孔乙己：Kotlin生产者消费者问题的八种解法

目前成都创新互联已为数千家的企业提供了网站建设、域名、网页空间、绵阳服务器托管、企业网站设计、焉耆网站维护等服务，公司将坚持客户导向、应用为本的策略，正道将秉承"和谐、参与、激情"的文化，与客户和合作伙伴齐心协力一起成长，共同发展。

本文转载自微信公众号「AndroidPub」，作者fundroid。转载本文请联系AndroidPub公众号。

生产者和消费者问题是线程模型中的经典问题：生产者和消费者在同一时间段内共用同一个缓冲区(Buffer)，生产者往 Buffer 中添加产品，消费者从 Buffer 中取走产品，当 Buffer 为空时，消费者阻塞，当 Buffer 满时，生产者阻塞。

Kotlin 中有多种方法可以实现多线程的生产/消费模型(大多也适用于Java)

Synchronized
ReentrantLock
BlockingQueue
Semaphore
PipedXXXStream
RxJava
Coroutine
Flow

1. Synchronized

Synchronized 是最最基本的线程同步工具，配合 wait/notify 可以实现实现生产消费问题。

 
 
 
 
  
  
  
  val buffer = LinkedList() 
  
  
  
  val MAX = 5 //buffer最大size 
  
  
  
   
  
  
  
  val lock = Object() 
  
  
  
   
  
  
  
  fun produce(data: Data) { 
  
  
  
      sleep(2000) // mock produce 
  
  
  
      synchronized(lock) { 
  
  
  
          while (buffer.size >= MAX) { 
  
  
  
             // 当buffer满时，停止生产 
  
  
  
             // 注意此处使用while不能使用if，因为有可能是被另一个生产线程而非消费线程唤醒，所以要再次检查buffer状态 
  
  
  
             // 如果生产消费两把锁，则不必担心此问题 
  
  
  
             lock.wait() 
  
  
  
          } 
  
  
  
   
  
  
  
        buffer.push(data) 
  
  
  
          // notify方法只唤醒其中一个线程，选择哪个线程取决于操作系统对多线程管理的实现。 
  
  
  
          // notifyAll会唤醒所有等待中线程，哪一个线程将会第一个处理取决于操作系统的实现，但是都有机会处理。 
  
  
  
          // 此处使用notify有可能唤醒的是另一个生产线程从而造成死锁，所以必须使用notifyAll 
  
  
  
          lock.notifyAll() 
  
  
  
      } 
  
  
  
  } 
  
  
  
   
  
  
  
  fun consume() { 
  
  
  
      synchronized(lock) { 
  
  
  
          while (buffer.isEmpty()) 
  
  
  
              lock.wait() // 暂停消费 
  
  
  
          buffer.removeFirst() 
  
  
  
          lock.notifyAll() 
  
  
  
      } 
  
  
  
      sleep(2000) // mock consume 
  
  
  
  } 
  
  
  
   
  
  
  
   
  
  
  
   
  
  
  
  @Test 
  
  
  
  fun test() { 
  
  
  
      // 同时启动多个生产、消费线程 
  
  
  
      repeat(10) { 
  
  
  
          Thread { produce(Data()) }.start() 
  
  
  
      } 
  
  
  
      repeat(10) { 
  
  
  
          Thread { consume() }.start() 
  
  
  
      } 
  
  
  
  }

2. ReentrantLock

Lock 相对于 Synchronized 好处是当有多个生产线/消费线程时，我们可以通过定义多个 condition 精确指定唤醒哪一个。下面的例子展示 Lock 配合 await/single 替换前面 Synchronized 写法。

 
 
 
 
  
  
  
  val buffer = LinkedList() 
  
  
  
  val MAX = 5 //buffer最大size 
  
  
  
                
  
  
  
  val lock = ReentrantLock()                      
  
  
  
  val condition = lock.newCondition()           
  
  
  
                                                  
  
  
  
  fun produce(data: Data) {                       
  
  
  
      sleep(2000) // mock produce                 
  
  
  
      lock.lock()                                 
  
  
  
                                                  
  
  
  
      while (buffer.size >= 5)                       
  
