第1章　第一步：并发设计原理　　1
1.1　基本的并发概念　　1
1.1.1　并发与并行　　1
1.1.2　同步　　2
1.1.3　不可变对象　　2
1.1.4　原子操作和原子变量　　3
1.1.5　共享内存与消息传递　　3
1.2　并发应用程序中可能出现的问题　　3
1.2.1　数据竞争　　3
1.2.2　死锁　　4
1.2.3　活锁　　4
1.2.4　资源不足　　4
1.2.5　优先权反转　　5
1.3　设计并发算法的方法论　　5
1.3.1　起点：算法的一个串行版本　　5
1.3.2　第1步：分析　　5
1.3.3　第2步：设计　　5
1.3.4　第3步：实现　　6
1.3.5　第4步：测试　　6
1.3.6　第5步：调整　　6
1.3.7　结论　　7
1.4　Java 并发API　　8
1.4.1　基本并发类　　8
1.4.2　同步机制　　8
1.4.3　执行器　　9
1.4.4　Fork/Join 框架　　9
1.4.5　并行流　　9
1.4.6　并发数据结构　　9
1.5　并发设计模式　　10
1.5.1　信号模式　　10
1.5.2　会合模式　　11
1.5.3　互斥模式　　11
1.5.4　多元复用模式　　12
1.5.5　栅栏模式　　12
1.5.6　双重检查锁定模式　　12
1.5.7　读?写锁模式　　13
1.5.8　线程池模式　　14
1.5.9　线程局部存储模式　　14
1.6　设计并发算法的提示和技巧　　14
1.6.1　正确识别独立任务　　14
1.6.2　在尽可能高的层面上实施并发处理　　15
1.6.3　考虑伸缩性　　15
1.6.4　使用线程安全API　　15
1.6.5　绝不要假定执行顺序　　16
1.6.6　在静态和共享场合尽可能使用局部线程变量　　16
1.6.7　寻找更易于并行处理的算法版本　　17
1.6.8　尽可能使用不可变对象　　17
1.6.9　通过对锁排序来避免死锁　　17
1.6.10 使用原子变量代替同步　　18
1.6.11 占有锁的时间尽可能短　　19
1.6.12 谨慎使用延迟初始化　　19
1.6.13 避免在临界段中使用阻塞操作　　19
1.7　小结　　20
第2章　使用基本元素：Thread 和Runnable　　21
2.1　Java 中的线程　　21
2.1.1　Java 中的线程：特征和状态　　22
2.1.2　Thread 类和Runnable 接口　　23
2.2　第一个例子：矩阵乘法　　24
2.2.1　公共类　　24
2.2.2　串行版本　　25
2.2.3　并行版本　　25
2.3　第二个例子：文件搜索　　32
2.3.1　公共类　　32
2.3.2　串行版本　　32
2.3.3　并发版本　　33
2.3.4　对比解决方案　　37
2.4　小结　　38
第3章　管理大量线程：执行器　　39
3.1　执行器简介　　39
3.1.1　执行器的基本特征　　39
3.1.2　执行器框架的基本组件　　40
3.2　第一个例子：k-最近邻算法　　40
3.2.1　k-最近邻算法：串行版本　　41
3.2.2　k-最近邻算法：细粒度并发版本　　42
3.2.3　k-最近邻算法：粗粒度并发版本　　45
3.2.4　对比解决方案　　46
3.3　第二个例子：客户端/服务器环境下的并发处理　　48
3.3.1　客户端/服务器：串行版　　48
3.3.2　客户端/服务器：并行版本　　51
3.3.3　额外的并发服务器组件　　54
3.3.4　对比两种解决方案　　59
3.3.5　其他重要方法　　61
3.4　小结　　62
第4章　充分利用执行器　　63
4.1　执行器的高级特性　　63
4.1.1　任务的撤销　　63
4.1.2　任务执行调度　　64
4.1.3　重载执行器方法　　64
4.1.4　更改一些初始化参数　　64
4.2　第一个例子：高级服务器应用程序　　65
4.2.1　ServerExecutor 类　　65
4.2.2　命令类　　70
4.2.3　服务器部件　　72
4.2.4　客户端部件　　78
4.3　第二个例子：执行周期性任务　　79
4.3.1　公共部件　　79
4.3.2　基础阅读器　　81
4.3.3　高级阅读器　　84
4.4　有关执行器的其他信息　　87
4.5　小结　　87
第5章　从任务获取数据：Callable接口与Future 接口　　88
