Java 虚拟线程深度指南（Project Loom）

虚拟线程（Virtual Threads）是 Java 21（2023 年 9 月）正式发布的里程碑式特性，由 Project Loom 项目孵化而成。它将 Java 的并发模型从”操作系统线程 1:1 映射”重定义为”JVM 调度的 M:N 映射”，让开发者能用传统的同步阻塞式编程风格实现高并发，无需学习响应式编程（Reactive Programming）的复杂范式。这一特性被 Brian Goetz（Java 语言架构师）称为”自 Java 8 Lambda 以来最重要的语言演进”，因为它重新定义了 Java 在云原生时代处理高并发 I/O 的能力边界。本文将系统性剖析虚拟线程的设计哲学、调度机制、Continuation 原理、Pinning 陷阱、结构化并发、与 Spring Boot 3.2+ 的集成实践，以及与响应式编程的深度对比，让读者既能掌握”如何使用虚拟线程”，也能理解”虚拟线程为何如此设计”，最终建立对 Java 并发演进全景的系统认知。

1. 学习目标（基于 Bloom 分类法）

本节以 Bloom 教育目标分类法（Anderson 2001 修订版）为框架，对学习目标进行显式分级，便于读者自检学习成果与认知深度。

1.1 认知层级目标

1.2 学习成果自检清单

完成本章学习后，读者应能独立完成以下任务：

1. 在不查阅文档的前提下，编写出使用虚拟线程并发抓取 1000 个 URL 的代码，并解释其与 CompletableFuture 方案的差异。
2. 用一句话向同事解释虚拟线程的”Continuation 卸载”与”载体线程释放”之间的关系。
3. 在白板上画出虚拟线程从 Thread.startVirtualThread 到 park 到 unpark 的完整状态机流转图。
4. 识别生产代码中导致 Pinning 的反模式（synchronized 块内阻塞、native 方法调用、JNI 调用），并给出 ReentrantLock 替代方案。
5. 使用 jcmd <pid> Thread.dump_to_file -format=json 抓取虚拟线程堆栈，定位 Pinning 线程。
6. 设计一个基于 StructuredTaskScope 的并发订单聚合服务，要求任一子任务失败立即取消其他子任务。
7. 对比虚拟线程、Reactor、Kotlin 协程三种并发模型的优缺点，给出 3 种典型场景的选型建议。

1.3 前置知识地图

Java 并发基础
    │
    ├── Thread / Runnable
    ├── synchronized / volatile
    ├── wait / notify / notifyAll
    ├── Lock / Condition（ReentrantLock）
    └── Executor / ExecutorService / ThreadPoolExecutor
            │
            ▼
Java 并发进阶
    │
    ├── CompletableFuture（Java 8）
    ├── ForkJoinPool（Java 7）
    ├── Flow / Reactive Streams（Java 9）
    └── ThreadLocal / InheritableThreadLocal
            │
            ▼
Java 虚拟线程（本章）
    │
    ├── 核心机制：Continuation / Carrier Thread / M:N 调度
    ├── API 层：Thread.ofVirtual / newVirtualThreadPerTaskExecutor
    ├── 进阶层：StructuredTaskScope / ScopedValue
    ├── 陷阱层：Pinning / ThreadLocal / 池化
    └── 集成层：Spring Boot 3.2 / Helidon Níma / Quarkus

1.4 章节阅读建议

• 零基础读者：建议按顺序阅读第 2-5 节，配合第 5 节代码示例上机实操，再回到第 3、4 节深化理论。
• 有 Java 并发经验的工程师：可跳过第 2 节基础部分，直接阅读第 3 节 Continuation 机制、第 4 节 Pinning 原理、第 7 节反模式。
• 架构师：重点关注第 6 节对比分析、第 8 节工程实践与第 9 节案例研究，特别是虚拟线程与响应式编程的选型决策。
• Spring Boot 开发者：直接跳转第 8.2 节 Spring Boot 3.2+ 集成实践。

