`
xiao_jiang51
  • 浏览: 34719 次
  • 性别: Icon_minigender_1
  • 来自: 上海
社区版块
存档分类
最新评论

多线程分析工具Mtrat使用

阅读更多
    一个非常不错的多线程分析工具,提供方是IBM,官方上的说明貌似是中国人开发的,NB,反编译看了下 用到了AOP的东东,对死锁的诊断非常有价值,官方地址http://www.alphaworks.ibm.com/tech/mtrat
   因在一个为两W人在线服务的保险销售系统中使用到了一个并非控制器,因生产环境是1.4的版本,无法使用最新的无锁定算法支持,Doug Lea 大牛的那个并发包也就是被JDK 1.5吸收的那个NB包的原子类其实还是全部锁定的(1.5及之后全部被重写为无锁定算法),本人觉得会降低该控制器的并发量,决定自己用volatile 和
synchronized 实现并发控制逻辑,要求很简单,业务请求不能超过并发量,超过并发量不处理。
   因这个功能结合的是业务的一个ajax定时刷新请求,PM 要求务必保证计数的正确与不产生死锁问题,这可不是闹着玩的,生产系统要是因为这个导致宕机,后果相当严重。为了保证质量,借助工具是非常必要的。
   在这个过程中引入了mtrat 来分析代码。网上貌似没发现有比较详细的中文使用说明,那个手册毕竟是英文版的,俺们就把自己使用的过程罗列下吧,防止忘记,这确实是个好东西。。
   首先到IBM官网下载mtrat 的最新包,需要有ibm id,没有需要注册
    其中的com.ibm.threadanalysis.dynamic.feature.zip 是eclipse 插件
   将其解压含 features 和plugins 两个文件夹,要是偷懒,直接将文件夹得内容复制到eclipse相应目录,重启eclipse 即可,不过最好还是用link 的方式比较好
   创建一个名为com.ibm.mtrat.link文件里面的内容是path=F:\\Mtrat\\doc\\plugin 这个目录下含一个eclipse 文件名 里面含上面的 features 和plugins 两个文件夹及相应内容,让后将link文件仍到ecipse 的links文件夹即可,没有就新建,如果不想要了将link 后缀名改掉或着删除这个文件即可,非常方便。

   安装好后,eclipse工具栏上会出现

   安装好后在windows(窗口)菜单的preferences(首选项)中会见到一个Thread Analysis 的项   ,如果点击出错提示什么bad version class 之类 说明eclipse jre版本低了 换到1.6才行,直接用1.6的jre 替换eclipse下的jre即可。


  将开关打开,并且设置mtrat目录,这个很重要,必须正确才能使用,这个目录的文件含从IBM 那下载来的mtrat-instrument-analysis-20090218.zip 解压文件
  本人解压后文件如图


图中有3个选择的对象不是解压后产生的,那个asm-all-3.0.jar 是下载的(http://download.forge.objectweb.org/asm/下面有)
那java 目录和target.jar是生成的,mtrat的说明文档很啰嗦,又是点击mtrat.bat 啊又是设置环境变量的 太麻烦,俺们直接反编译InstrumentClass了解机制,然后直接整了个类InstrumentClassImpl
 
package com.gm;

import java.io.File;

import com.ibm.threadanalysis.dynamic.tool.InstrumentClass;
/**
 * FOR SUN JDK 
 * @author [url=mailto:xiao_jiang51@163.com]xiao_jiang51[/url]
 * @version 1.0  Create on Dec 14, 2010 12:07:52 AM
 */
public class InstrumentClassImpl extends InstrumentClass{

	@Override
	protected String[] makeClassList() {
		return new String[] { "java/lang/ref/WeakReference.class", "java/lang/Thread.class", "java/lang/Class.class" };
	}
	
	public static void main(String[] args) {
		InstrumentClass ic=new InstrumentClassImpl();
		String path="F:"+File.separator+"Mtrat";
		ic.createJar(path);
	}

