📋 概述

一句话：并发编程是为了解决"单线程处理不过来"的问题——让程序能同时做多件事，提升性能和响应速度。

从一个真实场景说起

想象一下：你开了一家网店，平时一天卖 100 单，用一个客服处理订单，绰绰有余。

突然双十一来了，同时涌入1000 个订单。如果你还坚持"一个客服处理完一个再处理下一个"，会发生什么？

• 第一个用户等了 10 分钟才拿到确认
• 第十个用户等了 100 分钟，直接退款走人
• 第一百个用户等到页面超时，再也不来了

问题的本质：单线程（单客服）的处理能力是有限的，当请求量超过处理速度时，系统就会崩溃。

解决方案：多雇几个客服（多线程），同时处理多个订单。这就是并发编程的动机。

💡 生活类比：厨房做饭

单线程：一个人做饭

想象你一个人在厨房做饭，流程是这样的：

总耗时：5 + 3 + 5 + 1 =14 分钟。在这 14 分钟里，你一直在忙，但效率很低——洗菜时灶台是空的，切菜时水龙头是空的。

多线程：厨房多人协作

现在雇了三个人：你负责切菜，小王负责洗菜，小李负责炒菜。三个人分工合作：

总耗时：可能5 分钟就能上好几道菜。因为三个人同时在做不同的事。

但是，多人协作也会出问题

假设你和小王都想用同一个锅：

• 你正在炒菜，小王也想炒菜
• 两个人抢一个锅，结果菜洒了，锅也坏了

这就是并发编程中的资源争抢问题。解决方法是什么？加锁——"这个锅我在用，你等一下"。这就是后续章节要讲的synchronized和Lock。

🔍 单线程的 3 大瓶颈

在现代计算机中，单线程程序有三个致命问题：

代码演示：单线程的低效

public class SingleThreadDemo { public static void main(String[] args) { long start = System.currentTimeMillis(); // 模拟 3 个耗时任务（每个 1 秒） task("任务1", 1000); task("任务2", 1000); task("任务3", 1000); long end = System.currentTimeMillis(); System.out.println("总耗时: " + (end - start) + "ms"); } static void task(String name, long sleepTime) { try { System.out.println("开始执行: " + name); Thread.sleep(sleepTime); // 模拟 I/O 等待 System.out.println("完成: " + name); } catch (InterruptedException e) { e.printStackTrace(); } } }

预期输出：

开始执行: 任务1 完成: 任务1 开始执行: 任务2 完成: 任务2 开始执行: 任务3 完成: 任务3 总耗时: 3000ms

问题：3 个任务串行执行，总耗时 = 任务1 + 任务2 + 任务3 =3 秒。在等待任务1完成时，CPU 是空闲的，但没人用它。

🔍 并发解决了什么问题

并发编程通过"同时处理多个任务"来解决单线程的瓶颈：

代码演示：多线程并行处理

public class MultiThreadDemo { public static void main(String[] args) { long start = System.currentTimeMillis(); // 创建 3 个线程同时执行 Thread t1 = new Thread(() -> task("任务1", 1000)); Thread t2 = new Thread(() -> task("任务2", 1000)); Thread t3 = new Thread(() -> task("任务3", 1000)); t1.start(); t2.start(); t3.start(); try { t1.join(); // 等待 t1 完成 t2.join(); // 等待 t2 完成 t3.join(); // 等待 t3 完成 } catch (InterruptedException e) { e.printStackTrace(); } long end = System.currentTimeMillis(); System.out.println("总耗时: " + (end - start) + "ms"); } static void task(String name, long sleepTime) { try { System.out.println("开始执行: " + name); Thread.sleep(sleepTime); System.out.println("完成: " + name); } catch (InterruptedException e) { e.printStackTrace(); } } }

预期输出：

开始执行: 任务1 开始执行: 任务2 开始执行: 任务3 完成: 任务1 完成: 任务2 完成: 任务3 总耗时: 1000ms

对比：多线程总耗时1 秒，是单线程的1/3。因为 3 个任务同时执行。

🔍 并发的演进

Java 并发编程经历了 20 多年的演进：

💻 可跑代码：3 个完整示例

示例 1：单线程处理（慢）

public class SlowServer { public static void main(String[] args) { System.out.println("=== 单线程处理 3 个请求 ==="); long start = System.currentTimeMillis(); // 模拟处理 3 个请求 handleRequest("用户A查询订单"); handleRequest("用户B提交支付"); handleRequest("用户C下载发票"); long end = System.currentTimeMillis(); System.out.println("总耗时: " + (end - start) + "ms"); System.out.println("用户平均等待: " + (end - start) / 3 + "ms"); } static void handleRequest(String request) { try { System.out.println("处理: " + request); Thread.sleep(1000); // 模拟网络 I/O System.out.println("完成: " + request); } catch (InterruptedException e) { e.printStackTrace(); } } }

