CountDownLatch仅用于等待线程完成，不负责分段并行与结果汇总；需配合任务拆分、多线程执行、线程安全共享容器（如AtomicInteger、ConcurrentHashMap）及主线程汇总实现完整逻辑。
CountDownLatch 本身不负责“分段并行执行”或“汇总结果”，它只是一个同步辅助类，用于等待一组线程完成。真正实现分段并行 + 汇总，需要结合 任务拆分、多线程并发执行 和 共享结果容器（如 List、AtomicInteger、ConcurrentHashMap 等），再用 CountDownLatch 控制主线程等待。
一、明确分工：谁拆任务、谁执行、谁汇总
典型结构如下：
- 主线程：把大任务拆成 N 个子任务（例如按数组索引分片、按文件块切分）；创建共享结果容器；启动 N 个工作线程；用 CountDownLatch.await() 阻塞等待全部完成。
- 每个工作线程：处理分配给自己的那部分数据；计算局部结果；将结果安全地写入共享容器（注意线程安全）；调用 countDown() 告知完成。
- 主线程恢复后：统一读取共享容器，做最终汇总（如求和、合并列表、取最大值等）。
二、关键细节：如何安全汇总结果
避免竞态条件，不同场景推荐不同方式：
-
简单数值累加：用
AtomicInteger或AtomicLong，每个线程调用addAndGet()或incrementAndGet()。 -
收集多个对象（如 List
） ：用CopyOnWriteArrayList（读多写少）或ConcurrentLinkedQueue（高并发插入），避免直接用 ArrayList 加 synchronized。 -
需要键值聚合（如统计词频）：用
ConcurrentHashMap，配合merge()或computeIfAbsent()安全更新。 - 复杂对象或需定制逻辑：可为每个线程分配独立的局部结果对象（如自定义 Result 类），存入线程安全的集合，最后由主线程遍历合并。
三、一个完整示例：并行计算数组各段和，再汇总总和
假设对 int[] arr 执行 4 段并行求和：
JavaStoryDevelop
下载
你接手一个需求时，是不是经常这样："改一个小字段 → 结果把不相关的代码也改了"、"需求说得很模糊 → 做着做着发现跑偏了"、"数据库加个字段 → 上线才发现漏了数据兼容"、"做了个新功能 → 一个月后自己都忘了当时怎么设计的"、"写到一半被中断 → 再回来不知道从哪继续"；这个 Skill 就是专门解决这些问题的。 它会自动探测你的项目环境（JDK、Spring Boot、ORM、数据库、前端框架），记在
立即学习“Java免费学习笔记（深入）”；
int[] arr = {1, 2, 3, 4, 5, 6, 7, 8};
int nThreads = 4;
CountDownLatch latch = new CountDownLatch(nThreads);
AtomicInteger totalSum = new AtomicInteger(0); // 共享结果
<p>int segmentSize = (arr.length + nThreads - 1) / nThreads;</p><p>for (int i = 0; i < nThreads; i++) {
final int start = i * segmentSize;
final int end = Math.min(start + segmentSize, arr.length);</p><pre class="brush:php;toolbar:false;">new Thread(() -> {
int localSum = 0;
for (int j = start; j < end; j++) {
localSum += arr[j];
}
totalSum.addAndGet(localSum); // 线程安全累加
latch.countDown();
}).start();}
try { latch.await(); // 主线程等待全部完成 } catch (InterruptedException e) { Thread.currentThread().interrupt(); } System.out.println("总和：" + totalSum.get()); // 输出 36
四、替代方案提醒：更现代的写法
虽然 CountDownLatch 可用，但 Java 8+ 更推荐：
-
CompletableFuture：支持异步编排、异常处理、组合回调，天然适合分段并行 + 汇总。例如用
supplyAsync提交子任务，再用allOf+join()收集结果。 -
ForkJoinPool / parallelStream：对数组/集合做 map-reduce 风格计算时更简洁（如
Arrays.stream(arr).parallel().sum()）。 - CountDownLatch 更适合“等待已知数量的异步操作结束”，而非主动管理结果结构。
