多线程代码案例 - 2
阻塞队列
阻塞队列，我们熟悉的概念是队列，即一种先进先出的数据结构。阻塞队列，就是基于普通队列做出的扩展。
特点
1. 线程安全的
2. 具有阻塞特性
（a）如果针对一个已经满了的队列进行入队列，此时入队操作就会阻塞，一直阻塞到队列不满（即有其他线程进行出队操作）之后
（b）如果针对一个已经空了的队列进行出队列，此时出队操作就会阻塞，一直阻塞到队列不空（即有其他线程进行入队操作）之后
阻塞队列的作用非常大，因为基于阻塞队列，就可以实现“生产者消费者模型”！！！‘
什么是生产者消费者模型？？？
举个栗子：
包饺子的流程：
1.和面（一般都是一个人负责，没办法多线程完成）
2. 擀饺子皮
3. 包饺子 （第二步和第三步，这两步就可以多线程完成了）
现在有 A B C 三位大兄弟，共同完成上面包饺子的步骤，擀面杖，一般一个家庭中，只有一个擀面杖，所以会发生，三个线程都去竞争这个擀面杖，A 大兄弟，拿到擀面杖擀皮了，B C 就需要阻塞等待，所以，很明显，包饺子的方式适合用多线程的方式来实现，即A 是和面的，B C 负责擀皮和包饺子。每次都是 B C 的一位大兄弟擀一个皮，然后另一个大兄弟包一个饺子，再擀一个皮，再包一个饺子...
于是就可以分工协作：和面之后，三位大兄弟就要研究 擀皮 和 包饺子了：
这里的分工协作，就构成了生产者消费者模型，擀饺子皮的线程就是生产者（生产饺子皮），擀完一个饺子皮，饺子数目 +1，另外两个包饺子的线程，就是消费者（消费饺子皮），包完一个饺子，饺子皮的数目 -1。
而中间的桌子，就起到了“传递饺子皮”的效果。这个桌子的角色就相当于“阻塞队列”。
假设：擀饺子皮的非常快，包饺子的人包的很慢。就会导致桌子上的饺子皮越来越多，一直这样下去，桌子上的饺子皮就会满了。此时擀饺子皮的人就得停下来等一等，等这俩包饺子的人，消费一波之后，再接着擀...
又或许：擀饺子皮的非常满，包饺子的人包的非常快，就会导致桌子上的饺子皮，越来越少，一直这样下去，桌子上的饺子皮就会没有了。此时包饺子的人就得停下来等一等，等擀饺子皮的人，再擀出来一波，再接着包...
上述的栗子，大概就是模拟了生产者消费者模型。
意义
这个生产者消费者模型，在实际开发中，非常有意义。
1. 解耦合
1. 引入生产着消费者模型，就可以更好的做到“解耦合”。
（耦合程度：指的是代码中不同模块，类，函数之间相互依赖，相互关联的紧密程度，耦合度低：模块之间的依赖关系就少，相互影响就小。一个模块的修改不容易影响到其他模块，各个模块之间可以相对独立的进行开发...耦合度高：模块之间存在很强的依赖关系，一个模块的修改往往会导致其他多个模块也需要相应修改，代码的维护和扩展难度比较大...）（而我们一般是期望我们的代码耦合度低一些，即使用这个消费者生产者模型可以降低代码的耦合程度）
实际开发中，经常会涉及到“分布式系统”，即服务器整个功能不是由一个服务器全部完成的，而是每个服务器负责一部分功能，通过服务器之间的网络通信，最终完成整个功能。
上述模型中：A 和 B，A 和 C 之间的耦合性是比较强的！！！A 的代码中就需要设计到一些和 B 相关的操作，B 的代码中也涉及到一些和 A 的操作。同样的，A 的代码中也需要设计和 C 的操作，C 的代码也涉及到和 A 的操作。另外，如果 B 或者 C “挂了”，此时对于 A 的影响就很大，A 也可能就跟着 “挂” 了。
引入生产者消费者模型，就可以降低上述耦合度：
A 和 B，A 和 C 之间都不是直接交互了，而是通过队列在中间进行传话。此时，A 的代码中，只需要和队列交互就可以了，A 是并不知道 B 和 C 的存在的，同样的，B C 的代码，也只需要和队列进行交互，他们也是不知道 A 的存在的。
如果 B C “挂了”，对于 A 的影响是微乎其微的...假设后续如果要增加一个 D，A 的代码也是不用发生任何变化的。
引入生产者消费者模型，降低耦合度之后，也是需要付出一些代价的 ==》 需要加机器，即需要引入更多的硬件资源。
1. 上述描述的阻塞队列，并非是简单的数据结构，而是基于这个数据结构实现的服务器程序，又被部署到单独的主机上了。我们称这种未“消息队列（message queue）”
2. 整个系统的结构更复杂了。即我们要维护的服务器更多了。
3. 效率问题。引入了中间商“阻塞队列”，是存在差价的。请求从 A 发出来到 B 收到，这个过程中就需要经历队列的转发，这个过程中是存在一定开销的...
