首先我們一起回顧一些并發(fā)的場(chǎng)景

首先最基本的，我們要弄清楚什么的并發(fā)嘞？我簡(jiǎn)單粗暴的理解就是：一段代碼，在同一時(shí)間段內(nèi)，被多個(gè)線程同時(shí)處理的情況就是并發(fā)現(xiàn)象。下面簡(jiǎn)單畫了個(gè)圖：

那么只要是并發(fā)現(xiàn)象就需要我們進(jìn)行并發(fā)處理嗎？那肯定不是滴。我們就拿大家都能理解的訂單業(yè)務(wù)來(lái)舉例，比如說(shuō)下面兩種簡(jiǎn)單的場(chǎng)景：

• 對(duì)于C端業(yè)務(wù)來(lái)講，基本上是由一串隨機(jī)的序列號(hào)組成，可以為UUID、數(shù)字串、年月日商戶(加密)+隨機(jī)唯一序列號(hào)等等方式。這樣的目的也是為了保障商戶訂單量的安全，防止他人去進(jìn)行惡意分析。
• 對(duì)于B端業(yè)務(wù)來(lái)講，基本上都是由商戶+年月日+順序遞增序列號(hào)的方式組成。這樣方便客戶方進(jìn)行訂單的匯總以及后期的追溯業(yè)務(wù)。

以上兩種場(chǎng)景的區(qū)別基本上就是隨機(jī)唯一序列號(hào)和順序遞增序列號(hào)的區(qū)別。偽代碼如下：

public void addOrder() {
    // 1.獲取當(dāng)前年月日以及商戶標(biāo)識(shí)
    String currentDate = "yyyyMMddHHmmss";
    String businessman = "商戶標(biāo)識(shí)";
    // 2.獲取獲取序列號(hào)
    long index = getIndex();
    // 3.拼接訂單號(hào)
    String orderNum = businessman + currentDate + index;
    // 4.生成訂單
    save(訂單對(duì)象);
}

那么對(duì)于C端的隨機(jī)唯一序列號(hào)來(lái)講，我認(rèn)為肯定是沒(méi)必要進(jìn)行并發(fā)控制的，只要寫一個(gè)生成隨機(jī)唯一序列號(hào)的算法就好了，這樣生成出來(lái)的訂單號(hào)必然是唯一的。

public String getIndex() {
    // 根據(jù)算法生成唯一序列號(hào)
    return buildIndexUtils.build();
}

但對(duì)于B端的順序遞增序列號(hào)來(lái)講，就需要進(jìn)行并發(fā)控制了。因?yàn)榧热灰ＷC順序遞增，我在生成當(dāng)前序列號(hào)的同時(shí)就必然需要之前上一個(gè)單子的序列號(hào)是什么，因此我就必然需要一個(gè)地方去存儲(chǔ)這個(gè)序列號(hào)。偽代碼如下：

public String getIndex() {
    // 1.獲取當(dāng)前商戶、當(dāng)前單據(jù)已生成的最大序列號(hào)
    Integer index = dao.getIndex(商戶, 單據(jù)) + 1;
    // 2.序列號(hào) + 1
    index = index++;
    // 3.修改當(dāng)前商戶、當(dāng)前單據(jù)已生成的最大序列號(hào)
    dao.update(商戶, 單據(jù), index);
    // 4.返回序列號(hào)
    return index + "";
}

此時(shí)如果事務(wù)為可重復(fù)讀，Thread1開(kāi)啟事務(wù)并獲取并修改序列號(hào)，此時(shí)在Thread1未提交事務(wù)之前Thread2開(kāi)啟事務(wù)并獲取序列號(hào)。此時(shí)兩個(gè)線程獲取到的序列號(hào)必然是一致的，這樣就會(huì)出現(xiàn)訂單號(hào)重復(fù)的問(wèn)題。

如果更換隔離級(jí)別呢？是否能夠解決這個(gè)問(wèn)題？

• 讀已提交？同樣如果在Thread1提交事務(wù)之前Thread2就執(zhí)行完第一步獲取最大序列號(hào)呢？一樣有問(wèn)題。
• 讀未提交？一樣的呀，在兩個(gè)Thread都執(zhí)行完第一步，但沒(méi)有執(zhí)行update的情況。
• 串行化？那就和加同步鎖沒(méi)啥區(qū)別的，而且是阻塞式的。一堆請(qǐng)求占用數(shù)據(jù)庫(kù)連接阻塞在這里，如果出現(xiàn)資源耗盡的情況就比較嚴(yán)重了。
• 不用事務(wù)？這個(gè)如果遇到2中的場(chǎng)景也一樣的。

