
做Java开发的多多少少都跟“并发”较过劲。刚接触线程安全那会儿一遇到高并发第一反应就是加锁synchronized 一把梭后来啃 JUC 包里的工具才发现选择合适的并发原语比无脑加锁重要得多。今天聊的 Semaphore就是一个被严重低估的好工具。它不保证数据可见性也不管原子性却能在“并发流量”这个维度上帮你守住系统的底线。说得直白点它就是系统的流量阀门——手头一共就 N 个通行许可证谁拿到谁进场没拿到的在外头排队所以你永远不用担心同时冲进来的请求把下游打爆。这玩意儿用在接口限流、连接池管理、任务并发控制这些场景简直顺手到不行。无论你是刚入行的菜鸟还是每天跟高并发较劲的老兵信号量都值得当成一门手艺来学。下文我会从它的设计机制、核心 API、具体落地案例再到真实生产环境里踩过的坑一条龙分享出来。1. 信号量的定位从停车场理解 Semaphore1.1 一个场景讲透信号量的运作模型先别急着看源码我习惯用一个生活场景来建立直觉。想象你经营一个停车场一共只有 10 个车位。高峰期来了 50 辆车每辆车都要进门。你能做的就是在门口拦一道闸机闸机只认“剩余车位”。有车位放一辆进去剩余车位减 1没车位后面所有车排队等着什么时候有车出来剩余车位加 1再放行一辆。在这个过程中停车场本身并不关心车里坐的是谁、车要去哪、司机要停多久。它只做一件事保证停车场里同时停留的车辆数永远不会超过 10。Semaphore 就是这个闸机。Semaphore 内部维护一个许可证计数器执行acquire()就是在申请一个许可申请到了计数器减一执行release()就是归还许可计数器加一。计数器归零时所有后续的acquire()调用都会阻塞直到有别的线程释放许可。这个模型带来一个很重要的思维方式Semaphore 的核心不是“互斥”而是“准入”。互斥锁管的是“只能一个人做”信号量管的是“同时最多 N 个人做”。它是并发控制里的“容量管理”工具不关心任务与任务之间怎么协作只关心同时活跃的数量是否符合预期。1.2 Semaphore 与互斥锁、CountDownLatch、CyclicBarrier 的区别初学者最容易把 JUC 里几个并发工具搞混。我用一个极简的对照来区分它们并发工具核心语义类比典型场景Semaphore限制同时访问的线程数停车场的车位闸机接口限流、连接池管理ReentrantLock / synchronized同一时刻只允许一个线程进入单人厕所的一把锁临界区保护、数据一致性CountDownLatch一个或多个线程等待其他线程完成百米冲刺的发令枪等待多个任务完成后汇总CyclicBarrier一组线程相互等待齐了再放行旅行团在集合点等人齐并行计算的分批聚合关键差异在于“等待目标”。CountDownLatch 等的是事件发生计数器归零CyclicBarrier 等的是“人都到齐”Semaphore 等的是“许可证有空余”。你在设计并发方案的时候先想清楚自己到底在控制什么再决定用哪个工具能少走很多弯路。顺带提一句如果你看到有人用Semaphore(1, fair)来实现互斥锁这在功能上没问题但没必要。Semaphore 的许可语义比锁更重而且你还要自己保证在 finally 里释放一旦忘了 release整个系统直接假死。ReentrantLock 本身就支持重入、可中断、限时获取做互斥锁更顺手。2. 核心机制拆解许可证、公平性与 AQS2.1 许可证的本质一个会加减的计数器进入源码层面Semaphore 的实现并不复杂它底层是基于 AbstractQueuedSynchronizerAQS的同步状态 state 来实现的。AQS 里的 state 是一个 int 类型的字段Semaphore 把它的值理解为“当前剩余许可数”。调用acquire()时内部会通过 CASCompare And Swap尝试把 state 减一。CAS 成功说明许可拿到手CAS 失败说明当前没有余量线程会被封装成一个 Node 节点挂到 AQS 的等待队列里阻塞挂起。release()则是反过来CAS 把 state 加一然后唤醒等待队列里的下一个线程。这里有个值得品一品的设计Semaphore 和 ReentrantLock 其实是同一套骨架的两种用法。它们都基于 AQS 的同步队列区别只在于对 state 的状态解释和获取逻辑不同。理解了这一点你会对并发包里的各种工具产生一种“原来都是套路”的豁然开朗感。一个很实用的知识点如果配置大流量场景比如几十万线程在竞争CAS 自旋加锁失败再入队性能上会有损耗。但 Semaphore 本身在设计上已经做了很多优化非公平模式下冲突较少时整体吞吐是相当可观的。2.2 公平与非公平选错模式会有什么后果Semaphore 的构造函数支持两个参数Semaphore semaphore new Semaphore(permits); // 非公平模式 Semaphore semaphore new Semaphore(permits, true); // 公平模式公平模式保证先调用acquire()的线程先获得许可遵循“先来后到”本质是让线程按顺序进入。非公平模式则允许后来的线程在许可可用时“插队”性能更好但极端情况下可能导致排在队列前面的线程一直拿不到许可产生饥饿。选哪种模式要按业务场景去权衡。如果这个信号量是被普通业务线程高频争抢的比如商品详情接口的限流闸门我建议默认就选非公平模式。