public class ThreadLocalCacheExample {
// 假设这是一个用于计算复杂数据的服务
private static ComplexComputingService complexService = new ComplexComputingService();
// 定义ThreadLocal存储缓存数据
private static final ThreadLocal<Cache> cache = new ThreadLocal<Cache>() {
@Override
protected Cache initialValue() {
return new Cache();
}
};
public Data getCachedData(String key) {
// 尝试从缓存获取数据
Data data = cache.get().get(key);
if (data == null) {
// 缓存中没有，则计算并存储到缓存中
data = complexService.computeData(key);
cache.get().put(key, data);
}
return data;
}
public static void main(String[] args) {
// 示例代码，模拟多线程环境下的缓存使用
ThreadLocalCacheExample cacheExample = new ThreadLocalCacheExample();
for (int i = 0; i < 100; i++) {
final int index = i;
new Thread(() -> {
Data data = cacheExample.getCachedData("key-" + index);
// 处理data...
}).start();
}
}
// 缓存数据的简单结构
private static class Cache {
private Map<String, Data> dataMap = new HashMap<>();
public Data get(String key) {
return dataMap.get(key);
}
public void put(String key, Data data) {
dataMap.put(key, data);
}
}
// 假设的复杂数据计算服务
private static class ComplexComputingService {
public Data computeData(String key) {
// 模拟复杂计算
return new Data(key, "result-" + key);
}
}
// 假设的数据类型
private static class Data {
private String key;
private String value;
public Data(String key, String value) {
this.key = key;
this.value = value;
}
// getters and setters...
}
}这个示例代码展示了如何使用ThreadLocal来避免多线程环境下的数据竞争问题，并提供了一个简单的缓存机制。每个线程都会有自己的Cache实例，从而避免了不同线程之间共享数据时可能发生的状态不一致问题。