  
  
          condition.await()                       
  
  
  
                                                  
  
  
  
      buffer.push(data)                           
  
  
  
      condition.signalAll()                       
  
  
  
      lock.unlock()                               
  
  
  
  }                                               
  
  
  
                                                  
  
  
  
  fun consume() {                                 
  
  
  
      lock.lock()                                 
  
  
  
      while (buffer.isEmpty())                       
  
  
  
          condition.await()                       
  
  
  
                                                  
  
  
  
      buffer.removeFirst() 
  
  
  
      condition.singleAll()                         
  
  
  
      lock.unlock()                               
  
  
  
      sleep(2000) // mock consume                 
  
  
  
  }

3. BlockingQueue (阻塞队列)

BlockingQueue在达到临界条件时，再进行读写会自动阻塞当前线程等待锁的释放，天然适合这种生产/消费场景。

 
 
 
 
  
  
  
  val buffer = LinkedBlockingQueue(5)                
  
  
  
                                                           
  
  
  
  fun produce(data: Data) {                                
  
  
  
      sleep(2000) // mock produce                          
  
  
  
      buffer.put(data) //buffer满时自动阻塞                        
  
  
  
  } 
  
  
  
                                                           
  
  
  
  fun consume() {                                          
  
  
  
      buffer.take() // buffer空时自动阻塞 
  
  
  
      sleep(2000) // mock consume                          
  
  
  
  }

注意 BlockingQueue 的有三组读/写方法，只有一组有阻塞效果，不要用错。

方法	说明
add(o)/remove(o)	add 方法在添加元素的时候，若超出了队列的长度会直接抛出异常
offer(o)/poll(o)	offer 在添加元素时，如果发现队列已满无法添加的话，会直接返回false
put(o)/take(o)	put 向队尾添加元素的时候发现队列已经满了会发生阻塞一直等待空间，以加入元素

4. Semaphore(信号量)

Semaphore 是 JUC 提供的一种共享锁机制，可以进行拥塞控制，此特性可用来控制 buffer 的大小。

 
 
 
 
  
  
  
  // canProduce: 可以生产数量（即buffer可用的数量），生产者调用acquire，减少permit数目     
  
  
  
  val canProduce = Semaphore(5)                                                                                            
  
  
  
  // canConsumer：可以消费数量，生产者调用release，增加permit数目                   
  
  
  
  val canConsume = Semaphore(5)                                                                                       
  
  
  
  // 控制buffer访问互斥                                                 
  
  
  
  val mutex = Semaphore(0)                                        
  
  
  
                                                                  
  
  
  
  val buffer = LinkedList()                                 
  
  
  
                                                                  
  
  
  
  fun produce(data: Data) {                                       
  
  
  
      if (canProduce.tryAcquire()) {                              
  
  
  
          sleep(2000) // mock produce                             
  
  
  
                                                                  
  
  
  
          mutex.acquire()                                         
  
  
  
          buffer.push(data)                                       
  
  
  
          mutex.release()                                         
  
  
  
                                                                  
  
  
  
          canConsume.release() //通知消费端新增加了一个产品                    
  
  
  
      }                                                           
  
  
  
  }                                                               
  
  
  
                                                                  
  
  
  
  fun consume() {                                                 
  
  
  
      if (canConsume.tryAcquire()) {                              
  
  
  
          sleep(2000) // mock consume                             
  
  
  
                                                                  
  
  
  
          mutex.acquire()                                         
  
  
  
          buffer.removeFirst()                                    
  
  
  
          mutex.release()                                         
  
  
  
                                                                  
  
  
  
          canProduce.release() //通知生产端可以再追加生产                     
  
  
  
      }                                                           
  
  
  
                                                                  
  
  
  
  }

5. PipedXXXStream (管道)

Java 里的管道输入/输出流 PipedInputStream / PipedOutputStream 实现了类似管道的功能，用于不同线程之间的相互通信，输入流中有一个缓冲数组，当缓冲数组为空的时候，输入流 PipedInputStream 所在的线程将阻塞。

 
 
 
 
  
  
  
  val pis: PipedInputStream = PipedInputStream() 
  