预期输出：

=== 单线程处理 3 个请求 === 处理: 用户A查询订单 完成: 用户A查询订单 处理: 用户B提交支付 完成: 用户B提交支付 处理: 用户C下载发票 完成: 用户C下载发票 总耗时: 3000ms 用户平均等待: 1000ms

示例 2：多线程并行处理（快）

public class FastServer { public static void main(String[] args) { System.out.println("=== 多线程处理 3 个请求 ==="); long start = System.currentTimeMillis(); // 创建 3 个线程并行处理 Thread t1 = new Thread(() -> handleRequest("用户A查询订单")); Thread t2 = new Thread(() -> handleRequest("用户B提交支付")); Thread t3 = new Thread(() -> handleRequest("用户C下载发票")); t1.start(); t2.start(); t3.start(); // 等待所有线程完成 try { t1.join(); t2.join(); t3.join(); } catch (InterruptedException e) { e.printStackTrace(); } long end = System.currentTimeMillis(); System.out.println("总耗时: " + (end - start) + "ms"); System.out.println("用户平均等待: " + (end - start) / 3 + "ms"); } static void handleRequest(String request) { try { System.out.println("处理: " + request); Thread.sleep(1000); System.out.println("完成: " + request); } catch (InterruptedException e) { e.printStackTrace(); } } }

预期输出：

=== 多线程处理 3 个请求 === 处理: 用户A查询订单 处理: 用户B提交支付 处理: 用户C下载发票 完成: 用户A查询订单 完成: 用户B提交支付 完成: 用户C下载发票 总耗时: 1000ms 用户平均等待: 333ms

示例 3：线程不安全的反例（引出后续模块）

public class UnsafeCounter { private static int count = 0; public static void main(String[] args) throws InterruptedException { System.out.println("=== 线程不安全示例 ==="); // 两个线程各加 10000 次 Thread t1 = new Thread(() -> { for (int i = 0; i < 10000; i++) { count++; // 这行不是原子操作！ } }); Thread t2 = new Thread(() -> { for (int i = 0; i < 10000; i++) { count++; // 这行不是原子操作！ } }); t1.start(); t2.start(); t1.join(); t2.join(); System.out.println("期望值: 20000"); System.out.println("实际值: " + count); System.out.println("差值: " + (20000 - count)); // 为什么不是 20000？ // 因为 count++ 不是原子操作，多线程下会丢失更新 // 后续章节会详细讲解 CAS 和 synchronized } }

预期输出（每次运行可能不同）：

=== 线程不安全示例=== 期望值: 20000 实际值: 15234 差值: 4766

问题分析：count++看起来是一行代码，但实际上分三步：

1. 读取 count 的值
2. 加 1
3. 写回 count

当两个线程同时执行时，可能读到相同的值，导致加 1 后覆盖对方的结果。这就是竞态条件。

⚠️ 并发的代价（预告）

多人协作虽然快，但也会出问题：

怎么解决？后面的篇目会一一拆解：

• 锁机制（synchronized、ReentrantLock）
• 原子类（AtomicInteger、CAS）
• volatile 关键字
• 并发集合（ConcurrentHashMap）
• 线程池和同步器

// 竞态条件示例：两个人同时改同一个文档 public class RaceConditionExample { private static int balance = 100; public static void main(String[] args) throws InterruptedException { // 模拟两个线程同时扣款 Thread t1 = new Thread(() -> { int temp = balance; try { Thread.sleep(10); } catch (Exception e) {} balance = temp - 50; System.out.println("用户A扣款后余额: " + balance); }); Thread t2 = new Thread(() -> { int temp = balance; try { Thread.sleep(10); } catch (Exception e) {} balance = temp - 50; System.out.println("用户B扣款后余额: " + balance); }); t1.start(); t2.start(); t1.join(); t2.join(); System.out.println("最终余额: " + balance); System.out.println("期望余额: 0, 实际: " + balance + " (应该为0)"); } }

🎯 学习路径

作为专栏入口，这里告诉你接下来的模块怎么走：

💡 面试要点

1. 为什么用多线程？

   • 提升性能：多核 CPU 并行计算
   • 提升响应：I/O 等待时 CPU 做其他事
   • 提升吞吐：同时处理更多请求

2. 并发 vs 并行区别？

   • 并发：多个任务交替执行（单核也能做到）
   • 并行：多个任务同时执行（需要多核）

3. 并发的代价？

   • 竞态条件：数据不一致
   • 死锁：线程互相等待
   • 可见性：修改不可见
   • 复杂度：代码更难写、更难测

4. 单线程 vs 多线程性能对比？

   • CPU 密集型：多线程 ≈ 单线程（甚至更慢，因为线程切换开销）
   • I/O 密集型：多线程 >> 单线程（等待时做其他事）

5. 如何避免线程安全问题？

   • 加锁：synchronized、ReentrantLock
   • 原子类：AtomicInteger、CAS
   • volatile：保证可见性
   • 并发集合：ConcurrentHashMap

📝 总结

一句话总结：并发编程是为了解决"慢"的问题，但引入了"乱"的问题——后面的章节会教你如何"又快又稳"。