2. 削峰填谷
在讲代码之前，让我们先用一个栗子，来引入削峰填谷：
三峡水坝，大家应该都直到，是一个非常牛 x 的工程。
它的其中一项工作，就是可以使得上流的水流，按照固定的速率往下流去放水。
如下图所示：
如果上游的降雨量突然增大，那上游的洪水，就会以一个极其快的速度冲向下游，对中下游，造成很大的冲击，从而引起洪灾。三峡工程呢，就是在中间，建立了一个水库。
有了这个三峡水库之后，即使上游的水，非常的湍急，但在冲向下游的途中被三峡水库给拦住了，三峡大坝本身就是一个水库，可以存储很多的水，然后，我们就可以进行调控，使得三峡按照一定的速率，往下游放水。
即：上游降雨骤增，三峡大坝就可以关闸蓄水。
上游降雨骤减，三峡大坝就可以开闸放水。
上面的栗子就是对削峰填谷的大概比喻。（此处所谓的 峰 和 谷，都不是长时间持续的，而是短时间内所出现的...）
回到代码中，以我们的工作举栗子：
上面是一个分布式系统的大致模型，但我们要考虑到的是，当外网的请求突然增多时，即入口服务器 A 接收到的请求数量增加很多，A 的压力就会变大，但因为 A 做的工作一般比较简单，每个请求消耗的资源是比较少的，但是 B 和 C 服务器就不一定了，他们的压力同样会很大，且假设：B 是用户服务器，需要从数据库中找到对应的用户信息，C 是商品服务器，也需要从数据库找到对应的商品，还需要一些规则进行匹配，过滤等等...
A 的抗压能力比较强，B C 的抗压能力比较弱（他们需要完成的工作可能更加复杂，每个请求消耗的资源多...） ==》 一旦外界的请求出现突发的峰值，就会直接到导致 B C 服务器挂了...
那为什么，当请求多的时候，服务器就会挂了呢？？？
服务器处理每个请求，都是需要消耗硬件资源的！！！（包括但不限于 cpu 内存 硬盘 网络带宽等等...）即使一个请求消耗的资源比较少，但也无法承受住，同时会有很多的请求，加到一起来，这样消耗的总资源就多了。 ==》 上述任何一种硬件资源达到瓶颈，服务器都会挂（即客户端给服务器发出请求，但服务器不会再进行相应返回了）....
外界客服端发起的请求的数量，并不是固定的，有多少请求，是属于‘客户的请问“。有多少的请求，都是属于”客户的行为“...
我们就可以使用阻塞队列 / 消息队列了（阻塞队列：是以数据结构的视角命名的。消息队列：是基于阻塞队列实现服务器程序的视角命名的）...
当在 A 与 B C 之间添加一个阻塞队列之后，因为阻塞队列的特性，即使外界的请求出现峰值，也是由队列来承担峰值的请求，B 和 C（下游）仍然可以按照之前的速度来获得请求，这样就可以有效的防止 B 和 C 被高峰值的冲击导致服务器”挂了“。
补充：当请求太多的时候，接收请求的服务器也会挂的。请求一直往上增加，A 肯定也会有顶不住的时候，也可以给 A 前面再加一个阻塞队列，但当请求进一步的增加，队列也是可能挂的...（引入更多的硬件资源，避免上述情况...）
阻塞队列对应的数据结构
BlockingQueue 的使用
Java 标准库中提供了线程的阻塞队列的数据结果：
BlockingQueue 是一个总的 interface（接口），下面有三个具体的实现类：ArrayBlockingQueue LinkedBlockingQueue PriorityBlockingQueue
代码示例如下：
注意：使用 put 和 offer 一样都是入队列，但是 put 是带有阻塞功能的，offer 是没有阻塞功能的（队列满了之后就会返回 false），take 方法是用来出队列的，也是带有阻塞功能的。
但在阻塞队列中，并没有提供带有阻塞功能的，获取队首元素的方法。
实现一个 MyBlockingQueue
我们可以基于数组来实现其数据结构（环形队列）
环形队列：有两个指向头尾的引用 head 和 tail
每次插入数据的时候，将数据插入 tail 的位置，然后 tail 向后走
一直这样走
直到数组满了之后
因为我们要实现的是环形队列，所以要判断是否为满：
1. 浪费一个格子，tail 最多走到 head 的前一个位置。
2. 引入 size 变量
代码实现：（put 方法中，使用 size 来判断队列是否为满）
在 put 方法中的判断是否为满中，是由两种写法的，第一中就是我们上述所示：if(tail >= elems.length) 第二种是 tail = tail % elems.length，即（如果 tail < length，此时求余的量，就是 tail 原来的值，如果 tail == length，求余的值就是 0）
上述两种方法都能满足我们的目标，那如何评价某个代码段好还是不好呢？
1. 开发效率（代码是否容易被理解）
2. 运行效率（代码执行速度快不快）
让我们分析上面两种代码，if 代码，只要是个程序员，就认识 if 条件（大学生都认识...），但不理解 % 的，还是可能的，尤其是，在不同编程语言中，% 的作用可能还不一样...
