关键词：
由于并行程序与串行程序的不同特点，适用于串行程序的一些数据结构可能无法直接在并发环境下正常工作，这是因为这些数据结构不是线程安全的。本节将着重介绍一些可以用于多线程环境的数据结构，如并发List、并发Set、并发Map等。
1.并发List
Vector 或者 CopyOnWriteArrayList 是两个线程安全的List实现，ArrayList 不是线程安全的。因此，应该尽量避免在多线程环境中使用ArrayList。如果因为某些原因必须使用的，则需要使用Collections.synchronizedList(List list)进行包装。
示例代码：
List list = Collections.synchronizedList(new ArrayList());
...
synchronized (list) {
Iterator i = list.iterator(); // 必须在同步块中
while (i.hasNext())
foo(i.next());
}CopyOnWriteArrayList 的内部实现与Vector又有所不同。顾名思义，Copy-On-Write 就是 CopyOnWriteArrayList 的实现机制。即当对象进行写操作时，复制该对象；若进行的读操作，则直接返回结果，操作过程中不需要进行同步。
CopyOnWriteArrayList 很好地利用了对象的不变性，在没有对对象进行写操作前，由于对象未发生改变，因此不需要加锁。而在试图改变对象时，总是先获取对象的一个副本，然后对副本进行修改，最后将副本写回。
这种实现方式的核心思想是减少锁竞争，从而提高在高并发时的读取性能，但是它却在一定程度上牺牲了写的性能。
在 get() 操作上，Vector 使用了同步关键字，所有的 get() 操作都必须先取得对象锁才能进行。在高并发的情况下，大量的锁竞争会拖累系统性能。反观CopyOnWriteArrayList 的get() 实现，并没有任何的锁操作。
在 add() 操作上，CopyOnWriteArrayList 的写操作性能不如Vector，原因也在于Copy-On-Write。
在读多写少的高并发环境中，使用 CopyOnWriteArrayList 可以提高系统的性能，但是，在写多读少的场合，CopyOnWriteArrayList 的性能可能不如 Vector。
2.并发Set
和List相似，并发Set也有一个 CopyOnWriteArraySet ，它实现了 Set 接口，并且是线程安全的。它的内部实现完全依赖于 CopyOnWriteArrayList ，因此，它的特性和 CopyOnWriteArrayList 完全一致，适用于 读多写少的高并发场合，在需要并发写的场合，则可以使用 Set s = Collections.synchronizedSet(Set<T> s)得到一个线程安全的Set。
示例代码：
Set s = Collections.synchronizedSet(new HashSet());
...
synchronized (s) {
Iterator i = s.iterator(); // 必须在同步块中
while (i.hasNext())
foo(i.next());
}3.并发Map
在多线程环境下使用Map，一般也可以使用 Collections.synchronizedMap()方法得到一个线程安全的 Map（详见示例代码1）。但是在高并发的情况下，这个Map的性能表现不是最优的。由于 Map 是使用相当频繁的一个数据结构，因此 JDK 中便提供了一个专用于高并发的 Map 实现 ConcurrentHashMap。
Collections的示例代码1：
Map m = Collections.synchronizedMap(new HashMap());
...
Set s = m.keySet(); // 不需要同步块
...
synchronized (m) { // 同步在m上，而不是s上!!