2. 历史动机与演化

2.1 并发模型的演进：从线程到协程到虚拟线程

Java 的并发模型经历了三个主要阶段：

阶段 1：1:1 线程模型（1996-2023，JDK 1.0-20）

Java 1.0 采用了”每个 Thread 对象对应一个操作系统线程”的 1:1 模型。这种设计的优点是语义清晰、与操作系统调度器对齐，缺点是：

• 创建成本高：每个平台线程需要分配 1MB 栈空间（默认 -Xss1m），操作系统通过 clone 系统调用创建，涉及内核态切换。
• 数量上限低：典型 Linux 服务器可创建的平台线程数约 4000-8000（受 ulimit -u 与内存限制），无法支撑”一个请求一个线程”的微服务架构。
• 阻塞成本高：线程阻塞（如 socket.read()）时，操作系统线程被挂起，但栈空间与内核资源仍被占用。

为了解决高并发 I/O 问题，社区演化出两条路径：

路径 A：响应式编程（Reactive Programming）

• 代表框架：RxJava（2013）、Project Reactor（2016）、Akka Streams（2014）。
• 核心思想：使用少量线程 + 异步回调 + 数据流抽象，实现”非阻塞 I/O + 事件驱动”。
• 优点：单机可支撑 10 万级并发连接（如 Netty）。
• 缺点：
  • 编程范式陡峭：需学习 Mono、Flux、flatMap、zip、compose 等组合子。
  • 调试困难：异步调用栈不连续，异常追踪需借助 Hooks.onEachOperator。
  • 与同步库不兼容：JDBC、阻塞式 HTTP 客户端在响应式代码中会”毒化”事件循环。
  • “回调地狱”虽被 flatMap 缓解，但代码可读性仍显著低于同步风格。

路径 B：协程（Coroutine）

• 代表语言：Kotlin（kotlinx.coroutines，2018）、Go（goroutine，2012）、Erlang（process，1986）。
• 核心思想：用户态调度的轻量级线程，可在阻塞点自动挂起/恢复，栈空间按需增长。
• 优点：编程风格接近同步代码，单机可支撑百万级并发。
• 缺点（对 Java 而言）：JVM 上 Kotlin 协程依赖 Continuation 与 suspend 关键字，无法与 Java 互操作；Go 协程是语言级原生，Java 无法复用。

阶段 2：Project Loom 孵化（2018-2023）

Project Loom 由 Ron Pressler（Oracle）于 2018 年发起，目标是在 JVM 层面实现”协程式”的轻量级线程，但保持 Java 现有的同步阻塞式编程风格。其核心创新：

• 不引入新关键字：虚拟线程使用 Thread 类的子类型，所有现有 Thread API（sleep、interrupt、join、ThreadLocal）都可用。
• JVM 层调度：虚拟线程由 JVM 内置的 ForkJoinPool 调度，而非操作系统调度。
• Continuation 机制：虚拟线程的栈帧在阻塞时保存到堆上（Continuation 对象），恢复时重新挂载到载体线程。
• 与现有库兼容：JDBC、HttpClient、Socket 等 API 在虚拟线程下自动”卸载”，无需修改业务代码。

这一设计的核心哲学是：让开发者继续写同步代码，但获得异步性能。

阶段 3：虚拟线程正式化（2023-至今，JDK 21+）

• JDK 19（2022-09）：虚拟线程作为预览特性发布（JEP 425）。
• JDK 20（2023-03）：虚拟线程第二次预览（JEP 436），根据反馈调整 API。
• JDK 21（2023-09）：虚拟线程正式发布（JEP 444），成为 LTS 特性。
• JDK 22-24（2024-2025）：结构化并发、作用域值持续预览演进，社区生态（Spring Boot 3.2、Helidon Níma、Quarkus 3.6）全面接入。

2.2 关键里程碑时间线

2.3 设计哲学：为何选择”虚拟线程”而非”协程”

Java 设计团队（Brian Goetz、Ron Pressler）在 Loom 设计阶段曾考虑三种方案：

1. 方案 A：语言级 async/await 关键字（C#、Rust、Python 风格）

   • 优点：编译期静态检查异步调用，性能最优。
   • 缺点：引入”函数染色”问题（async 函数只能被 async 函数调用），现有同步库需重写为 async 版本，破坏 Java 生态兼容性。