而且，if 是条件跳转语句（执行速度非常快），大多情况下，并不会触发方法体中的赋值。但 % 本质上是除法运算指令，除法运算，是属于比较低效的指令（CPU 更加擅长计算 + -，计算 * / 的速度要比 + - 逊色一些），而且，第二种代码，是会百分百触发赋值操作的，运行效率会更低一些...
引入锁，解决线程安全问题
在 put 方法中，使得队列阻塞的代码先不提，就后面的代码：
均是写操作，这几个代码都必须用锁包裹起来。
上述直接这样加锁，是线程安全的吗？
如下图为两个线程，如果随机调度成这样的情况
并且，此时这个 put 正好是添加最后一个元素，就会出现下面的情况：
所以我们的 synchronized 是需要加在最外面的，锁加到这里和加到方法上，本质上就都是一样的
阻塞部分的代码：
提起阻塞，我们就要想到使用 wait 来进行阻塞。
把 wait 加入到 if 的函数体中，巧了，正好这个 if 在 synchronized 的内部！！！
光有 wait 还不够，还需要有其他线程来对 wait 进行唤醒操作（队列如果没有满，就可以进行唤醒操作了）。这里有个问题是，什么叫做”队列不满“呢？什么情况下，是队列不满呢？ ==》 出队成功，就是队列不满！对于满了的队列，就是在出队列成功之后唤醒。同样的，队列空了，再出队列，同样也需要阻塞（take 方法），同样是在另一个入列成功后的线程中唤醒...
put 代码
take 代码
这样看起来，wok，好像线程太安全了，锁也上了，操蛋的情况也排除了，我们的期望是，take 操作中的唤醒操作，将 wait 方法中的 wait 成功唤醒，wait 方法中的 notify 将 take 中的 wait 唤醒。但是！
可能会出现下图的情况：
不同线程之间的，put 和 take 方法中的 notify 可能会不正确的将错误的 wait 给唤醒。
或者出现如下情况：入队列的唤醒操作，把其他线程的入队列的 wait 唤醒了。在第一步中，两个 wait 都执行到 put 了（注意：wait 之后会有三步操作，第一步就是释放锁，所以可以出现两个 wait 都执行到 put 了），第二步，有一个 take 方法执行到了 notify，将其中一个 put 的 wait 唤醒了，然后这个 put 操作向下执行代码，执行到 notify 之后，将另一个 put 方法的 wait 唤醒了...
如上两种，又是不符合我们预期的两种 bug，并且似乎还很麻烦，锁的对象又必须是 locker 这一个对象，如果我们定义两个 locker1 和 locker2，那又无法实现锁竞争 ==》 线程不安全了...如何解决呢？
其实解决方案很简单，但是问题是为什么，一定要想明白。
在进行阻塞的时候，我们是都只是用了 if 来进行条件判断，在 put 方法中，使用 if(size >= elems.length) 判断，在 take 方法中，使用 if(size == 0) 来判断，if 是 “一锤子买卖”，只判定一次条件，一旦程序进入阻塞之后，再被唤醒，这中间隔的时间，就是沧海桑田了，阻塞状态的过程中，发生的时候，会导致出现很多变数。有了这些变数之后，就很难以保证，（）中的条件是否仍然满足了，入队列的条件是否仍然具备了...
我们可以将 if 改为 while，改为 while 之后，意味着 wait 唤醒之后，还需要再判定一次条件。即，wiat 之前判定一次，唤醒之后，再判定一次（相当于多做了一步确认操作！！！）
如果再次判定条件，发现队列还是满的，即是在 wait 等待过程中，出现了变数，此时就应该继续等待！
Java 标准库也是推荐，wait 要 搭配 while 进行使用，多 N 次确认操作！！！
上面英文的大概意思是： wait 可能被提前唤醒，即明明条件还没满足，就被唤醒了，所以经常是一个循环，所以我们可以使用 while 进行确认操作！
基于阻塞队列，写一个简单的生产者消费者模型
前言：在实际的开发中，生产者消费者模型，往往是多个生产者和多个消费者。这里的生产者和消费者往往不仅仅是一个线程，也可能是一个独立的服务器程序，甚至是一组服务器程序...但最核心的仍然是阻塞队列，使用 synchronized 和 wiat / notify 达到线程安全 and 阻塞
如下图，在 t2 中有 Thread.sleep(500) ==》 这对应的是生产者非常快，消费者非常慢的情况，即生产者生产 1000 个之后，消费者消费一个，生产者生产一个...
运行如下：