Iterator i = s.iterator(); // 必须在同步块中
while (i.hasNext())
foo(i.next());
}1.为什么不能在高并发下使用HashMap？
因为多线程环境下，使用Hashmap进行put操作会引起死循环，导致CPU利用率接近100%，所以在并发情况下不能使用HashMap。
2.为什么不使用线程安全的HashTable？
HashTable容器使用synchronized来保证线程安全，但在线程竞争激烈的情况下HashTable的效率非常低下。因为当一个线程访问HashTable的同步方法时，其他线程访问HashTable的同步方法时，可能会进入阻塞或轮询状态。如线程1使用put进行添加元素，线程2不但不能使用put方法添加元素，并且也不能使用get方法来获取元素，所以竞争越激烈效率越低。
3.ConcurrentHashMap的优势
ConcurrentHashMap的内部实现进行了锁分离（或锁分段），所以它的锁粒度小于同步的 HashMap；同时，ConcurrentHashMap的 get() 操作也是无锁的。
锁分离：首先将数据分成一段一段的存储，然后给每一段数据配一把锁，当一个线程占用锁访问其中一个段数据的时候，其他段的数据也能被其他线程访问。有些方法需要跨段，比如size()和containsValue()，它们可能需要锁定整个表而而不仅仅是某个段，这需要按顺序锁定所有段，操作完毕后，又按顺序释放所有段的锁。
上述文字部分参考自文章：Java集合---ConcurrentHashMap原理分析
4.并发Queue
在并发队列上，JDK提供了两套实现，一个是以 ConcurrentLinkedQueue 为代表的高性能队列，一个是以 BlockingQueue 接口为代表的阻塞队列。不论哪种实现，都继承自 Queue 接口。
ConcurrentLinkedQueue 是一个适用于高并发场景下的队列。它通过无锁的方式，实现了高并发状态下的高性能。通常，ConcurrentLinkedQueue 的性能要好于 BlockingQueue 。
与 ConcurrentLinkedQueue 的使用场景不同，BlockingQueue 的主要功能并不是在于提升高并发时的队列性能，而在于简化多线程间的数据共享。
BlockingQueue 典型的使用场景是生产者-消费者模式，生产者总是将产品放入 BlockingQueue 队列，而消费者从队列中取出产品消费，从而实现数据共享。
BlockingQueue 提供一种读写阻塞等待的机制，即如果消费者速度较快，则 BlockingQueue 则可能被清空，此时消费线程再试图从 BlockingQueue 读取数据时就会被阻塞。反之，如果生产线程较快，则 BlockingQueue 可能会被装满，此时，生产线程再试图向 BlockingQueue 队列装入数据时，便会被阻塞等待，其工作模式如图所示。
5.并发Deque
在JDK1.6中，还提供了一种双端队列（Double-Ended Queue），简称Deque。Deque允许在队列的头部或尾部进行出队和入队操作。与Queue相比，具有更加复杂的功能。
Deque 接口的实现类：LinkedList、ArrayDeque和LinkedBlockingDeque。
它们都实现了双端队列Deque接口。其中LinkedList使用链表实现了双端队列，ArrayDeque使用数组实现双端队列。通常情况下，由于ArrayDeque基于数组实现，拥有高效的随机访问性能，因此ArrayDeque具有更好的遍性能。但是当队列的大小发生变化较大时，ArrayDeque需要重新分配内存，并进行数组复制，在这种环境下，基于链表的 LinkedList 没有内存调整和数组复制的负担，性能表现会比较好。但无论是LinkedList或是ArrayDeque，它们都不是线程安全的。
LinkedBlockingDeque 是一个线程安全的双端队列实现。可以说，它已经是最为复杂的一个队列实现。在内部实现中，LinkedBlockingDeque 使用链表结构。每一个队列节点都维护了一个前驱节点和一个后驱节点。LinkedBlockingDeque 没有进行读写锁的分离，因此同一时间只能有一个线程对其进行操作。因此，在高并发应用中，它的性能表现要远远低于 LinkedBlockingQueue，更要低于 ConcurrentLinkedQueue 。
参考
《Java程序性能优化》葛一鸣著
java里，如何保证高并发下的数据安全
参考技术Ajdk环境变量配置进行java开发，首先要安装jdk，安装了jdk后还要进行环境变量配置：1、下载jdk（http://www.oracle.com/technetwork/java/javase/downloads/index.html），我下载的版本是：jdk-7u13-windows-i586.exe2、安装jdk-7u13-windows-i586.exe3、... 查看详情
java中如何一次请求生成一个日志文件高并发下可用
参考技术Ajava是编程语言里比较难学的一门，如果有心从事编程方向的工作，最好到专业机构学习并有更多的项目实践，更贴近市场，这样更有利于将来的发展。 参考技术B日志框架，或写一个切面aop 查看详情
高并发下的系统设计（偏数据库设计）
高并发完毕数据库设计是要结合不同的应用场景的，本文主要涉及到一下问题：1、对数据库表的字段訪问比較均衡，业务导向明显（网上商城，多条业务线）；2、对数据库表的字段訪问比較均衡，业务导向不明显（对单一应用... 查看详情