那么加鎖呢？

• 單機(jī)環(huán)境下我們可以選擇Synchronized或Lock來(lái)進(jìn)行處理。眾所周知，JDK1.6之后就對(duì)Synchronized進(jìn)行了改進(jìn)，不再是單純的阻塞，而是先進(jìn)行自旋處理，在一定程度上也達(dá)到了自旋節(jié)省資源的效果。但是Synchronized或Lock還是要根據(jù)實(shí)際情況來(lái)進(jìn)行處理的。如果我們?yōu)榱耸∈露褂肧ynchronized對(duì)事務(wù)代碼進(jìn)行加鎖的話，首先我們要保證避免長(zhǎng)事務(wù)的出現(xiàn)，否則響應(yīng)超時(shí)了，而事務(wù)還沒(méi)有釋放，那就比較嚴(yán)重了，異常情況堪比鎖表。
• 分布式環(huán)境下我們可以依賴Redis或Zookeeper來(lái)實(shí)現(xiàn)分布式鎖。這里需要注意的是，如果要依賴Redis實(shí)現(xiàn)的話，盡可能保證Redis采用單實(shí)例或分片集群的方式進(jìn)行部署。主從的部署方式在某種極端情況下出現(xiàn)節(jié)點(diǎn)宕機(jī)時(shí)會(huì)導(dǎo)致誤判的情況。畢竟Redis是AP性質(zhì)的。
• 還可以通過(guò)數(shù)據(jù)庫(kù)來(lái)實(shí)現(xiàn)，比如通過(guò)select for update來(lái)實(shí)現(xiàn)行鎖、通過(guò)version字段實(shí)現(xiàn)樂(lè)觀鎖、添加唯一約束的方式。首先select for update實(shí)現(xiàn)行鎖和上面的串行化事務(wù)差別不大，都是數(shù)據(jù)庫(kù)連接的阻塞，不建議使用。而樂(lè)觀鎖和唯一約束的方案更適用于作為一個(gè)保底方案，否則人家并發(fā)請(qǐng)求的時(shí)候只有一個(gè)請(qǐng)求能成功，其他的都失敗。這樣的用戶體驗(yàn)也不好。

最后我們能得出一個(gè)結(jié)論。是否進(jìn)行并發(fā)控制要依據(jù)該并發(fā)操作是否會(huì)造成數(shù)據(jù)安全問(wèn)題來(lái)決定的。好了，下面向大家分享一些在學(xué)習(xí)工作中對(duì)于并發(fā)問(wèn)題的處理思路

由于請(qǐng)求重試導(dǎo)致的并發(fā)安全問(wèn)題

在與第三方系統(tǒng)交互或者微服務(wù)內(nèi)部跨模塊交互時(shí)，我們通常會(huì)采用HTTP或RPC等方式，并設(shè)置最大請(qǐng)求時(shí)間以及重試次數(shù)。因?yàn)槲覀兘^對(duì)不允許因?yàn)橄掠畏?wù)的異常問(wèn)題而拖累當(dāng)前服務(wù)的正常運(yùn)行。而通常情況下，最大請(qǐng)求時(shí)間也是根據(jù)兩個(gè)服務(wù)之間的實(shí)際業(yè)務(wù)以及下游接口進(jìn)行多次測(cè)試而設(shè)定的，一般來(lái)說(shuō)不會(huì)隨便的出現(xiàn)請(qǐng)求超時(shí)的情況。但是一旦下游業(yè)務(wù)的接口因?yàn)槟撤N原因(比如網(wǎng)絡(luò)卡頓或者出現(xiàn)效率問(wèn)題)導(dǎo)致請(qǐng)求超時(shí)的情況，就很有可能因?yàn)樯嫌畏?wù)的重試而導(dǎo)致下游服務(wù)數(shù)據(jù)重復(fù)的問(wèn)題。