2. 方案 B：协程 + suspend 关键字（Kotlin 风格）

   • 优点：无函数染色问题，语法简洁。
   • 缺点：JVM 上实现 suspend 需要修改字节码生成 CPS（Continuation-Passing Style）变换，与现有字节码工具（ASM、CGLIB）不兼容；Java 与 Kotlin 互操作时 suspend 函数在 Java 侧需手动处理 Continuation 参数。

3. 方案 C：虚拟线程（最终选择）

   • 优点：
     • 无新关键字：Thread、Runnable、Callable API 完全复用。
     • 无函数染色：同步代码在虚拟线程中自动获得异步性能。
     • 生态兼容：JDBC 4.0+、HttpClient、Socket、NIO 阻塞操作自动卸载。
   • 缺点：
     • JVM 实现复杂：需修改 HotSpot 的 Thread 类、栈管理、Continuation 实现。
     • Pinning 陷阱：synchronized 块内阻塞会导致载体线程被占用，需开发者主动用 ReentrantLock 替换。
     • ThreadLocal 内存陷阱：百万级虚拟线程各自持有 ThreadLocal 副本可能导致 OOM。

Java 团队选择方案 C 的核心原因是 “生态兼容性优先” —— Java 生态积累了 25 年的同步库（JDBC、JPA、Jackson、OkHttp），重写这些库为 async 版本的成本远高于在 JVM 层实现虚拟线程。这一决策使 Java 在云原生时代保持了”一次编写、到处运行”的承诺。

2.4 JEP 与虚拟线程相关提案

2.5 虚拟线程与 Java 生态的共生关系

虚拟线程并非孤立存在，它与以下生态形成了共生关系：

• Spring Boot 3.2+：spring.threads.virtual.enabled=true 一键启用，Tomcat、Jetty、Undertow 请求处理自动切换为虚拟线程。
• Helidon Níma（2023）：Oracle 推出的”完全基于虚拟线程的 Web 服务器”，无 Netty 依赖，吞吐量较传统 Web 服务器提升 5-10 倍。
• Quarkus 3.6+：quarkus.virtual-threads.enabled=true 启用虚拟线程，RESTEasy Reactive 自动适配。
• JDBC 驱动：MySQL Connector/J 8.0.33+、PostgreSQL JDBC 42.6+ 完全兼容虚拟线程，阻塞 I/O 自动卸载。
• HttpClient（Java 11+）：原生兼容虚拟线程，同步 send 方法在虚拟线程中自动获得异步性能。
• gRPC Java（1.58+）：ManagedChannelBuilder.virtualThreadExecutor() 启用虚拟线程。
• Reactor 框架：Schedulers.boundedElastic() 在虚拟线程场景下可替换为 Schedulers.fromExecutor(Executors.newVirtualThreadPerTaskExecutor())。

历史轶事：Project Loom 团队在 2019 年 JavaOne 大会上首次公开演示虚拟线程时，现场运行了 1000 万个虚拟线程并发 sleep 10 秒，仅消耗约 12GB 内存。若用平台线程实现同样效果，需 10TB 内存（1000 万 × 1MB），这在物理上不可能。这一演示震撼了整个 Java 社区，加速了虚拟线程的正式发布进程。

3. 形式化定义

3.1 虚拟线程的形式化定义

设 $T_p$ 为平台线程集合（操作系统线程），$T_v$ 为虚拟线程集合，$C$ 为载体线程（Carrier Thread）集合，$S$ 为调度器（Scheduler）。虚拟线程系统可形式化为一个六元组：

其中：

• $T_v$：虚拟线程集合，$|T_v|$ 可达 $10^6$ 量级。
• $T_p$：平台线程集合，$|T_p|$ 通常等于 CPU 核心数。
• $C \subseteq T_p$：载体线程，由 ForkJoinPool 提供，$|C| = \text{availableProcessors}()$。
• $S$：调度器，$S: T_v \to C$ 将虚拟线程映射到载体线程。
• $\text{Continuation}$：延续对象，保存虚拟线程的栈帧。
• $\text{Mount}: T_v \times C \to \text{State}$：挂载操作，将虚拟线程绑定到载体线程执行。