}

将asm-all-3.0.jar  和class.jar 拷贝到工程classpath下  运行,需要1.6以上的编译运行环境,就会多出java 和target.jar两个东东,如果首次运行的是1.6以下的,需要将java文件夹和target.jar先删除再次运行获得新的文件夹和jar



上面的过程其实就是mtrat 为了修改了部分jdk类的字节码,加入了自己的逻辑,AOP很强大
一切准备妥当,就得小白鼠上台
mtrat 准备了以个sample 位于com.ibm.threadanalysis.dynamic.feature.zip 中
在解压后的plugin文件夹中的com.ibm.threadanalysis.dynamic.examples_1.0.0.jar中 解压出来有个Sample.zip 解压后有个Samples工程,直接导入到eclipse 即可,其实呢mtrat的说明文档中不是这样用它的 说的是如果插件安装成功可以通过在eclipse 中的new 菜单中的example菜单中整出来的 反正我是没整出来,就自己去找了。
  导入后就2个类


将analysis视图打开


先在eclipse 中将2个类run一下 编译运行环境是1.6以上,再点击 analysis按钮,就能获得分析结果了
例子是多线程中的两种类型的问题
下面的是数据不一致的读写问题


下面的是死锁问题
  • 大小: 19 KB
3
1
分享到:
评论
1 楼 taosurf 2014-11-25  
下载在哪里,能给个具体点的么

相关推荐

    java并发编程1-9

    java并发编程1-9,可解压,并发编程必看资料。 1 Java 并发编程实践基础 2 构建线程安全应用程序 ...5 数据冲突及诊断工具MTRAT 6 死锁 7 显示锁 ReentrantLock 8 原子变量与非阻塞算法 9 Java 内存模型

    java-programming-ii-submit:我的提交Java编程2-赫尔辛基大学的大规模在线公开课程

    java-programming-mooc-submit 我的提交Java编程2-来自java-programming.mooc.fi Java编程在线赫尔辛基大学(Linus Torvaldstố...tấtcảuđượckiểmtrabằngdịchvụkiểmtratựchitng,viếtbằngjUnit rttất

    c语言开发图书管理系统项目源码+数据+可运行程序

    c语言开发图书管理系统项目源码+数据+可运行程序 主要功能有:1、以管理员或读者不同身份注册账户。2、登录、找回密码、修改密码。3、管理员:图书入库,清除库存,统计书籍数量,统计读者借书情况,在馆书籍排序,读者排序。4、读者:查看个人借阅信息,借书,还书,按书名、作者、出版社检索图书,查询全部在馆图书。

    基于transformer的多模态脑肿瘤分割.zip

    本项目旨在利用Transformer模型实现多模态脑肿瘤分割。多模态脑肿瘤分割对于脑肿瘤的诊断和治疗具有重要意义。 我们采用Transformer模型,通过分析脑部MRI、CT、PET等不同模态的医学影像数据,实现对脑肿瘤区域的自动分割。项目使用的数据集包括公开的脑肿瘤影像数据集,如BRATS、Medical Segmentation Decathlon等,并进行了预处理,包括图像增强、分割和特征提取等。 在运行环境方面,我们使用Python编程语言,基于TensorFlow、PyTorch等深度学习框架进行开发。为了提高计算效率,我们还使用了GPU加速计算。此外,我们还采用了Docker容器技术,确保实验结果的可重复性。 项目完成后,将实现对多模态脑肿瘤的快速、准确分割,为脑肿瘤的诊断和治疗提供有力支持。同时,项目成果也可应用于其他医学影像分析领域。

    马尔文高浓度池说明书 High Concentration Cell (ZEN1010)

    马尔文高浓度池说明书 High Concentration Cell (ZEN1010)