5.1　Callable 接口和Future 接口简介　　88
5.1.1　Callable 接口　　88
5.1.2　Future 接口　　89
5.2　第一个例子：单词最佳匹配算法　　89
5.2.1　公共类　　90
5.2.2　最佳匹配算法：串行版本　　91
5.2.3　最佳匹配算法：第一个并发版本　　92
5.2.4　最佳匹配算法：第二个并发版本　　95
5.2.5　单词存在算法：串行版本　　96
5.2.6　单词存在算法：并行版本　　98
5.2.7　对比解决方案　　100
5.3　第二个例子：为文档集创建倒排索引　　102
5.3.1　公共类　　103
5.3.2　串行版本　　104
5.3.3　第一个并发版本：每个文档一个任务　　105
5.3.4　第二个并发版本：每个任务多个文档　　109
5.3.5　对比解决方案　　112
5.3.6　其他相关方法　　113
5.4　小结　　113
第6章　运行分为多阶段的任务：Phaser 类　　115
6.1　Phaser 类简介　　115
6.1.1　参与者的注册与注销　　116
6.1.2　同步阶段变更　　116
6.1.3　其他功能　　116
6.2　第一个例子：关键字抽取算法　　117
6.2.1　公共类　　118
6.2.2　串行版本　　121
6.2.3　并发版本　　123
6.2.4　对比两种解决方案　　128
6.3　第二个例子：遗传算法　　129
6.3.1　公共类　　130
6.3.2　串行版本　　132
6.3.3　并发版本　　134
6.3.4　对比两种解决方案　　139
6.4　小结　　141
第7章　优化分治解决方案： Fork/Join 框架　　142
7.1　Fork/Join 框架简介　　142
7.1.1　Fork/Join 框架的基本特征　　143
7.1.2　Fork/Join 框架的局限性　　143
7.1.3　Fork/Join 框架的组件　　144
7.2　第一个例子：k-means 聚类算法　　144
7.2.1　公共类　　145
7.2.2　串行版本　　149
7.2.3　并发版本　　151
7.2.4　对比解决方案　　155
7.3　第二个例子：数据筛选算法　　157
7.3.1　公共特性　　157
7.3.2　串行版　　157
7.3.3　并发版本　　159
7.3.4　对比两个版本　　165
7.4　第三个例子：归并排序算法　　166
7.4.1　共享类　　166
7.4.2　串行版本　　167
7.4.3　并发版本　　169
7.4.4　对比两个版本　　172
7.5　Fork/Join 框架的其他方法　　172
7.6　小结　　173
第8章　使用并行流处理大规模数据集：MapReduce 模型　　174
8.1　流的简介　　174
8.1.1　流的基本特征　　174
8.1.2　流的组成部分　　175
8.1.3　MapReduce 与MapCollect　　177
8.2　第一个例子：数值综合分析应用程序　　178
8.2.1　并发版本　　178
8.2.2　串行版本　　185
8.2.3　对比两个版本　　186
8.3　第二个例子：信息检索工具　　186
8.3.1　约简操作简介　　187
8.3.2　第一种方式：全文档查询　　188
8.3.3　第二种方式：约简的文档查询　　191
8.3.4　第三种方式：生成一个含有结果的HTML 文件　　191
8.3.5　第四种方式：预先载入倒排索引　　194
8.3.6　第五种方式：使用我们的执行器　　195
8.3.7　从倒排索引获取数据：ConcurrentData 类　　196
8.3.8　获取文件中的单词数　　196
8.3.9　获取文件的平均tfxidf 值　　196
8.3.10 获取索引中的最大tfxidf值和最小tfxidf 值　　197
8.3.11 ConcurrentMain 类　　198
8.3.12 串行版　　199
8.3.13 对比两种解决方案　　199
8.4　小结　　202
第9章　使用并行流处理大规模数据集：MapCollect 模型　　203
9.1　使用流收集数据　　203
9.2　第一个例子：无索引条件下的数据搜索　　205
9.2.1　基本类　　205
9.2.2　第一种方式：基本搜索　　207
9.2.3　第二种方式：高级搜索　　209
9.2.4　本例的串行实现　　211
9.2.5　对比实现方案　　211
