回复
详细解读ThreadLocal的内存泄露
maxdl
发布于 2023-2-13 15:53
浏览
0收藏
说到内存溢出，我相信各位都知道是什么，但是说到内存泄露，而且还是 ThreadLocal ,阿粉就得来说一下这个了，毕竟如果面试的时候被问到 ThreadLocal 的内存泄露，是不是有可能不太了解了呢，今天阿粉来说一下这个 ThreadLocal 的内存泄露的原因，以及如何从开发中去避免这个问题。
什么是内存泄露
说到内存泄露，阿粉就得说一下，这个可能对于初中级的程序员来说，还是比较陌生的，为什么这么说，是因为，JVM 有自己的内存回收机制，所以对于初中级的程序员来说，很少有接触到这个的，而内存泄露的意思呢，就是为程序在申请内存后，无法释放已申请的内存空间，一次内存泄露危害可以忽略，但内存泄露堆积后果很严重，无论多少内存,迟早会被占光。
我们也都知道，我们有时候在定义变量的时候，就应该明白，他需要一段内存空间来存储这个数据信息，而这段内存如果一直不被释放，那么就会导致，内存被占用光，而被占用的这个对象，一直不能被回收掉，这就是内存泄漏。
在说 ThreadLocal 的内存泄露之前，我们先说说 ThreadLocal 的实现原理，然后我们再分析，他是泄露的原因是什么？
private ThreadLocalMap(ThreadLocalMap parentMap) {
Entry[] parentTable = parentMap.table;
int len = parentTable.length;
setThreshold(len);
table = new Entry[len];
for (int j = 0; j < len; j++) {
Entry e = parentTable[j];
if (e != null) {
@SuppressWarnings("unchecked")
ThreadLocal<Object> key = (ThreadLocal<Object>) e.get();
if (key != null) {
Object value = key.childValue(e.value);
Entry c = new Entry(key, value);
int h = key.threadLocalHashCode & (len - 1);
while (table[h] != null)
h = nextIndex(h, len);
table[h] = c;
size++;
}
}
}
}每一个 ThreadLocal 维护一个 ThreadLocalMap，key为使用 弱引用 的 ThreadLocal 实例，value为线程变量的副本。
那么什么又是弱引用呢？
引用的话，其实分为了两类，既然有弱引用，那么必然的，就会有强引用，所以我们得区分开这个强引用和弱引用。
强引用
使用最普遍的引用，一个对象具有强引用，不会被垃圾回收器回收。当内存空间不足，Java虚 拟机宁愿抛出OutOfMemoryError错误，使程序异常终止，也不回收这种对象。
如果想取消强引用和某个对象之间的关联，可以显式地将引用赋值为null，这样可以使JVM在合适的时 间就会回收该对象。
弱引用
JVM进行垃圾回收时，无论内存是否充足，都会回收被弱引用关联的对象。在 java 中，用 java.lang.ref.WeakReference 类来表示。可以在缓存中使用弱引用。
上面阿粉也说了，每一个 ThreadLocal 维护一个 ThreadLocalMap，key为使用 弱引用 的 ThreadLocal 实例，value为线程变量的副本。而他们之间的引用关系如下图：
在这个图中，
实线表示-强引用
虚线表示-弱引用
从图中，我们就能分析出这个 ThreadLocal 是怎么出现内存泄露的了，我们从图中能够看到，ThreadLocalMap 使用 ThreadLocal 的弱引用作为key，如果一个ThreadLocal不存在外部强引用时，Key(ThreadLocal)势必会被GC回收，这样就会导致 ThreadLocalMap 中 key 为null， 而 value 还存在着强引用，只有 Thead 线程退出以后, value 的强引用链条才会断掉。
但如果当前线程再迟迟不结束的话，这些key为null的Entry的value就会一直存在一条强引用链：
Thread Ref -> Thread -> ThreaLocalMap -> Entry -> value
这个时候，永远无法回收，就会造成 ThreadLocal 出现内存泄露的问题了。
这个时候就有读者会问，为什么 ThreaLocalMap 使用 ThreadLocal 的弱引用，而不去使用强引用，使用强引用的话，是不是就不会出现这个内存泄露的问题了呢？
