ArrayBlockingQueue高并发写入易卡住，因其所有操作共用同一把ReentrantLock，生产者密集put且队列满时持续争锁，拖慢消费者；适合固定容量、低线程数场景。
ArrayBlockingQueue 为什么在高并发写入时容易卡住
它底层用数组 + 可重入锁（ReentrantLock）实现，所有操作（put、take、offer、poll）都抢同一把锁。当生产者线程密集写入，又没空间时，put会阻塞并持续竞争锁，导致其他线程（包括消费者）被拖慢。
常见错误现象：Thread.getState() == BLOCKED 的线程数飙升，JVM 线程 dump 里一堆线程停在 ArrayBlockingQueue.lock.lockInterruptibly()。
- 适合场景：队列长度固定、生产消费速率接近、线程数少（≤4）、对内存连续性有要求（如实时系统缓存）
- 注意
capacity不能动态扩容，初始化后就锁死；设太小会频繁阻塞，太大浪费堆内存 - 公平模式（
new ArrayBlockingQueue(n, true)）反而降低吞吐，除非你明确需要 FIFO 抢占顺序
LinkedBlockingQueue 的双锁机制到底省了什么
它用两个独立的 ReentrantLock：一个管 put（putLock），一个管 take（takeLock）。只要不同时满/空，生产和消费就能完全并发执行——这是性能分水岭。
使用场景：Web 请求队列、异步日志缓冲、消费者明显快于生产者的 pipeline。
立即学习“Java免费学习笔记（深入）”；
Java 接口排错助手
下载
在调试 Java 后端 API 故障时使用此技能，尤其适用于以下任务：分析日志、跨 Controller、Service 和 Mapper 层追踪请求、定位异常根因、检查 SQL 执行或参数流转，以及生成简洁的诊断结论与修复方案。
- 默认构造函数
new LinkedBlockingQueue()创建的是无界队列（Integer.MAX_VALUE容量），OOM 风险极高，务必显式传参，比如new LinkedBlockingQueue(1024) - 节点是链表，每次
put都要 newNode对象，GC 压力比ArrayBlockingQueue大，尤其在短生命周期高吞吐场景 -
size()是遍历链表计数，O(n)，别在循环里调用；isEmpty()才是 O(1)
吞吐量差异在什么量级上才真正明显
单核 CPU 或低并发（70% 时，LinkedBlockingQueue 的吞吐通常高出 2–5 倍，延迟毛刺也更少。
关键不是“哪个更快”，而是“谁的瓶颈更符合你的压测曲线”：
- 如果你的压测中，
ArrayBlockingQueue的put平均耗时随线程数上升陡增，而LinkedBlockingQueue基本平稳 → 后者更适合 - 如果 GC 日志里
ParNew次数暴增，且对象主要来自Node→ 要么切回数组实现，要么加大 Young GC 空间 - JDK 8u292+ 开始，
ArrayBlockingQueue在某些 hotspot 优化下局部胜出（如极短队列 + 极高 cache 局部性），但属于边缘 case，别凭直觉猜
别忽略 BlockingQueue 的“阻塞”本身才是性能杀手
真正拖垮系统的，往往不是队列类型，而是业务逻辑让线程在 put 或 take 上等太久。比如下游服务 RT 从 10ms 涨到 500ms，ArrayBlockingQueue 会立刻堆积，LinkedBlockingQueue 只是撑得久一点。
- 永远配超时：用
offer(e, timeout, unit)替代put(e)，用poll(timeout, unit)替代take() - 监控
remainingCapacity()和size()的比值，持续 >90% 就该告警或降级 - 如果发现消费者长期空闲、生产者却总在阻塞，说明瓶颈根本不在队列，而在消费者处理能力或下游依赖
队列只是缓冲区，不是性能银弹。选型只是开始，压测时盯住线程状态和 GC，比纠结类名重要得多。