  
  
  val pos: PipedOutputStream by lazy { 
  
  
  
      PipedOutputStream().apply { 
  
  
  
          pis.connect(this) //输入输出流之间建立连接 
  
  
  
      } 
  
  
  
  } 
  
  
  
   
  
  
  
  fun produce(data: ContactsContract.Data) { 
  
  
  
      while (true) { 
  
  
  
          sleep(2000) 
  
  
  
          pos.use { // Kotlin 使用 use 方便的进行资源释放 
  
  
  
              it.write(data.getBytes()) 
  
  
  
              it.flush() 
  
  
  
          } 
  
  
  
      } 
  
  
  
  } 
  
  
  
   
  
  
  
  fun consume() { 
  
  
  
      while (true) { 
  
  
  
          sleep(2000) 
  
  
  
          pis.use { 
  
  
  
              val byteArray = ByteArray(1024) 
  
  
  
              it.read(byteArray) 
  
  
  
          } 
  
  
  
      } 
  
  
  
  } 
  
  
  
   
  
  
  
  @Test 
  
  
  
  fun Test() { 
  
  
  
      repeat(10) { 
  
  
  
          Thread { produce(Data()) }.start() 
  
  
  
      } 
  
  
  
   
  
  
  
      repeat(10) { 
  
  
  
          Thread { consume() }.start() 
  
  
  
      } 
  
  
  
  }

6. RxJava

RxJava 从概念上，可以将 Observable/Subject 作为生产者， Subscriber 作为消费者，但是无论 Subject 或是 Observable 都缺少 Buffer 溢出时的阻塞机制，难以独立实现生产者/消费者模型。

Flowable 的背压机制，可以用来控制 buffer 数量，并在上下游之间建立通信，配合 Atomic 可以变向实现单生产者/单消费者场景，(不适用于多生产者/多消费者场景)。

 
 
 
 
  
  
  
  class Producer : Flowable() { 
  
  
  
   
  
  
  
      override fun subscribeActual(subscriber: org.reactivestreams.Subscriber) { 
  
  
  
          subscriber.onSubscribe(object : Subscription { 
  
  
  
              override fun cancel() { 
  
  
  
                  //... 
  
  
  
              } 
  
  
  
   
  
  
  
              private val outStandingRequests = AtomicLong(0) 
  
  
  
   
  
  
  
              override fun request(n: Long) { //收到下游通知，开始生产 
  
  
  
                  outStandingRequests.addAndGet(n) 
  
  
  
   
  
  
  
                  while (outStandingRequests.get() > 0) { 
  
  
  
                      sleep(2000) 
  
  
  
                      subscriber.onNext(Data()) 
  
  
  
                      outStandingRequests.decrementAndGet() 
  
  
  
                  } 
  
  
  
              } 
  
  
  
   
  
  
  
          }) 
  
  
  
      } 
  
  
  
   
  
  
  
  } 
  
  
  
   
  
  
  
   
  
  
  
   
  
  
  
  class Consumer : DefaultSubscriber() { 
  
  
  
   
  
  
  
      override fun onStart() { 
  
  
  
          request(1) 
  
  
  
      } 
  
  
  
   
  
  
  
      override fun onNext(i: Data?) { 
  
  
  
          sleep(2000) //mock consume 
  
  
  
          request(1) //通知上游可以增加生产 
  
  
  
      } 
  
  
  
   
  
  
  
      override fun onError(throwable: Throwable) { 
  
  
  
          //... 
  
  
  
      } 
  
  
  
   
  
  
  
      override fun onComplete() { 
  
  
  
          //... 
  
