189 8069 5689
这篇文章将为大家详细讲解有关ThreadLocal中内存溢出的原因有哪些，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
创新互联建站是一家集网站建设,岳阳楼企业网站建设,岳阳楼品牌网站建设,网站定制,岳阳楼网站建设报价,网络营销,网络优化,岳阳楼网站推广为一体的创新建站企业，帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿，时刻以成就客户成长自我，坚持不断学习、思考、沉淀、净化自己，让我们为更多的企业打造出实用型网站。
使用锁(使用 synchronized 或 Lock);
使用 ThreadLocal。
锁的实现方案是在多线程写入全局变量时，通过排队一个一个来写入全局变量，从而就可以避免线程不安全的问题了。比如当我们使用线程不安全的 SimpleDateFormat 对时间进行格式化时，如果使用锁来解决线程不安全的问题，实现的流程就是这样的：
从上述图片可以看出，通过加锁的方式虽然可以解决线程不安全的问题，但同时带来了新的问题，使用锁时线程需要排队执行，因此会带来一定的性能开销。然而，如果使用的是 ThreadLocal 的方式，则是给每个线程创建一个 SimpleDateFormat 对象，这样就可以避免排队执行的问题了，它的实现流程如下图所示：
PS：创建 SimpleDateFormat 也会消耗一定的时间和空间，如果线程复用 SimpleDateFormat 的频率比较高的情况下，使用 ThreadLocal 的优势比较大，反之则可以考虑使用锁。
然而，在我们使用 ThreadLocal 的过程中，很容易就会出现内存溢出的问题，如下面的这个事例。
内存溢出(Out Of Memory，简称 OOM)是指无用对象(不再使用的对象)持续占有内存，或无用对象的内存得不到及时释放，从而造成的内存空间浪费的行为就称之为内存泄露。
在开始演示 ThreadLocal 内存溢出的问题之前，我们先使用“-Xmx50m”的参数来设置一下 Idea，它表示将程序运行的最大内存设置为 50m，如果程序的运行超过这个值就会出现内存溢出的问题，设置方法如下：
设置后的最终效果这样的：
PS：因为我使用的 Idea 是社区版，所以可能和你的界面不一样，你只需要点击“Edit Configurations...”找到“VM options”选项，设置上“-Xmx50m”参数就可以了。
配置完 Idea 之后，接下来我们来实现一下业务代码。在代码中我们会创建一个大对象，这个对象中会有一个 10m 大的数组，然后我们将这个大对象存储在 ThreadLocal 中，再使用线程池执行大于 5 次添加任务，因为设置了最大运行内存是 50m，所以理想的情况是执行 5 次添加操作之后，就会出现内存溢出的问题，实现代码如下：
import java.util.concurrent.LinkedBlockingQueue; import java.util.concurrent.ThreadPoolExecutor; import java.util.concurrent.TimeUnit; public class ThreadLocalOOMExample { /** * 定义一个 10m 大的类 */ static class MyTask { // 创建一个 10m 的数组（单位转换是 1M -> 1024KB -> 1024*1024B） private byte[] bytes = new byte[10 * 1024 * 1024]; } // 定义 ThreadLocal private static ThreadLocal taskThreadLocal = new ThreadLocal<>(); // 主测试代码 public static void main(String[] args) throws InterruptedException { // 创建线程池 ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor(5, 5, 60, TimeUnit.SECONDS, new LinkedBlockingQueue<>(100)); // 执行 10 次调用 for (int i = 0; i < 10; i++) { // 执行任务 executeTask(threadPoolExecutor); Thread.sleep(1000); } } /** * 线程池执行任务 * @param threadPoolExecutor 线程池 */ private static void executeTask(ThreadPoolExecutor threadPoolExecutor) { // 执行任务 threadPoolExecutor.execute(new Runnable() { @Override public void run() { System.out.println("创建对象"); // 创建对象（10M） MyTask myTask = new MyTask(); // 存储 ThreadLocal taskThreadLocal.set(myTask); // 将对象设置为 null，表示此对象不在使用了 myTask = null; } }); } } 以上程序的执行结果如下：
从上述图片可看出，当程序执行到第 5 次添加对象时就出现内存溢出的问题了，这是因为设置了最大的运行内存是 50m，每次循环会占用 10m 的内存，加上程序启动会占用一定的内存，因此在执行到第 5 次添加任务时，就会出现内存溢出的问题。
内存溢出的问题和解决方案比较简单，重点在于“原因分析”，我们要通过内存溢出的问题搞清楚，为什么 ThreadLocal 会这样?是什么原因导致了内存溢出?
