LockSupport类是Java6(JSR166-JUC)引入的一个类，提供了基本的线程同步原语。LockSupport实际上是调用了Unsafe类里的函数，归结到Unsafe里，只有两个函数：
1 public native void unpark(Thread jthread); 2 public native void park(boolean isAbsolute, long time);
isAbsolute参数是指明时间是绝对的，还是相对的。
仅仅两个简单的接口，就为上层提供了强大的同步原语。
先来解析下两个函数是做什么的。
unpark函数为线程提供“许可(permit)”，线程调用park函数则等待“许可”。这个有点像信号量，但是这个“许可”是不能叠加的，“许可”是一次性的。
比如线程B连续调用了三次unpark函数，当线程A调用park函数就使用掉这个“许可”，如果线程A再次调用park，则进入等待状态。
注意，unpark函数可以先于park调用。比如线程B调用unpark函数，给线程A发了一个“许可”，那么当线程A调用park时，它发现已经有“许可”了，那么它会马上再继续运行。
实际上，park函数即使没有“许可”，有时也会无理由地返回，这点等下再解析。
park和unpark的灵活之处
上面已经提到，unpark函数可以先于park调用，这个正是它们的灵活之处。
一个线程它有可能在别的线程unPark之前，或者之后，或者同时调用了park，那么因为park的特性，它可以不用担心自己的park的时序问题，否则，如果park必须要在unpark之前，那么给编程带来很大的麻烦！！
考虑一下，两个线程同步，要如何处理？
在Java5里是用wait/notify/notifyAll来同步的。wait/notify机制有个很蛋疼的地方是，比如线程B要用notify通知线程A，那么线程B要确保线程A已经在wait调用上等待了，否则线程A可能永远都在等待。编程的时候就会很蛋疼。
另外，是调用notify，还是notifyAll？
notify只会唤醒一个线程，如果错误地有两个线程在同一个对象上wait等待，那么又悲剧了。为了安全起见，貌似只能调用notifyAll了。
park/unpark模型真正解耦了线程之间的同步，线程之间不再需要一个Object或者其它变量来存储状态，不再需要关心对方的状态。
HotSpot里park/unpark的实现
每个Java线程都有一个Parker实例，Parker类是这样定义的：
1 class Parker : public os::PlatformParker { 2 private: 3 volatile int _counter ; 4 ... 5 public: 6 void park(bool isAbsolute, jlong time); 7 void unpark(); 8 ... 9 } 10 class PlatformParker : public CHeapObj<mtInternal> { 11 protected: 12 pthread_mutex_t _mutex [1] ; 13 pthread_cond_t _cond [1] ; 14 ... 15 }
可以看到Parker类实际上用Posix的mutex，condition来实现的。
在Parker类里的_counter字段，就是用来记录所谓的“许可”的。
当调用park时，先尝试直接能否直接拿到“许可”，即_counter>0时，如果成功，则把_counter设置为0,并返回：
1 void Parker::park(bool isAbsolute, jlong time) { 2 // Ideally we'd do something useful while spinning, such 3 // as calling unpackTime(). 4 5 6 // Optional fast-path check: 7 // Return immediately if a permit is available. 8 // We depend on Atomic::xchg() having full barrier semantics 9 // since we are doing a lock-free update to _counter. 10 if (Atomic::xchg(0, &_counter) > 0) return;
如果不成功，则构造一个ThreadBlockInVM，然后检查_counter是不是>0，如果是，则把_counter设置为0，unlock mutex并返回：
1 ThreadBlockInVM tbivm(jt); 2 if (_counter > 0) { // no wait needed 3 _counter = 0; 4 status = pthread_mutex_unlock(_mutex);
否则，再判断等待的时间，然后再调用pthread_cond_wait函数等待，如果等待返回，则把_counter设置为0，unlock mutex并返回：
1 if (time == 0) { 2 status = pthread_cond_wait (_cond, _mutex) ; 3 } 4 _counter = 0 ; 5 status = pthread_mutex_unlock(_mutex) ; 6 assert_status(status == 0, status, "invariant") ; 7 OrderAccess::fence();
当unpark时，则简单多了，直接设置_counter为1，再unlock mutext返回。如果_counter之前的值是0，则还要调用pthread_cond_signal唤醒在park中等待的线程：
1 void Parker::unpark() { 2 int s, status ; 3 status = pthread_mutex_lock(_mutex); 4 assert (status == 0, "invariant") ; 5 s = _counter; 6 _counter = 1; 7 if (s < 1) { 8 if (WorkAroundNPTLTimedWaitHang) { 9 status = pthread_cond_signal (_cond) ; 10 assert (status == 0, "invariant") ; 11 status = pthread_mutex_unlock(_mutex); 12 assert (status == 0, "invariant") ; 13 } else { 14 status = pthread_mutex_unlock(_mutex); 15 assert (status == 0, "invariant") ; 16 status = pthread_cond_signal (_cond) ; 17 assert (status == 0, "invariant") ; 18 } 19 } else { 20 pthread_mutex_unlock(_mutex); 21 assert (status == 0, "invariant") ; 22 } 23 }
简而言之，是用mutex和condition保护了一个_counter的变量，当park时，这个变量置为了0，当unpark时，这个变量置为1。
值得注意的是在park函数里，调用pthread_cond_wait时，并没有用while来判断，所以posix condition里的”Spurious wakeup”一样会传递到上层Java的代码里。
关于”Spurious wakeup”，参考上一篇blog：http://blog.csdn.net/hengyunabc/article/details/27969613
1 if (time == 0) {
2 status = pthread_cond_wait (_cond, _mutex) ;
3 }
这也就是为什么Java dos里提到，当下面三种情况下park函数会返回：
- Some other thread invokes unpark with the current thread as the target; or
- Some other thread interrupts the current thread; or
- The call spuriously (that is, for no reason) returns.