为什么高并发下公平模式要做大量的线程调度和队列唤醒吞吐量掉得很快而且 Java 的线程调度本身并不保证严格的时间片公平你很难为“绝对公平”付出这个代价。反过来如果这是控制准入顺序的重要业务流程比如批处理任务要按提交顺序执行那就选公平模式。以空间换时间牺牲一点吞吐换取可预期的执行顺序。2.3 常用方法盘点与使用边界写代码之前先把 Semaphore 的常用 API 盘一遍这些方法基本覆盖了 90% 的日常需求。方法签名行为说明适用场景acquire()获取一个许可无线等待可中断必须拿到许可才能执行acquire(n)获取 n 个许可可中断批量资源占用tryAcquire()尝试获取一个许可拿不到立即返回 false可选获取不阻塞tryAcquire(timeout, unit)限时等待许可超时返回 false接口限流、避免线程长时间挂起release()释放一个许可执行完成后的归还release(n)释放 n 个许可与 acquire(n) 成对使用availablePermits()查询当前剩余许可数监控与排查getQueueLength()当前等待许可的线程数监控与排查hasQueuedThreads()是否还有线程在排队判断任务是否积压临界场景是那些“许可并没有被实际业务使用”的情况。比如drainPermits()可以一次性获取并清空所有剩余许可这个 API 在动态调整信号量水位时非常有用但用的时候要想清楚拿了这么多许可到底要干嘛如果不归还或归还时机不对信号量的初始容量就被永久消耗掉了。还有个细节值得注意tryAcquire返回的是布尔值千万别把它和acquire混用。业务代码里如果只用acquire()没有配合超时策略一旦下游恢复不过来所有请求都会卡在门口排队用户感知表现就是接口整体雪崩。3. 实战用 Semaphore 给接口加一道“流量阀门”3.1 接口限流的落地代码与设计思路说个真实的业务场景。我之前负责过一个商品详情聚合接口底层依赖着一个第三方价格服务。这个第三方服务并发能力很有限线上曾经就出现过某个大促预热期流量一抖价格服务响应超时率直接飙到 30%连带我们整个商品详情页跟着卡顿。后来我们做了个简单粗暴但非常有效的设计在调用价格服务之前加一道 Semaphore 闸门。线上配置只允许同时有 20 个调用进入第三方服务多余的请求直接在本地快速失败并返回降级数据。核心代码如下public class ProductQueryService { private static final Semaphore THIRD_PARTY_GATE new Semaphore(20); public ProductDetail queryProductDetail(Long productId) { boolean acquired false; try { // 最多等待200毫秒拿不到许可就触发降级 acquired THIRD_PARTY_GATE.tryAcquire(200, TimeUnit.MILLISECONDS); if (!acquired) { return buildDegradedProductDetail(productId); } return doQueryFromThirdParty(productId); } catch (InterruptedException e) { Thread.currentThread().interrupt(); return buildDegradedProductDetail(productId); } finally { if (acquired) { THIRD_PARTY_GATE.release(); } } } }这个示例看起来简单但里面的门道不少。第一我用了tryAcquire(200, TimeUnit.MILLISECONDS)而不是acquire()这是为了防止限流后的请求无限期排队。200 毫秒一个超时窗口真拿不到许可就直接降级体验上只是少了点数据丰富度不会导致整个请求悬挂。第二acquired这个标志位必须独立记录因为如果tryAcquire返回 false那 finally 块里的release()绝对不能再执行否则会把别人的许可释放掉信号量会越用越多。这里也解释一下为什么用Semaphore而不是用RateLimiter。Semaphore 管的是“同时有多少个调用在飞”而 RateLimiter 管的是“每秒生成多少个令牌”。但也有另外的维度如果你希望限流不是按并发数而是按 QPS 的速率去限那应该选 Guava RateLimiter 或 Resilience4j 的 RateLimiter。Semaphore 的优势在于它简单、内存占用极小、不依赖时间窗口计算适合做“并发闸门”而不是“速率闸门”。3.2 并发数怎么算从 Littles Law 说起信号量的初始许可数如何确定是个经常拍脑袋的环节但这其实有据可循。在稳定系统中并发数、请求延迟、吞吐量之间有一个非常朴素的关系来源于 Littles LawL λ × W翻译成工程语言就是系统同时处理的任务数L等于每秒钟新到达的任务数λ乘以单个任务的平均耗时W。举个例子。假设你的下游服务单次接口调用的平均耗时为 200ms目标吞吐量是每秒 100 次调用。换算下来你至少需要同时处理 100 × 0.2 20 个请求。