3.2 M:N 调度模型

传统平台线程采用 1:1 调度：一个 Java 线程对应一个操作系统线程。

虚拟线程采用 M:N 调度：M 个虚拟线程映射到 N 个载体线程。

其中 $M \gg N$（典型值 $M = 10^6$，$N = \text{CPU 核心数}$）。调度器 $S$ 负责在载体线程上分时执行虚拟线程，虚拟线程阻塞时自动让出载体线程。

3.3 虚拟线程状态机

虚拟线程的状态机可形式化为：

状态转移规则：

关键区别：

• PARKED：虚拟线程卸载（Unmount），载体线程释放，可执行其他虚拟线程。
• PINNED：虚拟线程无法卸载，载体线程被占用，无法执行其他虚拟线程（退化为平台线程行为）。

3.4 Continuation 的形式化定义

Continuation 是虚拟线程的核心抽象，表示”计算的剩余部分”。形式化地，设 $c$ 为一个 Continuation，$s$ 为当前栈帧序列，$e$ 为执行环境（局部变量、操作数栈），则：

虚拟线程的执行可建模为 Continuation 的挂载与卸载：

Continuation 的栈帧存储在堆上（而非操作系统栈），这是虚拟线程内存占用极低的根本原因。每个 Continuation 的初始栈约 1KB，可按需增长到 100KB-1MB（极少见）。

3.5 内存占用形式化对比

设 $n$ 为线程数量，$M_p$ 为平台线程总内存，$M_v$ 为虚拟线程总内存：

对于 $n = 10^6$ 个线程：

虚拟线程的内存优势为 1000 倍，这是其能支撑百万级并发的物理基础。

3.6 吞吐量模型

设 $T_{\text{cpu}}$ 为任务 CPU 执行时间，$T_{\text{io}}$ 为任务 I/O 等待时间，$N$ 为载体线程数。对于 I/O 密集型任务（$T_{\text{io}} \gg T_{\text{cpu}}$）：

平台线程模型：线程数 $n_p$ 受限于内存，$n_p \leq 4000$。吞吐量：

虚拟线程模型：虚拟线程数 $n_v$ 可达 $10^6$，但受限于载体线程数 $N$。吞吐量：

因为虚拟线程在 I/O 等待时释放载体线程，载体线程始终在执行 CPU 工作。对于 $T_{\text{io}} = 100\text{ms}$，$T_{\text{cpu}} = 1\text{ms}$，$N = 8$：

虚拟线程的吞吐量优势为 200 倍（在 I/O 密集型场景）。

4. 理论推导：JVM 视角下的虚拟线程机制

4.1 虚拟线程的 JVM 实现

虚拟线程在 HotSpot JVM 中的实现涉及以下核心组件：

1. java.lang.VirtualThread（JDK 21+）：继承自 Thread，是虚拟线程的 Java 层表示。
2. jdk.internal.vm.Continuation：JVM 内部类，封装 Continuation 机制。
3. ForkJoinPool：虚拟线程的载体线程池，默认 Runtime.getRuntime().availableProcessors() 个工作线程。
4. VirtualThread 的 run() 方法：在载体线程上执行 Continuation。
5. Continuation.yield()：虚拟线程阻塞时调用，将栈帧保存到堆。

[Java Heap]                    [Carrier Thread Stack]         [Metaspace]
+-------------------+          +--------------------+        +------------------+
| VirtualThread     | <------> | Continuation       |        | VirtualThread    |
|   - vthread       |   Mount  |   - stack frames   |        |   class metadata |
|   - carrier       | <------> |   - locals         |        +------------------+
|   - cont          |  Unmount |   - operands       |
|   - state         |          +--------------------+
+-------------------+
| Continuation      |
|   - stack (堆上)  |  <-- 阻塞时栈帧保存到此
|   - nextInstr     |
+-------------------+