這種情況從本質(zhì)上來(lái)說(shuō)也就是個(gè)重復(fù)消費(fèi)的問(wèn)題。我們只需要雙方配合做好冪等就好了。

1.首先，如果涉及到前端，比如說(shuō)點(diǎn)擊前端的按鈕觸發(fā)業(yè)務(wù)并且調(diào)用下游服務(wù)的業(yè)務(wù)。這個(gè)時(shí)候既要考慮前端重復(fù)提交也要考慮后端的重復(fù)發(fā)送以及重復(fù)消費(fèi)問(wèn)題。前端最常用的方式就是做一個(gè)進(jìn)度條或進(jìn)行防抖處理，避免一個(gè)用戶頻繁點(diǎn)擊按鈕。

那么如果是多個(gè)用戶同時(shí)提交同一條數(shù)據(jù)呢？這個(gè)情況主要是在B端業(yè)務(wù)中出現(xiàn)，比如說(shuō)多個(gè)用戶均具有這條數(shù)據(jù)的修改權(quán)限，此時(shí)也并發(fā)點(diǎn)擊按鈕提交了這條數(shù)據(jù)。一般來(lái)說(shuō)，這種情況出現(xiàn)的概率還是極少數(shù)的，也不會(huì)有多少并發(fā)量。因此我們直接采用數(shù)據(jù)庫(kù)的樂(lè)觀鎖進(jìn)行保底控制就好了，只允許一個(gè)人操作成功，其他人操作失敗并提示該數(shù)據(jù)已被修改。

/**
 * @param id     數(shù)據(jù)ID
 * @param status 數(shù)據(jù)的狀態(tài)
 */
public void update(Long id, Integer status) {
    // 1.根據(jù)ID查詢數(shù)據(jù)
    PO po = dao.select(id);
    // 2.判斷數(shù)據(jù)的狀態(tài)是否符合修改要求(這一步主要是應(yīng)對(duì)兩個(gè)線程都進(jìn)入Controller層，其中線程1剛好提交事務(wù)后，線程2開(kāi)始事務(wù)的情況)
    if(!status.equals(po.getStatus())) {
        throw new TJCException("數(shù)據(jù)已被修改，請(qǐng)刷新后重試");
    }
    // 3.修改數(shù)據(jù)(啟用樂(lè)觀鎖機(jī)制，主要應(yīng)對(duì)線程1提交事務(wù)之前線程2開(kāi)啟事務(wù)的情況)
    int i = dao.update("update table set xxx = ?, version = version + 1 where id = ? and version > ?");
    if(i == 0) {
        throw new TJCException("數(shù)據(jù)已被修改，請(qǐng)刷新后重試");
    }
    // 繼續(xù)執(zhí)行下面業(yè)務(wù)
}

2.上游服務(wù)請(qǐng)求下游服務(wù)時(shí)，在請(qǐng)求頭或消息中添加消息唯一ID。下游服務(wù)第一次接收到這個(gè)消息后首先將消息保存在緩存中并根據(jù)測(cè)試結(jié)果設(shè)置合理的有效期(有效期盡可能比正常請(qǐng)求時(shí)間長(zhǎng)個(gè)一兩分鐘就好)。這樣就可以攔截上述所說(shuō)的重試導(dǎo)致的重復(fù)消費(fèi)問(wèn)題。

// 上游服務(wù)發(fā)送消息
public void request() {
    String messageId = "xxxx";
    rpc.request(messageId, message);
}

// 下游服務(wù)消費(fèi)消息
public void consume(String messageId, String message) {
    // 將messageId存儲(chǔ)在redis中, 單機(jī)環(huán)境也可以直接找個(gè)map去存或者存在Guava中
    Boolean flag = stringRedisTemplate.opsForValue()
                .setIfAbsent(messageId, "1", 60, TimeUnit.SECONDS);
    if(!flag) {
       log.error("重復(fù)消息攔截");
       return;
    }
    // 繼續(xù)執(zhí)行下面業(yè)務(wù)
     .....
    // 事務(wù)完成后(提交/回滾)，刪除標(biāo)識(shí)
    TransactionSynchronizationManager.registerSynchronization(new TransactionSynchronizationAdapter() {
        @Override
        public void afterCompletion(int status) {
            stringRedisTemplate.delete(messageId);
        }
    });
}

在這里是否有小伙伴會(huì)有這樣的一個(gè)疑問(wèn)，如果重復(fù)發(fā)送的消息中messageId不一致或者上游服務(wù)接口本身就被調(diào)用了多次怎么辦？

