Thread(my).start(); new Thread(my).start(); } } Volatile 在多线程，同步变量。 线程为了提高效率，将某成员变量(如A)拷贝了一份（如B），线程中

续增加的延迟。并且有时系统会要求同时保证大量数据处理和低延迟。非堆存储就是有这样一种能力：独立管理内存空间而不产生垃圾回收压力。Java中管理集合的两个类”Queue“和"HashMap"使用起来相当

现在的操作系统是多任务操作系统。多线程是实现多任务的一种方式。 进程是指一个内存中运行的应用程序，每个进程都有自己独立的一块内存空间，一个进程中可以启动多个线程。比如在Windows系统中，一个运行的exe就是一个进程。

在了解jvm的结构之前，我们有必要先来了解一下操作系统的内存基本结构： 操作系统中的jvm 为什么jvm的内存是分布在操作系统的堆中呢？？因为操作系统的栈是操作系统管理的，它随时会被回

志在成为世界上最快交易平台的公司——LMAX，在性能测试过程中，发现内存队列的时间延迟竟与I/o操作处于同样的数量级。为了解决前者，他们研发了Disruptor。 注意：这里的队列是指系统内部的内存队列，而不是类似于kafka的分布

动态确保某一个类只有一个实例，而且自行实例化并向整个系统提供这个实例。 优点： 1.1、由于单例模式在内存中只有一个实例，减少了内存开销。对于那些耗内存的类，只实例化一次，大大提高性能，尤其是移动开发中。 1.2、单例模式可

现在的操作系统是多任务操作系统。多线程是实现多任务的一种方式。 进程是指一个内存中运行的应用程序，每个进程都有自己独立的一块内存空间，一个进程中可以启动多个线程。比如在Windows系统中，一个运行的exe就是一个进程。

现在的操作系统是多任务操作系统。多线程是实现多任务的一种方式。 进程是指一个内存中运行的应用程序，每个进程都有自己独立的一块内存空间，一个进程中可以启动多个线程。比如在Windows系统中，一个运行的exe就是一个进程。

currentTimeMillis(); new Date(); Math.random(); 它们是 JVM 中非常常用的暗藏全局状态（global state）的方法，全局状态会引入状态不确定性（state

主要问题在于 wife = new Wife() 这句代码，因为在 JVM（Java 虚拟机）执行这句代码的时候，要做好几件事情，而 JVM 为了优化代码，有可能造成做这几件事情的执行顺序是不固定的，从而

。 二、网络IO模型 多路非阻塞其实准确的名字叫做IO多路复用模型，其是linux五种网络模型之一，也是当前网络编程最常使用的模型之一。至于详细的介绍请参考博客： 高性能IO模型浅析 (这个里边只

线应用的客户端和服务器端建立了完整的开发、部署环境。随着J2ME的应用，它为移动互联引入了一种新的模型，即允许手机可以从互联网上下载各种应用程序，并在手机创造可执行环境离线运行这些程序。由于定义了可执

简单来讲，Java的内存分为堆和栈，其中堆是程序员用的内存，栈是系统用的内存。（ 这句话不一定正确，但可以这么理解 ）Java的内存管理主要是管理对象的分配和释放，或者说内存的分配和回收。在C或C+

现在的操作系统是多任务操作系统。多线程是实现多任务的一种方式。 进程是指一个内存中运行的应用程序，每个进程都有自己独立的一块内存空间，一个进程中可以启动多个线程。比如在Windows系统中，一个运行的exe就是一个进程。

打基础还是要看书实战的。 java内存模型 直接盗图一张（图寝删），详细讲解参考 博客 。 java内存模型的作用可以理解为抽象了线程私有内存与主存（共享内存或堆）的关系，也就是原子性、可见性

或者被 -Xbootclasspath 参数指定路径中的, 并且是被虚拟机识别的类库加载到虚拟机内存中. 扩展类加载器(Extension ClassLoader)负责加载在 \lib\ext

种GC类型以及各种类型对应用程序的影响。 在第二篇 如何监控Java的垃圾回收 中，阐述了 JVM 是怎样实际执行垃圾回收的，我们怎样去监控GC以及哪些工具能让这个过程更高效。 第三篇 如何如何优化Java垃圾回收机制

据操作的方法 　　在一个对象中，用synchonized声明的方法为同步方法。Java中有一个同步模型-监视器，负责管理线程对对象中的同步方法的访问，它的原理是：赋予该对象唯一一把'钥匙'，当多个线程

果是在并发请求很高的情况下，就会有些隐患： · 新建线程的开销。线程虽然比进程要轻量许多，但对于JVM来说，新建一个线程的代价还是挺大的，决不同于新建一个对象 · 资源消耗量。没有一个池来限制线程的数

memory命令，会只返回与内存相关的数据。 为了快速定位并解决性能问题，这里选择5个关键性的数据指标，它包含了大多数人在使用Redis上会经常碰到的性能问题。 内存使用率used_memory