深入剖析CopyOnWriteArrayList：写时复制魔法让并发读取飞起来！

大家好，我是你们的技术老友科威舟，今天给大家分享一下JUC里面的CopyOnWriteArrayList。

多线程并发修改数据，让读取操作不再阻塞，解锁高性能并发编程秘诀

Java并发包中一个非常有趣的线程安全容器——CopyOnWriteArrayList。它凭借独特的设计思想，巧妙解决了读多写少场景下的并发性能问题。

从一个尴尬的场景说起

先想象一个场景：公司有一块白板，上面写着各种任务安排。很多同事需要频繁查看白板（读操作），偶尔有经理需要修改任务（写操作）。

如果采用最简单粗暴的方式——每次查看或修改时都锁住整个白板，那么当多人同时查看时，大家只能排队等待，效率极低。这就像早期JDK中的Vector，虽然线程安全但性能不佳。

ArrayList更糟，它就像完全不管理白板使用，当多人同时读写时，内容可能变得混乱不堪。

那么，有没有一种机制，可以让多人同时查看白板，且经理修改时也不影响其他人查看呢？答案是肯定的，这就是CopyOnWriteArrayList的妙处所在！

什么是CopyOnWriteArrayList？

CopyOnWriteArrayList是Java并发包（JUC）中提供的线程安全List实现。顾名思义，它的核心思想是“写时复制”：在修改列表时，不直接操作原数据，而是先将原数据复制一份，在副本上修改，再用修改后的副本替换原数据。

// 关键代码展示publicbooleanadd(Ee){finalReentrantLocklock=this.lock;lock.lock();// 写操作加锁try{Object[]elements=getArray();intlen=elements.length;Object[]newElements=Arrays.copyOf(elements,len+1);// 复制新数组newElements[len]=e;// 修改副本setArray(newElements);// 替换原数组returntrue;}finally{lock.unlock();}}

简单吧？但背后的设计思想却非常精妙！

核心原理：写时复制机制

读写分离的艺术

CopyOnWriteArrayList的核心是读写分离：

• 读操作：完全无锁，多个线程可以并发读取
• 写操作：使用ReentrantLock保证线程安全，但每次写操作都会复制整个数组

这就像我们前面说的白板场景：经理要修改任务时，不是直接在原白板上修改，而是将白板内容复印一份，在复印件上修改，修改完成后再用新的复印件替换原白板。这样，其他同事在经理修改过程中仍然可以查看原白板内容，完全不受影响。

关键技术实现

1. volatile数组保证可见性

   privatetransientvolatileObject[]array;

   使用volatile修饰数组引用，确保一旦数组被替换，其他线程能立即看到新数组。

2. ReentrantLock保证写操作原子性

   所有写操作（add、set、remove等）都使用相同的Reentrant锁，确保同一时刻只有一个线程能执行写操作。

3. 迭代器的快照特性

   CopyOnWriteArrayList的迭代器基于创建迭代器时的数组快照，因此不会抛出ConcurrentModificationException异常。

深入源码：看看实际如何工作

添加元素的过程

以add方法为例，它的执行流程如下：

1. 获取锁：保证同一时刻只有一个写线程
2. 复制数组：创建原数组的副本，长度+1
3. 修改副本：将新元素加入副本数组末尾
4. 替换引用：将volatile数组指向新数组
5. 释放锁：写操作完成

这个过程就像餐厅的菜单更新：当需要添加新菜品时，厨师不会直接在原菜单上涂改，而是印制新菜单，替换掉旧菜单。顾客在更新过程中仍可查看旧菜单，完全不受影响。

读取元素的极致简单

与写操作相比，读操作简单到令人发指：

publicEget(intindex){returnget(getArray(),index);}privateEget(Object[]a,intindex){return(E)a[index];}

没有锁！没有同步！这就是为什么读性能如此高效的原因。

优缺点分析：没有银弹，只有合适场景

优势明显

1. 极高的读取性能：读操作完全无锁，支持高并发读取
2. 线程安全：写操作通过锁和复制机制保证线程安全
3. 不会抛出ConcurrentModificationException：迭代器使用快照，遍历过程中不会因并发修改而异常

缺点不容忽视

1. 内存占用大：写操作需要复制整个数组，内存占用为原数组的两倍
2. 数据一致性弱：读操作可能无法立即看到最新的写操作结果，只能保证最终一致性
3. 写性能差：数据量越大，写操作性能越低

