并发编程

Java 并发容器入门：ConcurrentHashMap、CopyOnWriteArrayList、阻塞队列📌 先说结论普通集合（HashMap、ArrayList）都不是线程安全的，多线程同时改会出问题。并发容器就是 JDK 提供的线程安全版本。

ThreadLocal 入门：它是怎么隔离数据的、为什么会导致内存泄漏📌 先说结论ThreadLocal 就干一件事：给每个线程存一份独立的变量副本，线程之间互不干扰。典型用途：一次请求的上下文（当前登录用户、traceId），一个线程从头用到尾，不用到处传参。

万字详解｜Go 进阶（五）：sync 包底层：Mutex 自旋 4 次转饥饿，WaitGroup 漏 1 个 Done 挂起 3000 goroutine你好，我是利威尔xu。这是《Go 进阶》系列的第五篇。前四篇我们把 GMP 调度器、GC 三色标记、内存分配器、channel 底层挨个拆了一遍——这篇轮到并发编程的另一半江山：sync 包。channel 负责"传话"，sync 负责"站岗"，线上 90% 的并发事故，案发现场都能在 sync 里找到同伙。

骑着蜗牛撵大象327

C++20 协程 × 屏障：手写一个 co_await 版 Barrier，让等待不再钉死线程C++20 把 co_await 带进了标准库，但很多人对协程的期待还停在「替代回调」上。其实它真正的价值之一，是重写那些「等待型」并发原语——最典型的就是屏障（barrier）。

AI人工智能+电脑小能手

一次请求打几个下游，这个Java并行任务工具类6个方法按序聚合📌 高并发系统设计：基于Redis与MQ的秒杀系统架构：库存预减、防超卖与限流防刷全流程解析一组 Supplier 并行提交到指定线程池，按提交顺序聚合结果，支持整体超时与单任务异常隔离，把「一次请求要打好几个下游」收成一次调用。

面对多 RPC 扇入超时崩溃：深入 asyncTool 核心 DAG 编排与线程池隔离防护在现代分布式电商中台或高吞吐聚合网关（BFF）架构中，一个典型业务页面或接口（如商品详情页聚合、购物车结算收银台、个人中心仪表盘）往往需要在短短数百毫秒内，从底层数十个独立的微服务系统中并发拉取海量数据。

并发编程（十一）：Shared Memory 与 Message Passing——关系与组合使用前面的文章已经分别讨论了 Shared Memory 和 Message Passing 两种并发协作模型。

并发编程（九）：BlockingQueue 与 Channel——语言层的原子性、可见性与有序性在第零篇中，我们从多个并发执行单元如何交换数据、协调工作的角度，提出了两种典型的并发协作模型：前面几篇主要沿着 Shared Memory 展开，从 Mutex、Atomic 到 ReadWriteLock，解释了这些同步机制如何提供 Atomicity、Visibility 和 Ordering。

Python 协程（Coroutine）通俗讲解与技术原理：从 await 挂起到 Agent 高并发线程由操作系统内核调度；协程由代码（事件循环）在用户态自己调度的"轻量子程序"。类比（修正版）注意这个类比里最关键的一环：协程必须"主动让出"。如果有人占着工位不挪窝，整间办公室就他一个人干活。

Python Asyncio 协程与 LLM 异步并发原理技术文档（与 Java 对比｜彻底澄清所有误区）Python 协程不是线程、不新开线程、不由 OS 调度。协程是：单 OS 线程内、用户态事件循环、协作式调度的轻量 IO 并发模型。

Java进阶篇之AtomicLongFieldUpdater：把累计额度留在对象字段中上一篇用AtomicIntegerFieldUpdater处理对象里的名额。这次把场景换成上传额度：一个账户最多累计接收100亿字节，多个上传任务同时申请额度。每次申请都要先判断容量，再把申请量加入累计值。

SQLite WAL 开了仍报 database is locked？Python 后台任务的事务与幂等修复有团队把SQLite切换成WAL以后，以为多个Python进程能同时修改一个数据库文件。读请求确实更加顺畅，后台任务却仍然偶尔报database is locked。这不是WAL失效。SQLite官方明确说明：WAL允许读取和写入更好地并行，但一个时刻仍只有一名写入者。几个进程使用不同连接，也不会获得多名写入者同时提交的能力。了解这个限制以后，诊断重点就应当从一味增加超时，转到真正的事务边界。

Java进阶篇之AtomicMarkableReference：引用还在，标记已经改变上一篇用AtomicStampedReference记录引用的变化轮次。继续往下看，有些业务只需要表达两个状态：节点还有效，或者节点已被标记删除。把一个布尔值与引用一起观察，就能让提交条件带上这个状态。

手写一个线程池：任务队列、工作线程与停止顺序的三个设计点每个任务 new 一个 std::thread 是并发编程里最贵的偷懒方式：线程创建要走系统调用，栈空间按兆算，销毁又要再来一遍。当任务本身只有几微秒时，你花在「造线程」上的时间会比干活多几十倍。线程池的思路很朴素：线程只创建一次，任务排队，谁空谁取。这篇从零把它写出来，然后把三个最容易写错的设计点讲透。

锁进阶：atomic_flag 自旋锁、shared_mutex 读写锁与无锁的代价std::mutex 不是免费的：一旦发生竞争，抢不到锁的线程会被挂进内核，等锁释放再被唤醒，这一挂一醒就是两次上下文切换，微秒级开销。可如果你的临界区只有「++counter」这么短，等锁的时间可能比干活的时间还长。这篇讲清锁的三条进阶路线：极短临界区用自旋锁（atomic_flag 实现）、读多写少用读写锁（shared_mutex）、以及「别迷信无锁，先测再选」。

Java进阶篇之AtomicStampedReference：引用回到原值，版本戳仍能记住变化上一篇用AtomicReference发布一份完整状态。接着往下想：线程读到引用A，准备稍后提交；期间另一个线程把A换成B，再换回同一个A。这时，只比较引用还能看见中间那次变化吗？

Java进阶篇之AtomicReference：一次替换引用，读到一份完整状态上一篇用LongAccumulator处理可以合并的统计样本。配置更新面对的是另一类问题：版本号、超时值和路由列表需要一起变化，读取者也希望拿到同一份状态。把这些字段装进不可变对象，再整体替换引用，能让更新边界更容易看清。

shared_ptr 的线程安全边界：计数安全不等于对象安全std::shared_ptr 大概是 C++ 里被误解最多的类型。很多人听说「它的引用计数是线程安全的」，就放心地把它当全局变量、在线程之间随手赋值，然后在大压力下偶发崩溃或者计数错乱。

shared_mutex 读写锁该不该用，以及 volatile 的三大误解「读多写少，那用读写锁肯定更快吧。」这句话是并发优化里最常见的直觉，也是最常翻车的一个。std::shared_mutex（C++17）确实做到了多读者并存、写者独占，但它的独占成本比 std::mutex 高，读者路径还要动一个共享计数器。下面先讲清该怎么用、什么时候别用，再顺手把 volatile 的三大误解拆掉。这两件事总是一起出现，因为动机都一样：想省掉那把锁。

并发编程（七）：volatile——从语言规则到 CPU前两篇从语言规则一路看到 CPU，解释了 Atomic 如何提供 Atomicity、Visibility 和 Ordering。