内容摘要：本文转载自微信公众号「AndroidPub」，作者fundroid。转载本文请联系AndroidPub公众号。生产者和消费者问题是线程模型中的经典问题：生产者和消费者在同一时间段内共用同一个缓冲区(B

本文转载自微信公众号「AndroidPub」，孔乙作者fundroid。消费转载本文请联系AndroidPub公众号。问种解

生产者和消费者问题是孔乙线程模型中的经典问题：生产者和消费者在同一时间段内共用同一个缓冲区(Buffer)，生产者往 Buffer 中添加产品，消费消费者从 Buffer 中取走产品，问种解当 Buffer 为空时，孔乙消费者阻塞，消费当 Buffer 满时，问种解生产者阻塞。孔乙

Kotlin 中有多种方法可以实现多线程的消费生产/消费模型(大多也适用于Java)

Synchronized ReentrantLock BlockingQueue Semaphore PipedXXXStream RxJava Coroutine Flow

1. Synchronized

Synchronized 是最最基本的线程同步工具，配合 wait/notify 可以实现实现生产消费问题。问种解

val buffer = LinkedList<Data>() val MAX = 5 //buffer最大size val lock = Object() fun produce(data: Data) {      sleep(2000) // mock produce     synchronized(lock) {          while (buffer.size >= MAX) {             // 当buffer满时，孔乙停止生产            // 注意此处使用while不能使用if，消费因为有可能是问种解被另一个生产线程而非消费线程唤醒，所以要再次检查buffer状态            // 如果生产消费两把锁，则不必担心此问题            lock.wait()         }       buffer.push(data)         // notify方法只唤醒其中一个线程，选择哪个线程取决于操作系统对多线程管理的实现。         // notifyAll会唤醒所有等待中线程，哪一个线程将会第一个处理取决于操作系统的实现，但是都有机会处理。         // 此处使用notify有可能唤醒的是另一个生产线程从而造成死锁，所以必须使用notifyAll         lock.notifyAll()     } } fun consume() {      synchronized(lock) {          while (buffer.isEmpty())             lock.wait() // 暂停消费         buffer.removeFirst()         lock.notifyAll()     }     sleep(2000) // mock consume } @Test fun test() {      // 同时启动多个生产、源码下载消费线程     repeat(10) {          Thread {  produce(Data()) }.start()     }     repeat(10) {          Thread {  consume() }.start()     } } 

2. ReentrantLock

Lock 相对于 Synchronized 好处是当有多个生产线/消费线程时，我们可以通过定义多个 condition 精确指定唤醒哪一个。下面的例子展示 Lock 配合 await/single 替换前面 Synchronized 写法。

val buffer = LinkedList<Data>() val MAX = 5 //buffer最大size val lock = ReentrantLock()                      val condition = lock.newCondition()           fun produce(data: Data) {                            sleep(2000) // mock produce                     lock.lock()                                     while (buffer.size >= 5)                               condition.await()                           buffer.push(data)                               condition.signalAll()                           lock.unlock()                               }                                               fun consume() {                                      lock.lock()                                     while (buffer.isEmpty())                               condition.await()                           buffer.removeFirst()     condition.singleAll()                             lock.unlock()                                   sleep(2000) // mock consume                 }                                             

3. BlockingQueue (阻塞队列)

BlockingQueue在达到临界条件时，再进行读写会自动阻塞当前线程等待锁的释放，天然适合这种生产/消费场景。

val buffer = LinkedBlockingQueue<Data>(5)                fun produce(data: Data) {                                     sleep(2000) // mock produce                              buffer.put(data) //buffer满时自动阻塞                        } fun consume() {                                               buffer.take() // buffer空时自动阻塞     sleep(2000) // mock consume                          }                                                        

注意 BlockingQueue 的有三组读/写方法，只有一组有阻塞效果，不要用错。

方法 说明 add(o)/remove(o)add 方法在添加元素的时候，若超出了队列的长度会直接抛出异常 offer(o)/poll(o)offer 在添加元素时，如果发现队列已满无法添加的话，会直接返回false put(o)/take(o)

put 向队尾添加元素的时候发现队列已经满了会发生阻塞一直等待空间，以加入元素

 

4. Semaphore(信号量)

Semaphore 是 JUC 提供的一种共享锁机制，可以进行拥塞控制，此特性可用来控制 buffer 的大小。

// canProduce: 可以生产数量（即buffer可用的数量），生产者调用acquire，减少permit数目     val canProduce = Semaphore(5)                                                                                            // canConsumer：可以消费数量，生产者调用release，增加permit数目                   val canConsume = Semaphore(5)                                                                                       // 控制buffer访问互斥                                                 val mutex = Semaphore(0)                                        val buffer = LinkedList<Data>()                                 fun produce(data: Data) {                                            if (canProduce.tryAcquire()) {                                       sleep(2000) // mock produce                                     mutex.acquire()                                                 buffer.push(data)                                               mutex.release()                                                 canConsume.release() //通知消费端新增加了一个产品                        }                                                           }                                                               fun consume() {                                                      if (canConsume.tryAcquire()) {                                       sleep(2000) // mock consume                                     mutex.acquire()                                                 buffer.removeFirst()                                            mutex.release()                                                 canProduce.release() //通知生产端可以再追加生产                         }                                                           }                                         