实战应用场景

1. 事件监听器列表

在图形界面或观察者模式中，事件监听器的管理是典型的读多写少场景：

publicclassEventManager{privatefinalCopyOnWriteArrayList<EventListener>listeners=newCopyOnWriteArrayList<>();// 读多：事件触发时频繁遍历监听器publicvoidfireEvent(Eventevent){for(EventListenerlistener:listeners){// 无需加锁，高效遍历listener.onEvent(event);}}// 写少：监听器的注册和注销相对较少publicvoidaddListener(EventListenerlistener){listeners.add(listener);}}

这种场景下，事件触发非常频繁（大量读操作），而监听器的变化相对较少（少量写操作），正是CopyOnWriteArrayList的用武之地。

2. 缓存系统

只读或读多写少的缓存系统也非常适合使用CopyOnWriteArrayList：

publicclassProductCatalog{privatevolatileCopyOnWriteArrayList<Product>hotProducts=newCopyOnWriteArrayList<>();// 高频读取：众多用户同时查询热销商品publicList<Product>getHotProducts(){returnnewArrayList<>(hotProducts);// 无需同步，极速读取}// 低频更新：定时更新热销商品列表publicvoidupdateHotProducts(List<Product>newProducts){hotProducts=newCopyOnWriteArrayList<>(newProducts);}}

3. JDBC驱动注册

Java的DriverManager中就使用了CopyOnWriteArrayList来管理已注册的JDBC驱动：

// JDK中的实际应用publicclassDriverManager{privatefinalstaticCopyOnWriteArrayList<DriverInfo>registeredDrivers=newCopyOnWriteArrayList<>();// 驱动注册（写操作较少发生）publicstaticsynchronizedvoidregisterDriver(java.sql.Driverdriver){// ... 将驱动信息添加到registeredDrivers}// 驱动查找（读操作频繁发生）privatestaticvoidloadInitialDrivers(){// ... 遍历registeredDrivers}}

与Vector的对比：为什么选择CopyOnWriteArrayList？

很多初学者会问：既然Vector也是线程安全的，为什么还要用CopyOnWriteArrayList？

关键在于锁的粒度：

• Vector：所有操作（包括读）都使用synchronized同步，相当于读写都加锁
• CopyOnWriteArrayList：只有写操作加锁，读操作完全无锁

在读多写少的场景下，这种差异导致的性能差距可能是数量级的！下面的表格直观对比了它们的差异：

特性	Vector	CopyOnWriteArrayList
读性能	差（全程加锁）	极佳（完全无锁）
写性能	一般	差（数据量大时）
内存占用	正常	高（写时复制）
数据一致性	强一致性	最终一致性
适用场景	读写均衡	读多写少

使用技巧与注意事项

1. 适合数据量小的场景：数据量越大，写操作的成本越高
2. 适合读多写少的场景：写操作越频繁，性能问题越明显
3. 注意迭代器的弱一致性：迭代器反映的是创建时的快照，不是最新数据
4. 批量写入优化：多次写操作可以合并为一次

// 不推荐：多次写操作，多次数组复制for(Stringitem:items){copyOnWriteList.add(item);}// 推荐：单次写操作，只需一次数组复制copyOnWriteList.addAll(Arrays.asList(items));

总结

CopyOnWriteArrayList通过写时复制技术，以空间换时间，巧妙解决了读多写少场景下的并发性能问题。它就像一家聪明的餐厅：在更新菜单时不影响顾客点餐，在保证数据一致性的前提下极大提升了读取性能。

但是，没有万能的解决方案，CopyOnWriteArrayList在写多读少或数据量巨大的场景下并不适用。选择合适的工具解决特定问题，才是优秀开发的标志。

希望本文能帮助你深入理解CopyOnWriteArrayList，在下次面对并发读取挑战时，能够自信地选择最适合的方案！

参考文章

1. https://bbs.huaweicloud.com/blogs/428120
2. https://juejin.cn/post/7084053214412144676
3. https://blog.csdn.net/qq_40395278/article/details/103899990
4. https://blog.csdn.net/weixin_42073629/article/details/102493255
5. https://developer.aliyun.com/article/1582941
6. https://www.cnblogs.com/yashon/p/15007925.html
7. https://juejin.cn/post/7277490240171802636
8. https://blog.csdn.net/qq_39938758/article/details/103860594

---

以上就是关于CopyOnWriteArrayList的深入解析。如果有任何问题或见解，欢迎在评论区留言讨论！别忘了点赞和收藏哦~

---

更多技术干货欢迎关注微信公众号科威舟的AI笔记~

【转载须知】：转载请注明原文出处及作者信息