redis实现高并发下的抢购/秒杀功能
...lhttps://www.cnblogs.com/TankXiao/p/4045439.html之前写过一篇文章，高并发的解决思路(点此进入查看),今天再次抽空整理下实际场景中的具体代码逻辑实现吧：抢购/秒杀 查看详情
高并发下缓存失效问题及解决方案
缓存穿透介绍：当查询一个不存在的数据，此时缓存是不命中的，就会去查询db，这将导致每次查询这个不存在的数据都要去访问db，缓存就没有意义了。如果不怀好意的人利用不存在的数据进行攻击，可能导致数据库崩溃解决... 查看详情
高并发下如何避免产生重复数据？(代码片段)
前言最近测试给我提了一个bug，说我之前提供的一个批量复制商品的接口，产生了重复的商品数据。追查原因之后发现，这个事情没想象中简单，可以说一波多折。1.需求产品有个需求：用户选择一些品牌... 查看详情
高并发下如何避免产生重复数据？(代码片段)
前言最近测试给我提了一个bug，说我之前提供的一个批量复制商品的接口，产生了重复的商品数据。追查原因之后发现，这个事情没想象中简单，可以说一波多折。1.需求产品有个需求：用户选择一些品牌... 查看详情
高并发下的web异步处理方案(代码片段)
高并发下的web异步处理方案一、问题介绍平时web开发时（使用的servlet或者基于servlet封装的SpringMVC框架），业务处理基本都是同步处理，即业务处理与web容器接收线程为同一线程，每一次Http请求都由一个线... 查看详情
数据存储redis第四章：高并发下实现分布式锁(代码片段)
直接上代码：大部分互联网公司实现分布式锁原理/***分布式锁底层实现原理*@return*/@GetMapping("distributedLock")publicObjectdistributedLock()StringlockKey="distributedLockKey";//给每个线程都设置一个唯一标识，避免出现程序执行的时间超过设置的... 查看详情
数据存储redis第四章：高并发下实现分布式锁(代码片段)
直接上代码：大部分互联网公司实现分布式锁原理/***分布式锁底层实现原理*@return*/@GetMapping("distributedLock")publicObjectdistributedLock()StringlockKey="distributedLockKey";//给每个线程都设置一个唯一标识，避免出现程序执行的时间超过设置的... 查看详情
高并发下springcloud hystrix的严重问题？
】高并发下springcloudhystrix的严重问题？【英文标题】：seriousissueofspringcloudhystrixunderhighconcurrency?【发布时间】：2018-04-0523:55:24【问题描述】：第1部分我使用HystrixCommand进行服务，并使用jmeter进行高并发测试。测试结果太差了，看... 查看详情
高并发下的static类成员可能存在安全隐患
有一个网友在高并发下使用下面的日期转换工具类时，遇到的问题publicclassDateUtil{privateDateUtil(){}privatestaticfinalDateFormatDATE_FORMAT=newSimpleDateFormat("yyyy-MM-ddHH:mm:ss");publicstaticDateparse(Stringdate)throwsParseExcept 查看详情
分布式高并发下全局id生成策略
数据在分片时，典型的是分库分表，就有一个全局ID生成的问题。单纯的生成全局ID并不是什么难题，但是生成的ID通常要满足分片的一些要求： 1不能有单点故障。 2以时间为序，或者ID里包含时间。这样一是可... 查看详情
高并发下接口的并发问题
...会员，限制每个帐号只能领取一个有恶意用户刷接口，在高并发下越过限制。原因领取会员流程：1.后端先生成卡卷，将卡号放到消息队列中2.用户扫码请求领取会员接口2-1).先检查用户是否已经领取过该活动会员2-2).领取过return... 查看详情
1.网站高并发下的测试指标及优化泛谈
网站高并发下的测试指标：1.并发量：可以承接多少次请求。2.服务器负载：服务器的cpu/内存消耗。3.平均响应时间：处理一次请求花费的时间。测试高并发时，一般的测试标准是在服务器负载为70%的时候可以处理多少次请求还... 查看详情
高并发下减少锁竞争
1.减少锁的持有时间，将不需要锁的操作从同步代码块的移除。 //可以优化的代码 class AttributeStore{ private final Map<String,String> attributes=new HashMap& 查看详情
分布式事务,高并发下分布式事务的解决方案
我在上一期介绍了spring的事务原理（详情见《深入理解spring事务原理》），Spring事务本质是单机下的事务，是由数据库本身保证的。今天，我将介绍一种比较复杂的事务：分布式事务。1、什么是分布式事务分布式事务就是指事... 查看详情
高并发下如何保证数据库和缓存双写一致性？(代码片段)
...性问题，是一个跟开发语言无关的公共问题。尤其在高并发的场景下，这个问题变得更加严重。我很负责的告诉你，该问题无论在面试，还是工作中遇到的概率非常大，所以非常有必要跟大家一起探讨一下。... 查看详情