如果你只给信号量配置 10 个许可每秒最多只能处理 10 / 0.2 50 次调用吞吐量只有目标的一半流量会被过量阻挡。当然这是纯理论模型实际引入时还需要考虑几个工程因子预留冗余许可数建议比理论值多出 20%因为线上响应时间不是恒定的抖动期会拉高平均耗时。硬性上限要以下游服务最差可用状态为准保证在最坏情况下不会把下游拖垮。水位监控把 availablePermits() 打到监控系统里观察它是不是经常归零。归零越频繁说明限流越激进长期处于高位说明配置过于保守。我个人建议初次上线时可以设置一个保守值然后通过监控曲线逐渐调大三步走先拍一个预估并发数跑一天看监控再根据 availablePermits 的曲线和下游服务成功率调整。3.3 动态调整信号量的简易实现生产环境里有一个很实际的需求信号量的许可数不够恒定高峰期想要更多容量低峰期想要更保守。Semaphore 本身没有提供“修改许可总数”的 API但我们可以用 acquire 和 release 去“存储”和“释放”许可。思路是启动时 Semaphore 初始化为一个较大的最大值比如 100。当监控发现下游吃紧、需要把并发限制降为 70 时专门用一个调整线程执行acquire(30)这 30 个许可被“吞掉”且不归还相当于把可用水位降到了 70。等到下游恢复、需要调高时再release(30)把许可数量加回来。public class AdaptiveSemaphore { private final Semaphore semaphore; public AdaptiveSemaphore(int maxPermits) { this.semaphore new Semaphore(maxPermits); } public void reduceBy(int permits) { try { // 持有许可但不释放消耗可用水位 semaphore.acquire(permits); } catch (InterruptedException e) { Thread.currentThread().interrupt(); } } public void increaseBy(int permits) { semaphore.release(permits); } }这个方案虽然能实现动态水位但有一个无法回避的并发安全隐患当业务线程也在 acquire 时调整线程执行 acquire 会与业务线程一起竞争许可调整操作可能迟迟拿不到许可。在极端压力下调整线程会被阻塞调低水位反而产生新问题。更稳的做法是直接采用“分层限流”的思路主信号量放开容量前面再加一层网关限流或负载均衡策略让外围先挡一层流量。Semaphore 动态调节适合低频、非核心场景真到那种需要秒级调整水位的场景就得考虑 Nacos/Consul 动态配置加专门并发控制组件了这块复杂度远超一个工具类。4. 实战任务准入控制与线程池的配合4.1 多任务并发控制的代码示例除了防流量击穿Semaphore 另一个典型场景是控制后台批量任务的并发数保护数据库、文件系统或外部 API 不被任务洪峰冲垮。之前做一个分库数据同步工具每天凌晨要从 50 个分库把增量数据拉到数仓。如果 50 个任务同时启动源库的负载立刻飙到 90% 以上为了避免把源库打成强杀我需要让同一时刻最多只有 5 个任务在跑其他任务排队等待。最直观的写法是这样的public class SyncTaskScheduler { private static final Semaphore SYNC_GATE new Semaphore(5); public void submitSyncTasks(ListDataSource dataSources) { for (DataSource dataSource : dataSources) { Thread taskThread new Thread(() - { try { SYNC_GATE.acquire(); syncSingleTable(dataSource); } catch (InterruptedException e) { Thread.currentThread().interrupt(); } finally { SYNC_GATE.release(); } }); taskThread.start(); } } }这个方案效果立竿见影但说实话直接 new Thread 的写法在生产环境不太推荐。线程本身的创建、销毁开销不小50 个任务也没问题但如果任务数是上千上万级别这样的线程风暴会先把 JVM 的线程资源耗尽。正确做法是配合固定大小的线程池使用线程池负责线程复用Semaphore 负责业务准入两者解耦。