  
  
      } 
  
  
  
   
  
  
  
  } 
  
  
  
   
  
  
  
   
  
  
  
  @Test 
  
  
  
  fun test_rxjava() { 
  
  
  
      try { 
  
  
  
          val testProducer = Producer) 
  
  
  
          val testConsumer = Consumer() 
  
  
  
   
  
  
  
          testProducer 
  
  
  
              .subscribeOn(Schedulers.computation()) 
  
  
  
              .observeOn(Schedulers.single()) 
  
  
  
              .blockingSubscribe(testConsumer) 
  
  
  
   
  
  
  
      } catch (t: Throwable) { 
  
  
  
          t.printStackTrace() 
  
  
  
      } 
  
  
  
   
  
  
  
  }

7. Coroutine Channel

协程中的 Channel 具有拥塞控制机制，可以实现生产者消费者之间的通信。可以把 Channel 理解为一个协程版本的阻塞队列，capacity 指定队列容量。

 
 
 
 
  
  
  
  val channel = Channel(capacity = 5) 
  
  
  
   
  
  
  
  suspend fun produce(data: ContactsContract.Contacts.Data) = run { 
  
  
  
      delay(2000) //mock produce 
  
  
  
      channel.send(data) 
  
  
  
  } 
  
  
  
   
  
  
  
   
  
  
  
  suspend fun consume() = run { 
  
  
  
      delay(2000)//mock consume 
  
  
  
      channel.receive() 
  
  
  
  } 
  
  
  
   
  
  
  
  @Test 
  
  
  
  fun test_channel() { 
  
  
  
      repeat(10) { 
  
  
  
          GlobalScope.launch { 
  
  
  
              produce(Data()) 
  
  
  
          } 
  
  
  
      } 
  
  
  
   
  
  
  
      repeat(10) { 
  
  
  
          GlobalScope.launch { 
  
  
  
             consume() 
  
  
  
          } 
  
  
  
      } 
  
  
  
  }

此外，Coroutine 提供了 produce 方法，在声明 Channel 的同时生产数据，写法上更简单，适合单消费者单生产者的场景：

 
 
 
 
  
  
  
  fun CoroutineScope.produce(): ReceiveChannel = produce { 
  
  
  
      repeat(10) { 
  
  
  
          delay(2000) //mock produce 
  
  
  
          send(Data()) 
  
  
  
      } 
  
  
  
  } 
  
  
  
   
  
  
  
  @Test 
  
  
  
  fun test_produce() { 
  
  
  
      GlobalScope.launch { 
  
  
  
          produce.consumeEach { 
  
  
  
              delay(2000) //mock consume 
  
  
  
          } 
  
  
  
      } 
  
  
  
  }

8. Coroutine Flow

Flow 跟 RxJava 一样，因为缺少 Buffer 溢出时的阻塞机制，不适合处理生产消费问题，其背压机制也比较简单，无法像 RxJava 那样收到下游通知。但是 Flow 后来发布了 SharedFlow，作为带缓冲的热流，提供了 Buffer 溢出策略，可以用作生产者/消费者之间的同步。

 
 
 
 
  
  
  
  val flow : MutableSharedFlow = MutableSharedFlow( 
  
  
  
      extraBufferCapacity = 5  //缓冲大小 
  
  
  
      , onBufferOverflow = BufferOverflow.SUSPEND // 缓冲溢出时的策略：挂起 
  
  
  
  ) 
  
  
  
   
  
  
  
  @Test 
  
  
  
  fun test() { 
  
  
  
   
  
  
  
      GlobalScope.launch { 
  
  
  
          repeat(10) { 
  
  
  
              delay(2000) //mock produce 
  
  
  
              sharedFlow.emit(Data()) 
  
  
  
          } 
  
  
  
      } 
  
  
  
   
  
  
  
      GlobalScope.launch { 
  
  
  
          sharedFlow.collect { 
  
  
  
              delay(2000) //mock consume 
  
  
  
          } 
  
  
  
      } 
  
  
  
  }

注意 SharedFlow 也只能用在单生产者/单消费者场景。

总结

生产者/消费者问题，其本质核心还是多线程读写共享资源(Buffer)时的同步问题，理论上只要具有同步机制的多线程框架，例如线程锁、信号量、阻塞队列、协程 Channel等，都是可以实现生产消费模型的。

另外，RxJava 和 Flow 虽然也是多线程框架，但是缺少Buffer溢出时的阻塞机制，不适用于生产/消费场景，更适合在纯响应式场景中使用。

名称栏目：孔乙己：Kotlin生产者消费者问题的八种解法
本文路径：http://zsjierui.cn/article/dhospgj.html

网站建设知识