4.2 Continuation 的栈帧存储机制

传统平台线程的栈帧存储在操作系统分配的线程栈上（1MB 连续内存）。虚拟线程的栈帧存储分为两种状态：

运行态（Mounted）：虚拟线程在载体线程上执行时，栈帧存储在载体线程的栈上。

阻塞态（Unmounted）：虚拟线程阻塞时，Continuation.yield() 被调用，栈帧被”冻结”并复制到堆上的 Continuation 对象中。

运行态:
[Carrier Thread Stack]
+---------------------+
| main()              |
| VirtualThread.run() |
| fetchUser()         |
| socket.read()  <-- 阻塞点
+---------------------+
         |
         | yield()
         v
阻塞态:
[Java Heap - Continuation Object]
+---------------------+
| Continuation        |
|   - fetchUser frame |
|   - VT.run frame    |
|   - nextInstr: ...  |
+---------------------+

[Carrier Thread Stack]
+---------------------+
| main()              |
| (空闲，可执行其他VT) |
+---------------------+

这一机制的关键是 栈帧的可序列化：JVM 需要将栈帧从载体线程栈”卸下”并保存到堆，恢复时再”挂回”载体线程栈。这要求 JVM 修改 Continuation 的实现，使其支持栈帧的拷贝与恢复。

4.3 卸载触发点：哪些操作会触发 Unmount

虚拟线程在以下操作中会自动卸载（Unmount）：

1. java.net.Socket I/O：Socket.getInputStream().read()、Socket.getOutputStream().write() 阻塞时。
2. java.nio.channels：SocketChannel.read()、ServerSocketChannel.accept() 阻塞时（NIO 阻塞模式）。
3. java.net.http.HttpClient：HttpClient.send() 同步方法阻塞时。
4. java.io.FileInputStream / FileOutputStream：阻塞 I/O（注意：文件 I/O 通常不卸载，因磁盘 I/O 极快）。
5. Thread.sleep()：sleep 时自动卸载。
6. Object.wait() / Condition.await()：等待时自动卸载。
7. LockSupport.park()：显式 park 时卸载。
8. BlockingQueue 操作：put()、take() 阻塞时卸载。
9. Semaphore.acquire()：许可不足时卸载。
10. CountDownLatch.await()：等待时卸载。
11. Future.get()：等待结果时卸载。
12. CompletableFuture.join()：等待完成时卸载。

JDK 21 对以上所有 API 都做了虚拟线程适配，业务代码无需任何修改即可享受卸载机制。

4.4 Pinning（线程固定）机制

Pinning 是虚拟线程”无法卸载”的状态，会导致载体线程被占用。Pinning 发生在以下三种场景：

4.4.1 synchronized 块内阻塞

public synchronized void process() {  // 进入 synchronized 块
    socket.read();  // 阻塞 I/O，但虚拟线程被 Pinning
}

JVM 内部原因：

JVM 的 monitor（监视器锁）实现依赖操作系统层（ObjectMonitor），monitor 的 wait/enter 操作涉及操作系统互斥量（pthread_mutex）。虚拟线程在 synchronized 块内阻塞时，JVM 无法将栈帧卸载（因为 monitor 持有者是载体线程），导致载体线程被占用。

HotSpot 的 ObjectMonitor 结构在 JDK 21 前未针对虚拟线程适配，这是 Pinning 的根本原因。JDK 24+（JEP 491）正在开发 synchronized 的虚拟线程适配，预计 JDK 25 正式解决。

4.4.2 native 方法调用

public native void doNativeWork();  // native 方法

public void caller() {
    doNativeWork();  // 虚拟线程被 Pinning，因 native 方法栈无法卸载
}

JVM 内部原因：

native 方法的栈帧存储在 native 栈上（C/C++ 栈），JVM 无法访问和拷贝 native 栈。虚拟线程在执行 native 方法时被 Pinning，载体线程被占用直到 native 方法返回。

4.4.3 JNI 调用

JNI（Java Native Interface）调用同样会导致 Pinning，原因与 native 方法相同。

4.5 Pinning 的检测与监控

JDK 21 提供了 Pinning 检测机制：

方式 1：JVM 诊断选项

# 启动时启用 Pinning 诊断
java -Djdk.tracePinnedThreads=short -jar app.jar
# 或完整堆栈
java -Djdk.tracePinnedThreads=full -jar app.jar