（1）首先，我覺(jué)得在上游服務(wù)接口本身就被調(diào)用了多次的情況下，第一點(diǎn)中的第2步驟(判斷數(shù)據(jù)狀態(tài))這種方式就可以把它攔截掉。

（2）其次，如果出現(xiàn)重復(fù)發(fā)送的消息中messageId不一致的情況，我認(rèn)為這就屬于程序員問(wèn)題了，可以不放在這里進(jìn)行考慮。如果硬要考慮的話，貌似也沒(méi)什么更好的辦法，那就加鎖吧。

順序遞增訂單號(hào)問(wèn)題

在開(kāi)頭我們通過(guò)引用這個(gè)生成訂單號(hào)的例子分析了一些什么情況下需要進(jìn)行并發(fā)處理問(wèn)題，并且上面是采用加鎖方式處理的。那么是否還有其他的方式比加鎖更好一些呢？比較加鎖影響吞吐量呀，哈哈。非必要情況下，我是不會(huì)進(jìn)行加鎖處理的，除非在定制開(kāi)發(fā)的過(guò)程中，用戶的要求是能用就行，那就可以偷懶了哈哈，節(jié)省時(shí)間去摸魚(yú)?。。?！

下面給大家分享一些我常用的一種方式：Redis+Lua。我們都知道操作內(nèi)存肯定是比操作數(shù)據(jù)庫(kù)要更快一些的，那么我們可以干脆將各個(gè)單據(jù)的序列號(hào)添加到Redis中。并且訂單號(hào)是根據(jù)年月日來(lái)進(jìn)行重置的，所以我們可以將序列號(hào)的過(guò)期時(shí)間設(shè)置為24小時(shí)。

偽代碼如下：

// 序列號(hào)的key可以設(shè)置為(模塊名:orderIndex:訂單類型:yyyyMMdd)
String dateFormat = getCurrentDateFormat("yyyyMMdd");
// key
String key = 模塊名 + ":" + orderIndex + ":" + 訂單類型 + ":" + dateFormat;
String script = "if (redis.call('exists', KEYS[1]) == 0) then redis.call('setex', KEYS[1], ARGV[1], ARGV[2]) return 1 else return redis.call('incr', KEYS[1]) end";
DefaultRedisScript<Long> defaultRedisScript = new DefaultRedisScript<>();
defaultRedisScript.setResultType(Long.class);
defaultRedisScript.setScriptText(script);
long count = stringRedisTemplate.execute(defaultRedisScript, Arrays.asList(key), (3600 * 24) + "", "1");

我們都清楚，Redis多指令執(zhí)行是沒(méi)辦法保證原子性的。所以我們要借助Lua腳本將多個(gè)Redis執(zhí)行以腳本的方式執(zhí)行來(lái)保證多指令執(zhí)行的原子性，再配合Redis基于內(nèi)存以及單線程執(zhí)行指令的優(yōu)勢(shì)，可以代替鎖來(lái)賦予功能更大的吞吐量。

計(jì)數(shù)統(tǒng)計(jì)問(wèn)題

在工作中我還做過(guò)這樣一個(gè)需求。首先通過(guò)消息隊(duì)列接收、主動(dòng)拉取數(shù)據(jù)源的方式獲取用戶在實(shí)際業(yè)務(wù)中產(chǎn)生的源數(shù)據(jù)并根據(jù)設(shè)置的規(guī)則比對(duì)校驗(yàn)生成符合條件的數(shù)據(jù)保存在數(shù)據(jù)庫(kù)中。并且對(duì)通過(guò)各個(gè)維度對(duì)生成的數(shù)據(jù)進(jìn)行計(jì)數(shù)統(tǒng)計(jì)并推送下游單據(jù)。

比如說(shuō)其中有一個(gè)統(tǒng)計(jì)維度為“在各個(gè)班的工作時(shí)間內(nèi)，根據(jù)次數(shù)統(tǒng)計(jì)符合條件的數(shù)據(jù)并匯總推送下游單據(jù)”。那么要做這項(xiàng)業(yè)務(wù)，首先我們要對(duì)各個(gè)班的數(shù)據(jù)進(jìn)行分別計(jì)數(shù)，當(dāng)前班開(kāi)始工作時(shí)同步開(kāi)啟計(jì)數(shù)，結(jié)束工作時(shí)停止計(jì)數(shù)，當(dāng)計(jì)數(shù)器達(dá)到設(shè)置的標(biāo)準(zhǔn)后，將這些數(shù)據(jù)進(jìn)行統(tǒng)計(jì)處理后推送下游單據(jù)。