    如何提高APP商业变现能力.docx

    如何提高APP商业变现能力.docx

    node-v12.20.0-darwin-x64.tar.xz

    Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。

    R语言绘制SCI科研生存ROC曲线源代码.zip

    把input里面的数据替换成自己的数据,打开R,点Run,可以直接出图!文件适合有R语言基础的同学。

    高电压技术(第三版)课后习题答案

    高电压技术(第三版)课后习题答案

    Linux线程同步:深入理解与实践.pdf

    linux之线程同步一。 本文深入探讨了Linux线程同步的几种常见机制,并提供了代码示例。希望这些信息能够帮助你更好地理解和应用线程同步技术。在编写多线程程序时,请务必谨慎,确保线程安全。

    1999-2022年企业持续绿色创新水平数据.dta

    1999-2022年企业持续绿色创新水平数据.dta

    数据结构实验代码三个方法求最大公约数.rar

    数据结构实验代码

    机械设计无阀滤池-30Tsw16可编辑非常好的设计图纸100%好用.zip

    机械设计无阀滤池-30Tsw16可编辑非常好的设计图纸100%好用.zip

    机械设计RJ45安防线连接器焊锡机sw18可编辑非常好的设计图纸100%好用.zip

    机械设计RJ45安防线连接器焊锡机sw18可编辑非常好的设计图纸100%好用.zip

    SwiftUI嵌入UIKit(SwiftUI顺传值到UIKit)

    SwiftUI嵌入UIKit(SwiftUI顺传值到UIKit)

    node-v12.18.4-darwin-x64.tar.xz

    Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。

    Python代码实现基于朴素贝叶斯算法的垃圾邮件分类(源码+全部数据)

    当处理垃圾邮件分类问题时朴素贝叶斯算法是一种经典且常用的方法。朴素贝叶斯算法基于贝叶斯定理特征条件独立性假设,能够高效地处理文本分类问题。 以下是一个使用Python实现基于朴素贝斯算法的垃圾邮件分类的示例: 1. 数据准备: 首先,需要准备训练数据集和测试数据集。训练数据集包含已标记的垃圾邮件和非垃圾邮件的文样本,通过这些样本进行模型训练。测试数据集用于评估模型的性能。 2. 数据预处理: 将文本样本转换为特征向量是朴素贝叶斯算法的关键步骤。可以使用词袋模型或者TF-IDF等方法将文本样本表示为向量。 3. 特征选择: 根据问题的具体特点,可以选择保留所有特征或者进行特征选择。常见的特征选择方法有卡方检验、互信息等。 4. 模型训练: 使用训练数据集训练朴素贝叶斯分类模型。常见的朴素贝叶斯分类器有多项式朴素贝叶斯、伯努利朴素贝叶斯和高斯朴素贝叶斯等。 5. 模型评估: 使用测试数据集评估模型的性能,常见的评估指标包括准确率、召回率、精确率和F1值等。 下面是一个简单的Python实现示例: ```python import numpy as np from

    httpsyy70958.com29875videoplayvid45958.m3u8..m3u

    httpsyy70958.com29875videoplayvid45958.m3u8..m3u

    Java 三维装箱代码示例

    在Java中,实现一个三维装箱(也称为三维背包问题)的算法通常涉及到组合优化和动态规划。这个问题是一个典型的优化问题,其中目标是在三个维度的限制下最大化价值的总和。下面是一个简单的Java代码示例,它使用动态规划来解决三维装箱问题。 请注意,这个代码只是一个简单的示例,它假设所有物品的第三个维度的大小都是1,并且没有给出如何回溯选择物品的完整逻辑。在实际应用中,三维装箱问题可能更加复杂,需要考虑所有三个维度的限制,并且可能需要更复杂的算法来解决。 此外,这个问题的解决方案可能需要根据具体问题的要求进行调整,例如物品是否可以分割、是否允许超过一个的物品等。如果你有特定的问题描述或者需要进一步的帮助,请提供更多的细节。

Global site tag (gtag.js) - Google Analytics