启用后，每当虚拟线程被 Pinning，JVM 会打印堆栈：

Thread[#123,ForkJoinPool-1-worker-1] pinned due to:
    java.base/java.lang.VirtualThread$VThreadContinuation.onPinned(VirtualThread.java:xxx)
    app.MyService.process(MyService.java:45)

方式 2：jcmd 线程转储

# 抓取所有线程（含虚拟线程）的 JSON 转储
jcmd <pid> Thread.dump_to_file -format=json thread_dump.json

JSON 转储中会标注每个虚拟线程的状态：

{
  "threadId": 123,
  "name": "VirtualThread[#123]/runnable@ForkJoinPool-1-worker-1",
  "virtual": true,
  "state": "RUNNABLE",
  "pinned": true,
  "stackTrace": [
    {"class": "app.MyService", "method": "process", "line": 45}
  ]
}

方式 3：JFR（Java Flight Recorder）事件

# 启动 JFR 录制，捕获 Pinning 事件
java -XX:StartFlightRecording=duration=60s,filename=pinning.jfr -jar app.jar

JFR 事件 jdk.VirtualThreadPinned 记录每次 Pinning 的详细信息，可通过 JDK Mission Control 分析。

4.6 载体线程调度器：ForkJoinPool

虚拟线程的载体线程由 ForkJoinPool 提供，默认配置：

// 虚拟线程默认调度器（JDK 21 内部实现）
ForkJoinPool virtualThreadScheduler = new ForkJoinPool(
    Runtime.getRuntime().availableProcessors(),  // 并行度 = CPU 核心数
    ForkJoinPool.defaultForkJoinWorkerThreadFactory,
    null,
    false  // 不启用 asyncMode
);

关键特性：

• 并行度：默认等于 CPU 核心数，可通过 -Djdk.virtualThreadParallelism=N 调整。
• work-stealing：空闲工作线程会从其他工作线程的队列尾部”窃取”任务，均衡负载。
• 不可替换：应用代码无法替换虚拟线程的调度器（与平台线程不同）。

4.7 Continuation 的实现：yield 与 resume

Continuation 的核心方法：

public class Continuation {
    // 卸载：将当前栈帧保存到堆
    public static void yield() {
        // JVM 内部：保存栈帧到 Continuation 对象
        // 抛出 YieldException 用于栈展开
    }
    
    // 恢复：从堆加载栈帧并恢复执行
    public void run() {
        // JVM 内部：从 Continuation 对象恢复栈帧
        // 在当前载体线程上继续执行
    }
}

yield() 的实现机制：

1. JVM 检测到阻塞操作（如 socket.read()）。
2. JVM 调用 Continuation.yield()。
3. yield() 遍历当前栈帧，将每帧的局部变量、操作数栈、返回地址保存到 Continuation 对象（存储在堆上）。
4. yield() 抛出 YieldException，用于栈展开（stack unwinding）。
5. 载体线程捕获 YieldException，释放虚拟线程，继续调度其他虚拟线程。

run() 的实现机制：

1. 载体线程从调度器队列取出 Continuation 对象。
2. 调用 Continuation.run()。
3. JVM 从 Continuation 对象恢复栈帧到当前载体线程栈。
4. 从 nextInstr 处继续执行。

这一机制对开发者透明，业务代码无需感知。

5. 代码示例

5.1 创建虚拟线程的三种方式

package com.fandex.virtualthread;

import java.time.Duration;
import java.util.concurrent.Executors;
import java.util.concurrent.ThreadFactory;
import java.util.stream.IntStream;

/**
 * 虚拟线程创建示例
 * 演示三种创建虚拟线程的方式及其适用场景
 */
public class VirtualThreadCreationDemo {

    /**
     * 方式一：直接创建并启动
     * 适用于一次性任务，无需持有 Thread 引用
     */
    public static void createAndStart() {
        Thread vt = Thread.startVirtualThread(() -> {
            System.out.println("虚拟线程运行中: " + Thread.currentThread());
            System.out.println("是否虚拟线程: " + Thread.currentThread().isVirtual());
        });
        