9.3　第二个例子：推荐系统　　212
9.3.1　公共类　　212
9.3.2　推荐系统：主类　　213
9.3.3　ConcurrentLoaderAccumulator 类　　215
9.3.4　串行版　　216
9.3.5　对比两个版本　　216
9.4　第三个例子：社交网络中的共同联系人　　217
9.4.1　基本类　　218
9.4.2　并发版本　　219
9.4.3　串行版本　　223
9.4.4　对比两个版本　　223
9.5　小结　　224
第10章　异步流处理：反应流　　225
10.1　Java 反应流简介　　225
10.1.1　Flow.Publisher 接口　　226
10.1.2　Flow.Subscriber 接口　　226
10.1.3　Flow.Subscription 接口　　226
10.1.4　SubmissionPublisher 类　　226
10.2　第一个例子：面向事件通知的集中式系统　　 227
10.2.1　Event 类　　227
10.2.2　Producer 类　　 227
10.2.3　Consumer 类　　 228
10.2.4　Main 类　　230
10.3　第二个例子：新闻系统　　231
10.3.1　News 类　　232
10.3.2　发布者相关的类　　232
10.3.3　Consumer 类　　 235
10.3.4　Main 类　　236
10.4　小结　　238
第11章　探究并发数据结构和同步工具　　240
11.1　并发数据结构　　240
11.1.1　阻塞型数据结构和非阻塞型数据结构　　241
11.1.2　并发数据结构　　241
11.1.3　使用新特性　　244
11.1.4　原子变量　　251
11.1.5　变量句柄　　252
11.2　同步机制　　254
11.2.1　CommonTask 类　　255
11.2.2　Lock 接口　　255
11.2.3　Semaphore 类　　256
11.2.4　CountDownLatch 类　　258
11.2.5　CyclicBarrier 类　　259
11.2.6　CompletableFuture 类　　261
11.3　小结　　268
第12章　测试与监视并发应用程序　　269
12.1　监视并发对象　　269
12.1.1　监视线程　　269
12.1.2　监视锁　　270
12.1.3　监视执行器　　272
12.1.4　监视Fork/Join 框架　　273
12.1.5　监视Phaser　　274
12.1.6　监视流API　　275
12.2　监视并发应用程序　　276
12.2.1　Overview 选项卡　　278
12.2.2　Memory 选项卡　　279
12.2.3　Threads 选项卡　　280
12.2.4　Classes 选项卡　　280
12.2.5　VM Summary 选项卡　　281
12.2.6　MBeans 选项卡　　283
12.2.7　About 选项卡　　284
12.3　测试并发应用程序　　284
12.3.1　使用MultithreadedTC 测试并发应用程序　　285
12.3.2　使用Java Pathfinder 测试并发应用程序　　288
12.4　小结　　293
第13章　JVM 中的并发处理：Clojure、带有GPars 库的Groovy 以及Scala　　294
13.1　Clojure 的并发处理　　294
13.1.1　使用Java 元素　　295
13.1.2　引用类型　　295
13.1.3　Ref 对象　　298
13.1.4　Delay　　299
13.1.5　Future　　300
13.1.6　Promise　　301
13.2　Groovy 及其GPars 库的并发处理　　302
13.3　软件事务性内存　　302
13.3.1　使用Java 元素　　302
13.3.2　数据并行处理　　303
13.3.3　Fork/Join 处理　　307
13.3.4　Actor　　308
13.3.5　Agent　　315
13.3.6　Dataf low　　316
13.4　Scala 的并发处理　　322
13.4.1　Scala 中的Future 对象　　322
13.4.2　Promise　　328
13.5　小结　　329