根據(jù)上面的業(yè)務(wù)，通常來(lái)說(shuō)有兩種方式解決：

• 將班、計(jì)數(shù)量、數(shù)據(jù)ID等數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫(kù)中，并對(duì)獲取數(shù)據(jù)、處理數(shù)據(jù)、計(jì)數(shù)、推送下游單據(jù)等操作統(tǒng)一加鎖進(jìn)行處理，保證數(shù)據(jù)計(jì)數(shù)的準(zhǔn)確性。
• 依然是通過(guò)Redis+Lua的方式進(jìn)行處理。

最后通過(guò)實(shí)際的業(yè)務(wù)分析決定采用Redis+Lua的方式進(jìn)行處理。只不過(guò)這次的Lua要寫相對(duì)復(fù)雜的業(yè)務(wù)了。

偽代碼如下：

/**
 * @param indexStdId         標(biāo)準(zhǔn)ID
 * @param currentTeamClassId 班ID
 * @param dataId             數(shù)據(jù)ID
 * @param count              計(jì)數(shù)要求
 */
public List<Long> countMonitor(Long indexStdId, Long currentTeamClassId, Long 
dataId, Integer count) {
        StringBuilder countMonitorLua = new StringBuilder();
        countMonitorLua.append("if (redis.call('hget', KEYS[1], KEYS[2]) == ARGV[2]) ");
        countMonitorLua.append("then ");
        countMonitorLua.append("    if (redis.call('hget', KEYS[1], KEYS[3]) == ARGV[3]) ");
        countMonitorLua.append("    then ");
        countMonitorLua.append("        redis.call('hset', KEYS[1], KEYS[3], 0) ");
        countMonitorLua.append("        redis.call('lpush', KEYS[4], ARGV[1]) ");
        countMonitorLua.append("        local list = redis.call('lrange', KEYS[4], 0, -1) ");
        countMonitorLua.append("        redis.call('del', KEYS[4]) ");
        countMonitorLua.append("        return list ");
        countMonitorLua.append("    else ");
        countMonitorLua.append("        redis.call('lpush', KEYS[4], ARGV[1]) ");
        countMonitorLua.append("        redis.call('hincrby', KEYS[1], KEYS[3], 1) ");
        countMonitorLua.append("        return {} ");
        countMonitorLua.append("    end ");
        countMonitorLua.append("else ");
        countMonitorLua.append("    redis.call('del', KEYS[4]) ");
        countMonitorLua.append("    redis.call('lpush', KEYS[4], ARGV[1]) ");
        countMonitorLua.append("    redis.call('hset', KEYS[1], KEYS[3], 1) ");
        countMonitorLua.append("    redis.call('hset', KEYS[1], KEYS[2], ARGV[2]) ");
        countMonitorLua.append("    if (redis.call('hget', KEYS[1], KEYS[3]) == ARGV[4]) ");
        countMonitorLua.append("    then ");
        countMonitorLua.append("        redis.call('hset', KEYS[1], KEYS[3], 0) ");
        countMonitorLua.append("        local list2 = redis.call('lrange', KEYS[4], 0, -1) ");
        countMonitorLua.append("        redis.call('del', KEYS[4]) ");
        countMonitorLua.append("        return list2 ");
        countMonitorLua.append("    else ");
        countMonitorLua.append("        return {} ");
        countMonitorLua.append("    end ");
        countMonitorLua.append("end ");

        DefaultRedisScript<List> defaultRedisScript = new DefaultRedisScript<>();
        defaultRedisScript.setResultType(List.class);
        defaultRedisScript.setScriptText(countMonitorLua.toString());
        List<String> keys = new ArrayList<>();
        keys.add(COUNTMONITOR_HASH.replace("${indexStd}", indexStdId.toString()));
        keys.add(COUNTMONITOR_HASH_CURRENTTEAMCLASSID);
        keys.add(COUNTMONITOR_HASH_COUNT);
        keys.add(COUNTMONITOR_LIST.replace("${indexStd}", indexStdId.toString()));
        List dataIdList = stringRedisTemplate.execute(defaultRedisScript, keys, gapDataId.toString(), currentTeamClassId.toString(), (count - 1) + "", count + "");

