢失JDK 1.8 将扩容方法改为尾插法修复了死循环问题但线程不安全的问题依然存在主要表现为数据丢失。多线程同时执行put()时典型的丢失场景有两种1. put 覆盖丢失假设两个线程 A 和 B 同时向同一个槽位 put 元素且两者都通过哈希计算定位到了同一个链表位置线程 A 判断该位置为 null准备插入此时线程 B 也判断该位置为 null并抢先完成了插入赋值线程 A 接着也将自己的值赋值到该位置覆盖了线程 B 刚刚插入的数据2. 计数器覆盖丢失典型的多线程累加场景中Integer counter map.get(word); int newValue counter null ? 1 : counter 1; map.put(word, newValue);两个线程同时读取到相同的旧值分别 1 后写回后写的覆盖了先写的导致计数少加了一次。三、快速失败机制fail-fastHashMap的迭代器采用的是fail-fast机制。当多个线程同时对同一个HashMap进行操作时——比如一个线程在遍历另一个线程在修改结构——会立即抛出ConcurrentModificationException异常。这是因为迭代器内部维护了一个modCount计数器每次结构修改都会递增遍历时发现modCount被其他线程修改就会立即报错防止继续遍历可能导致的不确定行为。总结版本线程不安全表现主要原因JDK 1.7死循环CPU 100%扩容头插法导致链表成环JDK 1.8数据丢失、计数不准确put 操作非原子覆盖写所有版本ConcurrentModificationExceptionfail-fast 迭代器机制解决方案在多线程环境下推荐使用ConcurrentHashMap来替代 HashMap它通过 CAS synchronized 的方式保证了线程安全同时具备良好的并发性能。
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 2026/11/15 4:54:16

【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 2026/11/15 2:04:12

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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/14 16:35:50

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 2026/11/15 4:06:36

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
📞 ✉