DCL并非单例模式专用

　　我相信大家都很熟悉DCL，对于缺少实践经验的程序开发人员来说，DCL的学习基本限制在单例模式，但我发现在高并发场景中会经常遇到需要用到DCL的场景，但并非用做单例模式，其实DCL的核心思想和CopyOnWrite很相似，就是在需要的时候才加锁；为了说明这个观点，我先把单例的经典代码防止如下：

　　先说明几个关键词：

　　volatile：保证线程的可见性，有序性；这两点非常重要，可见性让线程可以马上获释主存变化，二有序性避免指令重排序出现问题；

public class Singleton {//通过volatile关键字来确保安全private volatile static Singleton singleton;private Singleton(){}public static Singleton getInstance(){if(singleton == null){synchronized (Singleton.class){if(singleton == null){singleton = new Singleton();}}}return singleton;}
}

　　大家可以知道，这段代码是没有性能瓶颈的线程安全（当然，用了volatile是有一定的性能影响，但起码不需要竞争锁）；这代码只会在需要的时候才加锁，这就是DCL的需要时加锁的特性，由第一个检查check保证（也就是if (singleton == null)）；

　　但DCL的需要时才加锁的魅力不仅仅如此场景而已，我们看一个需求：一个不要求实时性的更新，所有线程公用一个资源，而且只有满足某个条件的时候才更新，那么多线程需要访问缓存时，是否需要加锁呢？不需要的，看如下代码：

private static volatile JSONArray cache = new JSONArray(Collections.synchronizedList(new LinkedList<>()));public static int updateAeProduct(JSONObject aeProduct,String productId,boolean isFlush){JSONObject task = new JSONObject();String whereStr ="{\"productId\": {\"operation\": \"eq\", \"value\":\""+productId+"\" },\"provider\":{\"operation\": \"eq\", \"value\":\"aliExpress\" }}";task.put("where",JSON.parseObject(whereStr));task.put("params",aeProduct);cache.add(task);if(cache.size()>2 ||isFlush){
//        争夺更新权JSONArray temp=cache;synchronized (updateLock){if(temp==cache&&cache.contains(task)){cache = new JSONArray(Collections.synchronizedList(new LinkedList<>()));}else {return 1;}}
//      拥有更新权的继续更新try {Map<String,String> headers = new HashMap<>();headers.put("Content-Type","application/json");String response = HttpUtils.post(updateapi,temp.toJSONString(),headers);JSONObject result = JSON.parseObject(response);if(result!=null&&"Success".equals(result.getString("msg"))){
//          System.out.println("=========================完成一次批量存储，成功Flush:"+temp.size());
        }} catch (Exception e) {System.out.println("更新丢失，策略补救");e.printStackTrace();}}return 1;}

　　这样保证了性能，也做到了缓存的线程安全；这就是单例的厉害；我在项目中经常遇到该类场景，下面给出一个任务计时器的代码：

package com.mobisummer.spider.master.component;import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.ScheduledExecutorService;
import java.util.concurrent.atomic.AtomicLong;public class RateCalculator {ConcurrentHashMap<String,AtomicLong> taskInfo = new ConcurrentHashMap();volatile boolean isStart =false;Object lock = new Object();AtomicLong allCount = new AtomicLong();private ScheduledExecutorService scheduledThreadPool;public void consume(Long num,String taskId){if(taskInfo.containsKey(taskId)){taskInfo.get(taskId).addAndGet(num);}else {calculateTask(num,taskId);}allCount.addAndGet(num);calculateAll(num,taskId);}/*** 计算任务* @param num* @param taskId*/private  void calculateTask(Long num,String taskId){synchronized (lock){if(taskInfo.containsKey(taskId)){return;}else {taskInfo.put(taskId,new AtomicLong());Thread countor = new Thread(new Runnable() {@Overridepublic void run() {while (true){double startTime =System.currentTimeMillis();double startCount = taskInfo.get(taskId).get();try {Thread.sleep(10000);} catch (InterruptedException e) {System.out.println("计数器失效");}double endTime =System.currentTimeMillis();double endCount = taskInfo.get(taskId).get();double percent =(endCount-startCount)/((endTime - startTime)/1000);
//            System.out.println("目前总成功爬取速率：==========="+percent+"=======目前处理总数========："+allCount);System.out.println("目前"+taskId+"成功爬取速率：==========="+percent+"=======目前"+taskId+"处理总数========："+endCount);}}});countor.start();}}}/*** 计算所有任务* @param num* @param taskId*/private void calculateAll(Long num,String taskId){if(isStart){return;}else {synchronized (this){if(isStart){return;}else {isStart =true;Thread countor = new Thread(new Runnable() {@Overridepublic void run() {while (true){double startTime =System.currentTimeMillis();double startCount = allCount.get();try {Thread.sleep(10000);} catch (InterruptedException e) {System.out.println("计数器失效");}double endTime =System.currentTimeMillis();double endCount = allCount.get();double percent =(endCount-startCount)/((endTime - startTime)/1000);System.out.println("目前总成功爬取速率：==========="+percent+"=======目前处理总数========："+allCount);
//                System.out.println("目前"+taskId+"成功爬取速率：==========="+percent+"=======目前"+taskId+"处理总数========："+allCount);
              }}});countor.start();}}}}
}