要搞清楚这个问题(内存溢出的问题)，我们需要从 ThreadLocal 源码入手，所以我们首先打开 set 方法的源码(在示例中使用到了 set 方法)，如下所示：
public void set(T value) { // 得到当前线程 Thread t = Thread.currentThread(); // 根据线程获取到 ThreadMap 变量 ThreadLocalMap map = getMap(t); if (map != null) map.set(this, value); // 将内容存储到 map 中 else createMap(t, value); // 创建 map 并将值存储到 map 中 }从上述代码我们可以看出 Thread、ThreadLocalMap 和 set 方法之间的关系：每个线程 Thread 都拥有一个数据存储容器 ThreadLocalMap，当执行 ThreadLocal.set 方法执行时，会将要存储的值放到 ThreadLocalMap 容器中，所以接下来我们再看一下 ThreadLocalMap 的源码：
static class ThreadLocalMap { // 实际存储数据的数组 private Entry[] table; // 存数据的方法 private void set(ThreadLocal key, Object value) { Entry[] tab = table; int len = tab.length; int i = key.threadLocalHashCode & (len-1); for (Entry e = tab[i]; e != null; e = tab[i = nextIndex(i, len)]) { ThreadLocal k = e.get(); // 如果有对应的 key 直接更新 value 值 if (k == key) { e.value = value; return; } // 发现空位插入 value if (k == null) { replaceStaleEntry(key, value, i); return; } } // 新建一个 Entry 插入数组中 tab[i] = new Entry(key, value); int sz = ++size; // 判断是否需要进行扩容 if (!cleanSomeSlots(i, sz) && sz >= threshold) rehash(); } // ... 忽略其他源码 }从上述源码我们可以看出：ThreadMap 中有一个 Entry[] 数组用来存储所有的数据，而 Entry 是一个包含 key 和 value 的键值对，其中 key 为 ThreadLocal 本身，而 value 则是要存储在 ThreadLocal 中的值。
根据上面的内容，我们可以得出 ThreadLocal 相关对象的关系图，如下所示：
也就是说它们之间的引用关系是这样的：Thread -> ThreadLocalMap -> Entry -> Key,Value，因此当我们使用线程池来存储对象时，因为线程池有很长的生命周期，所以线程池会一直持有 value 值，那么垃圾回收器就无法回收 value，所以就会导致内存一直被占用，从而导致内存溢出问题的发生。
ThreadLocal 内存溢出的解决方案很简单，我们只需要在使用完 ThreadLocal 之后，执行 remove 方法就可以避免内存溢出问题的发生了，比如以下代码：
import java.util.concurrent.LinkedBlockingQueue; import java.util.concurrent.ThreadPoolExecutor; import java.util.concurrent.TimeUnit; public class App { /** * 定义一个 10m 大的类 */ static class MyTask { // 创建一个 10m 的数组（单位转换是 1M -> 1024KB -> 1024*1024B） private byte[] bytes = new byte[10 * 1024 * 1024]; } // 定义 ThreadLocal private static ThreadLocal taskThreadLocal = new ThreadLocal<>(); // 测试代码 public static void main(String[] args) throws InterruptedException { // 创建线程池 ThreadPoolExecutor threadPoolExecutor = new ThreadPoolExecutor(5, 5, 60, TimeUnit.SECONDS, new LinkedBlockingQueue<>(100)); // 执行 n 次调用 for (int i = 0; i < 10; i++) { // 执行任务 executeTask(threadPoolExecutor); Thread.sleep(1000); } } /** * 线程池执行任务 * @param threadPoolExecutor 线程池 */ private static void executeTask(ThreadPoolExecutor threadPoolExecutor) { // 执行任务 threadPoolExecutor.execute(new Runnable() { @Override public void run() { System.out.println("创建对象"); try { // 创建对象（10M） MyTask myTask = new MyTask(); // 存储 ThreadLocal taskThreadLocal.set(myTask); // 其他业务代码... } finally { // 释放内存 taskThreadLocal.remove(); } } }); } } 以上程序的执行结果如下：
从上述结果可以看出我们只需要在 finally 中执行 ThreadLocal 的 remove 方法之后就不会在出现内存溢出的问题了。
那 remove 方法为什么会有这么大的魔力呢?我们打开 remove 的源码看一下：
public void remove() { ThreadLocalMap m = getMap(Thread.currentThread()); if (m != null) m.remove(this); }关于ThreadLocal中内存溢出的原因有哪些就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。