        // 等待虚拟线程结束
        try {
            vt.join();
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
        }
    }

    /**
     * 方式二：使用 Builder API
     * 适用于需要自定义线程名的场景
     */
    public static void createWithBuilder() {
        Thread vt = Thread.ofVirtual()
            .name("my-vthread-", 0)  // 名字前缀 + 起始编号
            .start(() -> {
                System.out.println("线程名: " + Thread.currentThread().getName());
                try {
                    Thread.sleep(Duration.ofMillis(100));
                } catch (InterruptedException e) {
                    Thread.currentThread().interrupt();
                }
            });
        
        try {
            vt.join();
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
        }
    }

    /**
     * 方式三：使用 ThreadFactory
     * 适用于需要与现有 API（如 ExecutorService）配合的场景
     */
    public static void createWithFactory() {
        ThreadFactory factory = Thread.ofVirtual()
            .name("worker-", 0)
            .factory();
        
        Thread vt = factory.newThread(() -> {
            System.out.println("工厂创建的虚拟线程: " + Thread.currentThread().getName());
        });
        vt.start();
        
        try {
            vt.join();
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
        }
    }

    /**
     * 方式四：使用 newVirtualThreadPerTaskExecutor
     * 适用于批量提交任务的场景（推荐）
     */
    public static void createWithExecutor() {
        try (var executor = Executors.newVirtualThreadPerTaskExecutor()) {
            // 提交 10000 个任务，每个任务在独立虚拟线程中执行
            IntStream.range(0, 10000).forEach(i -> {
                executor.submit(() -> {
                    try {
                        Thread.sleep(Duration.ofSeconds(1));  // 模拟 I/O
                    } catch (InterruptedException e) {
                        Thread.currentThread().interrupt();
                    }
                    return i;
                });
            });
        }  // try-with-resources 自动等待所有任务完成
    }

    public static void main(String[] args) {
        System.out.println("=== 方式一：直接创建 ===");
        createAndStart();
        
        System.out.println("\n=== 方式二：Builder API ===");
        createWithBuilder();
        
        System.out.println("\n=== 方式三：ThreadFactory ===");
        createWithFactory();
        
        System.out.println("\n=== 方式四：批量执行器 ===");
        long start = System.currentTimeMillis();
        createWithExecutor();
        System.out.println("10000 个虚拟线程并发执行耗时: " 
            + (System.currentTimeMillis() - start) + "ms");
    }
}

5.2 虚拟线程并发 HTTP 请求

package com.fandex.virtualthread;

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.time.Duration;
import java.util.List;
import java.util.concurrent.CompletableFuture;
import java.util.concurrent.Executors;
import java.util.stream.Collectors;
import java.util.stream.IntStream;

/**
 * 虚拟线程并发 HTTP 请求示例
 * 对比虚拟线程与平台线程在 HTTP 并发场景下的性能
 */
public class ConcurrentHttpDemo {

    private static final HttpClient HTTP_CLIENT = HttpClient.newBuilder()
        .connectTimeout(Duration.ofSeconds(5))
        .build();

    /**
     * 使用虚拟线程并发请求多个 URL
     * 每个请求在独立虚拟线程中执行，阻塞时自动卸载
     */
    public static List<String> fetchWithVirtualThreads(List<String> urls) {
        try (var executor = Executors.newVirtualThreadPerTaskExecutor()) {
            // 每个提交异步任务，executor 会为每个任务创建一个虚拟线程
            List<CompletableFuture<String>> futures = urls.stream()
                .map(url -> CompletableFuture.supplyAsync(
                    () -> fetchUrl(url), executor))
                .toList();
            
            // 等待所有请求完成
            return futures.stream()
                .map(CompletableFuture::join)
                .toList();
        }
    }

    /**
     * 单个 URL 请求（同步风格，在虚拟线程中自动获得异步性能）
     */
    private static String fetchUrl(String url) {
        try {
            HttpRequest request = HttpRequest.newBuilder()
                .uri(URI.create(url))
                .timeout(Duration.ofSeconds(10))
                .GET()
                .build();
            