其实这完全不是一回事，因为如果这时候 ThreaLocalMap 的 key 为强引用回收 ThreadLocal 时，因为 ThreadLocalMap 还持有 ThreadLocal 的强引用，如果没有手动删除，ThreadLocal 不会被回收，导致Entry内存泄漏。
这是使用强引用的时候，那么使用弱引用的时候是什么样的呢？
当 ThreadLocalMap 的 key 为弱引用回收 ThreadLocal 时，由于 ThreadLocalMap 持有 ThreadLocal 的弱引用，即使没有手动删除，ThreadLocal 也会被回收。当key为null，在下一次ThreadLocalMap调用set(),get()，remove()方法的时候会被清除value值。
所以这么看下来，反而使用弱引用，却是更好的为什么呢？
因为使用弱引用可以多一层保障：弱引用ThreadLocal不会内存泄漏，对应的value在下一次 ThreadLocalMap调用set(),get(),remove()的时候会被清除。
因此，ThreadLocal内存泄漏的根本原因是：由于 ThreadLocalMap 的生命周期跟 Thread 一样长，如果没有手动删除对应key就会导致内存泄漏，而不是因为弱引用。
那么我们继续来看看这个 ThreadLocal 中维护的 ThreadLocalMap 的源码分析
static class ThreadLocalMap {
//hreadLocalMap中数据是存储在Entry类型数组的table中的，Entry继承了WeakReference（弱引用）
static class Entry extends WeakReference<ThreadLocal<?>> {
Object value;
Entry(ThreadLocal<?> k, Object v) {
super(k);
value = v;
}
}
**成员变量**
//初始容量
private static final int INITIAL_CAPACITY = 16;
//ThreadLocalMap数据真正存储在table中
private Entry[] table;
//ThreadLocalMap条数
private int size = 0;
//达到这个大小，则扩容
private int threshold; 构造函数
ThreadLocalMap(ThreadLocal<?> firstKey, Object firstValue) {
//初始化table数组，INITIAL_CAPACITY默认值为16
table = new Entry[INITIAL_CAPACITY];
//key和16取得哈希值
int i = firstKey.threadLocalHashCode & (INITIAL_CAPACITY - 1);
//创建节点，设置key-value
table[i] = new Entry(firstKey, firstValue);
size = 1;
//设置扩容阈值
setThreshold(INITIAL_CAPACITY);
}我们再来看看他的 remove 方法
private void remove(ThreadLocal<?> key) {
Entry[] tab = table;
int len = tab.length;
int i = key.threadLocalHashCode & (len-1);
//如果threadLocalHashCode计算出的下标找到的key和传入key不同，则证明出现哈希冲突，则循环向下查找
for (Entry e = tab[i];
e != null;
e = tab[i = nextIndex(i, len)]) {
//如果key相同
if (e.get() == key) {
//删除当前Entry
e.clear();
//清理
expungeStaleEntry(i);
return;
}
}
}ThreadLocal 中的 ThreadLocalMap 里面还有 set 和 getEntry 方法，还有很多，阿粉就不多介绍了。
那么我们应该如何合理的使用 ThreadLocal 才能保证内存不泄露呢？
- 每次使用完ThreadLocal都调用它的remove()方法清除数据
- 将ThreadLocal变量定义成private static，这样就一直存在ThreadLocal的强引用，也就能保证任何时候都能通过ThreadLocal的弱引用访问到Entry的value值，进而清除掉 。
文章转载自公众号： Java极客技术
分类
标签
已于2023-2-13 15:53:58修改
赞
收藏
回复
相关推荐