        List<Long> collect = null;
        if(!gapDataIdList.isEmpty()) {
            collect = (List<Long>) gapDataIdList.stream().map(o -> Long.valueOf(o.toString())).collect(Collectors.toList());
        }
        return collect;
    }

以上代碼是根據(jù)我實(shí)際的業(yè)務(wù)代碼改編成的偽代碼，這個(gè)段代碼沒(méi)必要看懂哈，首先是偽代碼，其實(shí)這個(gè)業(yè)務(wù)比較復(fù)雜，我也沒(méi)寫注釋。更多的還是分享一下優(yōu)化的處理思路：

首先計(jì)數(shù)量是由客戶定的，可以設(shè)置的很小也可以設(shè)置的很大。由于這一點(diǎn)考慮，我將計(jì)數(shù)分成的兩部分，一個(gè)是String類型的key做計(jì)數(shù)器，一個(gè)是List類型的key用來(lái)記錄正在被計(jì)數(shù)的數(shù)據(jù)ID。這個(gè)List有可能是一個(gè)大key。所以我們不會(huì)去頻繁的讀取它的數(shù)量進(jìn)行判斷，而是通過(guò)讀取這個(gè)String類型的計(jì)數(shù)器來(lái)校驗(yàn)計(jì)數(shù)。當(dāng)計(jì)數(shù)符合條件后就將List取出來(lái)。這樣做的好處是節(jié)省了頻繁讀取大key的耗時(shí)(實(shí)際上Redis讀取大Key是非常耗時(shí)的，我們?cè)趯?shí)際開(kāi)發(fā)中要時(shí)刻注意這一點(diǎn))。

總結(jié)

總體來(lái)說(shuō)，優(yōu)化并發(fā)問(wèn)題本質(zhì)上就是通過(guò)優(yōu)化各種請(qǐng)求的耗時(shí)(例如事務(wù)的耗時(shí)、數(shù)據(jù)庫(kù)連接的耗時(shí)、http/rpc的耗時(shí))來(lái)提升功能的吞吐量，達(dá)到用最少的資源浪費(fèi)處理更多的事情。

我處理并發(fā)問(wèn)題的思路總體上也就是通過(guò)同步鎖、數(shù)據(jù)庫(kù)鎖以及唯一約束、Redis單線程的天然優(yōu)勢(shì)這三點(diǎn)上進(jìn)行綜合考慮，選擇中更適合業(yè)務(wù)場(chǎng)景的一種處理方式。實(shí)際上退一萬(wàn)步說(shuō)，對(duì)于一些B端的業(yè)務(wù)，用戶的需求只是能用就行，那我們做定制開(kāi)發(fā)的小伙伴們就直接一個(gè)鎖就解決問(wèn)題了，這樣何樂(lè)而不為呢？還能節(jié)省出更多的摸魚(yú)時(shí)間！哈哈?。?！

但對(duì)于做通用產(chǎn)品來(lái)說(shuō)，還是要盡可能的考慮更大的吞吐量。有的小伙伴可能有有疑問(wèn)，Redis通常的使用規(guī)范不是只允許存放那些查詢頻率非常高的熱點(diǎn)數(shù)據(jù)嗎？嗯，那是對(duì)于大多數(shù)C端互聯(lián)網(wǎng)項(xiàng)目而言的。而B(niǎo)端項(xiàng)目普遍業(yè)務(wù)要更加的復(fù)雜，而在這個(gè)基礎(chǔ)上我們要想追求更大的吞吐量，其實(shí)用一用Redis也未嘗不可哈。畢竟B端的QPS相比于C端來(lái)說(shuō)要根本不在一個(gè)數(shù)量級(jí)。就算是偶然出現(xiàn)幾個(gè)大Key，能有什么關(guān)系呢，只要我們?cè)O(shè)計(jì)的嚴(yán)謹(jǐn)一點(diǎn)，能夠把控整體的資源就好啦。

以上就是Java中對(duì)于并發(fā)問(wèn)題的處理思路分享的詳細(xì)內(nèi)容，更多關(guān)于Java處理并發(fā)問(wèn)題的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論