4.2 结合线程池的进阶玩法把上面的例子改造一下用线程池控制线程创建用信号量限制真正同时执行的业务数量代码会清晰很多public class SyncTaskScheduler { private final ExecutorService executorService; private final Semaphore syncGate; public SyncTaskScheduler(int maxConcurrentSync, int queueCapacity) { this.syncGate new Semaphore(maxConcurrentSync); this.executorService new ThreadPoolExecutor( maxConcurrentSync, maxConcurrentSync, 60L, TimeUnit.SECONDS, new LinkedBlockingQueue(queueCapacity), new NamedThreadFactory(sync-task), new ThreadPoolExecutor.CallerRunsPolicy() ); } public void submitSyncTask(DataSource dataSource) { executorService.submit(() - { try { syncGate.acquire(); syncSingleTable(dataSource); } catch (InterruptedException e) { Thread.currentThread().interrupt(); Thread.currentThread().interrupt(); } finally { syncGate.release(); } }); } }线程池大小和信号量许可数是否需要一致这里不要硬性相等。线程池大小决定的是“能够同时运行多少个线程”信号量决定的是“能够同时进入业务的线程数”。如果每个业务很短线程数可以大于信号量许可数因为大部分线程在 acquire 上排队如果每个业务都要占用外部资源很久两者接近或线程数略小即可。量化思路依然是 Littles Law目标并发度 单任务耗时 × 每秒尝试调度的任务数。还有一点线程池的拒绝策略要慎重处理。如果队列满了新任务直接抛 RejectedExecutionException那 Semaphore 根本派不上用场。建议把拒绝策略设置为 CallerRunsPolicy让提交任务的线程自己执行虽然这会让提交方阻塞但至少不会丢任务。4.3 多许可获取的细节与风险有些业务场景需要一次性获取多个许可比如你要同时并发写入三个分库如果只拿到一个许可就可能导致三个分库的负载不均衡。此时可以用acquire(3)一次性申请 3 个许可执行完成后release(3)归还。semaphore.acquire(3); try { // 同时占用3个许可的业务操作 } finally { semaphore.release(3); }这里有一个非常隐蔽的坑acquire 的许可数量必须与 release 的许可数量严格相等。如果 acquire(3) 却只 release(1)或者 release() 少了数量信号量的计数就会慢慢“塌”下去——初始 10 个许可释放 1 个后变成只剩 8 个再执行几次许可越来越小系统容量被悄悄蚕食。这种 bug 在上线初期基本发现不了因为业务压力不大许可能够满足需求等到流量上涨之后才会突然出现部分线程全部卡死的现象。排查方式就是看监控里 availablePermits 是不是随时间呈现锯齿状下降的趋势。另外如果多个线程同时调用 acquire(3)而当前剩余许可只有 2 个那么这个线程会一直阻塞等待第 3 个许可能被释放。这原本没问题但如果有别的线程持有 1 个许可不释放而那个线程又在等待这个线程的执行结果就会形成死锁。处理这种场景我建议为许可数量设置超时策略用tryAcquire(3, timeout, unit)替代裸acquire(3)。5. 易错点与排查技巧实录5.1 信号量泄漏availablePermits 持续下降怎么办信号量泄漏是我在排查线上问题时遇到过的最大杀招。业务同学写代码时常常用semaphore.acquire()获取许可业务逻辑执行完直接 returnfinally 里忘了写 release。运气好异常路径没触发系统一直正常运气不好某个晚上监控告警“商品池访问超时”登录服务器一看所有线程都阻塞在 semaphore.acquire() 上。排查信号量问题第一件事是确认 availablePermits 是不是一直在降。可以在压测环境执行一轮业务回归每隔一分钟拉一次# 通过 JMX 或应用监控接口获取 Semaphore 的 availablePermits curl http://localhost:port/actuator/metrics/semaphore.availablePermits如果 availablePermits 长期为 0即使当前系统 QPS 并不高那么大概率存在泄漏。 这时候要重点检查所有 acquire 路径确保每个分支的 release 都覆盖到了。建议将 acquire 和 release 封装成带最终释放的工具方法减少遗忘概率。