5. PipedXXXStream (管道)

Java 里的亿华云计算管道输入/输出流 PipedInputStream / PipedOutputStream 实现了类似管道的功能，用于不同线程之间的相互通信，输入流中有一个缓冲数组，当缓冲数组为空的时候，输入流 PipedInputStream 所在的线程将阻塞。

val pis: PipedInputStream = PipedInputStream() val pos: PipedOutputStream by lazy {      PipedOutputStream().apply {          pis.connect(this) //输入输出流之间建立连接     } } fun produce(data: ContactsContract.Data) {      while (true) {          sleep(2000)         pos.use {  // Kotlin 使用 use 方便的进行资源释放             it.write(data.getBytes())             it.flush()         }     } } fun consume() {      while (true) {          sleep(2000)         pis.use {              val byteArray = ByteArray(1024)             it.read(byteArray)         }     } } @Test fun Test() {      repeat(10) {          Thread {  produce(Data()) }.start()     }     repeat(10) {          Thread {  consume() }.start()     } } 

6. RxJava

RxJava 从概念上，可以将 Observable/Subject 作为生产者， Subscriber 作为消费者， 但是无论 Subject 或是 Observable 都缺少 Buffer 溢出时的阻塞机制，难以独立实现生产者/消费者模型。

Flowable 的背压机制，可以用来控制 buffer 数量，并在上下游之间建立通信， 配合 Atomic 可以变向实现单生产者/单消费者场景，(不适用于多生产者/多消费者场景)。

class Producer : Flowable<Data>() {      override fun subscribeActual(subscriber: org.reactivestreams.Subscriber<in Data>) {          subscriber.onSubscribe(object : Subscription {              override fun cancel() {                  //...             }             private val outStandingRequests = AtomicLong(0)             override fun request(n: Long) {  //收到下游通知，开始生产                 outStandingRequests.addAndGet(n)                 while (outStandingRequests.get() > 0) {                      sleep(2000)                     subscriber.onNext(Data())                     outStandingRequests.decrementAndGet()                 }             }         })     } } class Consumer : DefaultSubscriber<Data>() {      override fun onStart() {          request(1)     }     override fun onNext(i: Data?) {          sleep(2000) //mock consume         request(1) //通知上游可以增加生产     }     override fun onError(throwable: Throwable) {          //...     }     override fun onComplete() {          //...     } } @Test fun test_rxjava() {      try {          val testProducer = Producer)         val testConsumer = Consumer()         testProducer             .subscribeOn(Schedulers.computation())             .observeOn(Schedulers.single())             .blockingSubscribe(testConsumer)     } catch (t: Throwable) {          t.printStackTrace()     } } 

7. Coroutine Channel

协程中的 Channel 具有拥塞控制机制，可以实现生产者消费者之间的通信。可以把 Channel 理解为一个协程版本的阻塞队列，capacity 指定队列容量。

val channel = Channel<Data>(capacity = 5) suspend fun produce(data: ContactsContract.Contacts.Data) = run {      delay(2000) //mock produce     channel.send(data) } suspend fun consume() = run {      delay(2000)//mock consume     channel.receive() } @Test fun test_channel() {      repeat(10) {          GlobalScope.launch {              produce(Data())         }     }     repeat(10) {          GlobalScope.launch {             consume()         }     } } 

此外，亿华云Coroutine 提供了 produce 方法，在声明 Channel 的同时生产数据，写法上更简单，适合单消费者单生产者的场景：

fun CoroutineScope.produce(): ReceiveChannel<Data> = produce {      repeat(10) {          delay(2000) //mock produce         send(Data())     } } @Test fun test_produce() {      GlobalScope.launch {          produce.consumeEach {              delay(2000) //mock consume         }     } } 

8. Coroutine Flow

Flow 跟 RxJava 一样，因为缺少 Buffer 溢出时的阻塞机制，不适合处理生产消费问题，其背压机制也比较简单，无法像 RxJava 那样收到下游通知。但是 Flow 后来发布了 SharedFlow， 作为带缓冲的热流，提供了 Buffer 溢出策略，可以用作生产者/消费者之间的同步。

val flow : MutableSharedFlow<Data> = MutableSharedFlow(     extraBufferCapacity = 5  //缓冲大小     , onBufferOverflow = BufferOverflow.SUSPEND // 缓冲溢出时的策略：挂起 ) @Test fun test() {      GlobalScope.launch {          repeat(10) {              delay(2000) //mock produce             sharedFlow.emit(Data())         }     }     GlobalScope.launch {          sharedFlow.collect {              delay(2000) //mock consume         }     } } 

注意 SharedFlow 也只能用在单生产者/单消费者场景。

总结

生产者/消费者问题，其本质核心还是多线程读写共享资源(Buffer)时的同步问题，理论上只要具有同步机制的多线程框架，例如线程锁、信号量、阻塞队列、协程 Channel等，都是可以实现生产消费模型的。 

另外，RxJava 和 Flow 虽然也是多线程框架，但是缺少Buffer溢出时的阻塞机制，不适用于生产/消费场景，更适合在纯响应式场景中使用。