相关的实现代码在：
http://hg.openjdk.java.NET/jdk7/jdk7/hotspot/file/81d815b05abb/src/share/vm/runtime/park.hpp
http://hg.openjdk.java.net/jdk7/jdk7/hotspot/file/81d815b05abb/src/share/vm/runtime/park.cpp
http://hg.openjdk.java.Net/jdk7/jdk7/hotspot/file/81d815b05abb/src/os/Linux/vm/os_linux.hpp
http://hg.openjdk.java.net/jdk7/jdk7/hotspot/file/81d815b05abb/src/os/linux/vm/os_linux.cpp
其它的一些东东：
Parker类在分配内存时，使用了一个技巧，重载了new函数来实现了cache line对齐。
1 // We use placement-new to force ParkEvent instances to be 2 // aligned on 256-byte address boundaries. This ensures that the least 3 // significant byte of a ParkEvent address is always 0. 4 5 void * operator new (size_t sz) ;
Parker里使用了一个无锁的队列在分配释放Parker实例：
1 volatile int Parker::ListLock = 0 ; 2 Parker * volatile Parker::FreeList = NULL ; 3 4 Parker * Parker::Allocate (JavaThread * t) { 5 guarantee (t != NULL, "invariant") ; 6 Parker * p ; 7 8 // Start by trying to recycle an existing but unassociated 9 // Parker from the global free list. 10 for (;;) { 11 p = FreeList ; 12 if (p == NULL) break ; 13 // 1: Detach 14 // Tantamount to p = Swap (&FreeList, NULL) 15 if (Atomic::cmpxchg_ptr (NULL, &FreeList, p) != p) { 16 continue ; 17 } 18 19 // We've detached the list. The list in-hand is now 20 // local to this thread. This thread can operate on the 21 // list without risk of interference from other threads. 22 // 2: Extract -- pop the 1st element from the list. 23 Parker * List = p->FreeNext ; 24 if (List == NULL) break ; 25 for (;;) { 26 // 3: Try to reattach the residual list 27 guarantee (List != NULL, "invariant") ; 28 Parker * Arv = (Parker *) Atomic::cmpxchg_ptr (List, &FreeList, NULL) ; 29 if (Arv == NULL) break ; 30 31 // New nodes arrived. Try to detach the recent arrivals. 32 if (Atomic::cmpxchg_ptr (NULL, &FreeList, Arv) != Arv) { 33 continue ; 34 } 35 guarantee (Arv != NULL, "invariant") ; 36 // 4: Merge Arv into List 37 Parker * Tail = List ; 38 while (Tail->FreeNext != NULL) Tail = Tail->FreeNext ; 39 Tail->FreeNext = Arv ; 40 } 41 break ; 42 } 43 44 if (p != NULL) { 45 guarantee (p->AssociatedWith == NULL, "invariant") ; 46 } else { 47 // Do this the hard way -- materialize a new Parker.. 48 // In rare cases an allocating thread might detach 49 // a long list -- installing null into FreeList --and 50 // then stall. Another thread calling Allocate() would see 51 // FreeList == null and then invoke the ctor. In this case we 52 // end up with more Parkers in circulation than we need, but 53 // the race is rare and the outcome is benign. 54 // Ideally, the # of extant Parkers is equal to the 55 // maximum # of threads that existed at any one time. 56 // Because of the race mentioned above, segments of the 57 // freelist can be transiently inaccessible. At worst 58 // we may end up with the # of Parkers in circulation 59 // slightly above the ideal. 60 p = new Parker() ; 61 } 62 p->AssociatedWith = t ; // Associate p with t 63 p->FreeNext = NULL ; 64 return p ; 65 } 66 67 68 void Parker::Release (Parker * p) { 69 if (p == NULL) return ; 70 guarantee (p->AssociatedWith != NULL, "invariant") ; 71 guarantee (p->FreeNext == NULL , "invariant") ; 72 p->AssociatedWith = NULL ; 73 for (;;) { 74 // Push p onto FreeList 75 Parker * List = FreeList ; 76 p->FreeNext = List ; 77 if (Atomic::cmpxchg_ptr (p, &FreeList, List) == List) break ; 78 } 79 }
总结与扯谈
JUC(java Util Concurrency)仅用简单的park, unpark和CAS指令就实现了各种高级同步数据结构，而且效率很高，令人惊叹。
在C++程序员各种自制轮子的时候，Java程序员则有很丰富的并发数据结构，如lock，latch，queue，map等信手拈来。
要知道像C++直到C++11才有标准的线程库，同步原语，但离高级的并发数据结构还有很远。boost库有提供一些线程，同步相关的类，但也是很简单的。Intel的tbb有一些高级的并发数据结构，但是国内boost都用得少，更别说tbb了。
最开始研究无锁算法的是C/C++程序员，但是后来很多Java程序员，或者类库开始自制各种高级的并发数据结构，经常可以看到有分析Java并发包的文章。反而C/C++程序员总是在分析无锁的队列算法。高级的并发数据结构，比如并发的HashMap，没有看到有相关的实现或者分析的文章。在c++11之后，这种情况才有好转。
因为正确高效实现一个Concurrent Hash Map是很困难的，要对内存CPU有深刻的认识，而且还要面对CPU不断升级带来的各种坑。
我认为真正值得信赖的C++并发库，只有Intel的tbb和微软的PPL。
https://software.intel.com/en-us/node/506042 Intel® Threading Building Blocks
http://msdn.microsoft.com/en-us/library/dd492418.aspx Parallel Patterns Library (PPL)
另外FaceBook也开源了一个C++的类库，里面也有并发数据结构。
https://github.com/facebook/folly