封装一个工具类是最高效的兜底方案代码如下public class SemaphoreTemplate { private final Semaphore semaphore; public SemaphoreTemplate(int permits) { this.semaphore new Semaphore(permits); } public T T execute(SupplierT supplier, long timeout, TimeUnit unit) { boolean acquired false; try { acquired semaphore.tryAcquire(timeout, unit); if (!acquired) { throw new TimeoutException(acquire semaphore timeout); } return supplier.get(); } catch (InterruptedException e) { Thread.currentThread().interrupt(); throw new RuntimeException(acquire interrupted, e); } finally { if (acquired) { semaphore.release(); } } } }用模板方法包一层之后调用方只需要关心业务逻辑release 永远在 finally 里彻底摆脱“忘了释放”这个隐患。5.2 跨线程释放的正确姿势Semaphore 和锁最大的一个不同点在于它不要求 acquire 和 release 必须发生在同一个线程。正是这个特性让它特别适合异步化场景主线程获取许可把任务扔给子线程子线程执行完之后释放。比如异步批量并发导出报表可以用这种模式Semaphore exportGate new Semaphore(3); public void asyncExport() { try { exportGate.acquire(); executorService.submit(() - { try { doExport(); } finally { exportGate.release(); } }); } catch (InterruptedException e) { Thread.currentThread().interrupt(); } }注意主线程一旦 acquire 成功就立刻把任务提交给线程池然后返回。release 发生在子线程里这种跨线程释放是允许且合理的。但如果你没有意识到它的存在就很容易踩进另一个坑有人在异步回调里释放了许可却不知道主线程再也没归还信号量从 3 降为 2、1、0悄无声息地“漏光”。所以我的建议是如果业务中出现了跨线程释放必须确保释放时机和释放次数清晰可控。在代码评审时把这一类写法单独拎出来看最好在注释里写清楚“这里 release 在子线程中执行禁止二次释放”。5.3 InterruptedException 处理细节网络上很多 Semaphore 示例里catch InterruptedException 块只是简单地打印日志其实这是不对的。InterruptedException 是中断信号异常发生后线程的中断标志位已经被清除如果不重新设置外层代码就无法感知线程曾经被中断过可能导致任务恢复执行时会继续占用资源。规范写法一定是捕获异常后调用Thread.currentThread().interrupt()重新设置中断标志然后根据业务做降级或向上抛出。catch (InterruptedException e) { Thread.currentThread().interrupt(); // 降级逻辑或根据业务决定是否重新抛出 }这个细节在教条式的博客里经常被忽略但它是线程协作规范的核心之一。中断状态是线程状态的一部分丢弃它等于丢弃了一次信号通知。5.4 常见问题速查表异常现象可能原因排查与解决方案availablePermits 逐渐降为 0代码缺少 release检查所有 acquire 分支确认 finally 释放线程全部阻塞在 acquire信号量泄漏或并发数超出预期查看监控、堆栈 dump 定位阻塞位置获取信号量超时率偏高初始许可数配置过小根据 Littles Law 重新计算许可数acquire 与 release 数量不一致多次 release 或数量不匹配检查 acquire(n) 与 release(n) 数值一致性排队线程迟迟拿不到许可非公平模式下存在饥饿评估切换公平模式或降低并发争抢在线排查这类问题常用的命令是jstack pid。直接把堆栈 dump 下来搜Semaphore关键字看看有多少线程处于park状态再对比 signal 量计的初始值和业务 QPS基本上能判断出是容量不足还是泄漏。6. 写在最后别人不会告诉你的几个使用心得扯了这么多最后分享一点个人经验。第一个心得是不要迷信 Semaphore 能解决所有限流问题它在并发准入控制上的确很强但限流是一个体系除了信号量你还需要超时、熔断、降级、负载均衡配合使用。Semaphore 只负责容量登记负责“最多 N 个”而“流量太大怎么丢、怎么降级”是它管不了的。第二个心得使用 Semaphore 的代码必须配上监控。起码要监控 availablePermits 和等待线程数。信号量跟内存泄漏一样它不会立即崩溃但会在某个临界点突然引爆。没有监控你永远不知道它什么时候就被消耗干净了。最后一个心得面试的时候你可以把“用 Semaphore 做过接口限流”写进简历但面试官大概率会追问“为什么不用 RateLimiter”或者“信号量的底层实现是什么”。能说出本文里 Littles Law 计算并发预算、AQS 队列排队非公平插队、跨线程释放这些点的候选人都算真正吃透了信号量。技术细节永远比背诵 API 有说服力。下次再写并发代码看到类似“同时最多 N 个任务进去剩下的等着”这种需求可以先把 Semaphore 拿出来它比你自己写状态变量要可靠得多。