You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

Java多线程中用synchronized如何实现并行计算?附代码示例

为什么多线程并行计算还要用synchronized?如何结合它实现并行?

一、为什么需要synchronized?

我们用多线程实现并行计算是为了提升效率,但多线程涉及共享资源的读写操作时,会出现竞态条件(比如多个线程同时修改同一个变量导致数据错乱)。synchronized的作用是保证临界区(操作共享资源的代码段)的原子性、可见性和有序性,避免线程安全问题——它限制的只是临界区的串行执行,线程的非临界区代码依然可以并行运行,不会完全阻碍并行计算的实现。

二、结合synchronized实现并行计算的思路

核心原则:让线程的大部分计算逻辑在非同步的独立区域完成,仅对共享资源的更新操作加同步锁。线程执行独立计算时完全并行,只有在更新共享结果时短暂串行,既保证数据安全,又最大化利用并行效率。

三、易懂的代码示例

以“多线程并行计算累加和”为例,每个线程先独立计算一部分数值的和,最后将结果同步汇总到共享变量中:

class SumCalculator {
    private int totalSum = 0;

    // 仅对共享总和的更新操作加synchronized
    public synchronized void addToTotal(int partialSum) {
        totalSum += partialSum;
    }

    public int getTotalSum() {
        return totalSum;
    }
}

public class ParallelSyncDemo {
    public static void main(String[] args) throws InterruptedException {
        SumCalculator calculator = new SumCalculator();

        // 线程1:计算1-1000的和
        Thread t1 = new Thread(() -> {
            int partial = 0;
            for (int i = 1; i <= 1000; i++) {
                partial += i; // 独立计算,无需同步
            }
            calculator.addToTotal(partial); // 同步更新共享总和
        });

        // 线程2:计算1001-2000的和
        Thread t2 = new Thread(() -> {
            int partial = 0;
            for (int i = 1001; i <= 2000; i++) {
                partial += i; // 独立计算,无需同步
            }
            calculator.addToTotal(partial); // 同步更新共享总和
        });

        t1.start();
        t2.start();
        t1.join();
        t2.join();

        System.out.println("最终总和:" + calculator.getTotalSum());
    }
}

代码说明

  • 两个线程各自独立计算分段数值的和,这部分逻辑完全并行,没有锁竞争,充分利用多线程的并行能力。
  • 只有在将部分和加到共享的totalSum时,通过synchronized方法保证操作的原子性,避免多个线程同时更新导致的数值错误。
  • 运行结果会正确输出2001000(1到2000的累加和),既实现了并行计算,又保证了线程安全。

补充:关于Atomic类的说明

如果只是简单的数值更新,也可以用AtomicInteger替代synchronized,它通过CAS操作实现无锁的线程安全,但synchronized适用场景更广——比如需要同步复杂代码块而非单个数值操作时,synchronized更灵活。

内容的提问来源于stack exchange,提问作者iAngkur

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.08.17 23:20:46