            // send() 是阻塞方法，但在虚拟线程中会自动卸载
            HttpResponse<String> response = HTTP_CLIENT.send(
                request, HttpResponse.BodyHandlers.ofString());
            
            return url + " -> " + response.statusCode();
        } catch (Exception e) {
            return url + " -> ERROR: " + e.getMessage();
        }
    }

    public static void main(String[] args) {
        // 生成 100 个测试 URL
        List<String> urls = IntStream.range(0, 100)
            .mapToObj(i -> "https://httpbin.org/delay/" + (i % 3 + 1))
            .toList();
        
        long start = System.currentTimeMillis();
        List<String> results = fetchWithVirtualThreads(urls);
        long elapsed = System.currentTimeMillis() - start;
        
        System.out.println("100 个并发请求耗时: " + elapsed + "ms");
        System.out.println("平均每个请求耗时: " + (elapsed / 100) + "ms");
        results.stream().limit(5).forEach(System.out::println);
    }
}

5.3 结构化并发示例

package com.fandex.virtualthread;

import java.util.concurrent.ExecutionException;
import java.util.concurrent.StructuredTaskScope;
import java.util.concurrent.TimeUnit;

/**
 * 结构化并发示例
 * 演示 StructuredTaskScope 的 ShutdownOnFailure 与 ShutdownOnSuccess 模式
 */
public class StructuredConcurrencyDemo {

    /**
     * 订单详情聚合服务
     * 使用 ShutdownOnFailure：任一子任务失败则取消所有子任务
     */
    public record OrderDetail(String order, String user, String payment) {}

    public OrderDetail fetchOrderDetail(Long orderId) throws InterruptedException, ExecutionException {
        // ShutdownOnFailure：任一子任务失败，自动取消其他子任务
        try (var scope = new StructuredTaskScope.ShutdownOnFailure()) {
            // 并发 fork 三个子任务
            StructuredTaskScope.Subtask<String> orderTask = 
                scope.fork(() -> fetchOrder(orderId));
            StructuredTaskScope.Subtask<String> userTask = 
                scope.fork(() -> fetchUser(orderId));
            StructuredTaskScope.Subtask<String> paymentTask = 
                scope.fork(() -> fetchPayment(orderId));
            
            // 等待所有子任务完成
            scope.join();
            
            // 若任一子任务失败，抛出异常
            scope.throwIfFailed();
            
            // 所有子任务成功，组装结果
            return new OrderDetail(
                orderTask.get(),
                userTask.get(),
                paymentTask.get()
            );
        }
    }

    /**
     * 使用 ShutdownOnSuccess：任一子任务成功则取消其他子任务
     * 适用于"多源竞速"场景（如多机房读同一数据，取最快响应）
     */
    public String fetchFromFastestSource(String key) throws InterruptedException {
        try (var scope = new StructuredTaskScope.ShutdownOnSuccess<String>()) {
            // 并发 fork 三个数据源
            scope.fork(() -> fetchFromRedis(key));
            scope.fork(() -> fetchFromMySQL(key));
            scope.fork(() -> fetchFromES(key));
            
            // 等待任一子任务成功（其他自动取消）
            scope.join();
            
            // 返回最先成功的结果
            return scope.result();
        }
    }

    // 模拟业务方法
    private String fetchOrder(Long id) throws InterruptedException {
        TimeUnit.MILLISECONDS.sleep(50);  // 模拟数据库查询
        return "Order-" + id;
    }

    private String fetchUser(Long id) throws InterruptedException {
        TimeUnit.MILLISECONDS.sleep(80);  // 模拟用户服务调用
        return "User-" + id;
    }

    private String fetchPayment(Long id) throws InterruptedException {
        TimeUnit.MILLISECONDS.sleep(100);  // 模拟支付服务调用
        return "Payment-" + id;
    }

    private String fetchFromRedis(String key) throws InterruptedException {
        TimeUnit.MILLISECONDS.sleep(30);
        return "redis:" + key;
    }

    private String fetchFromMySQL(String key) throws InterruptedException {
        TimeUnit.MILLISECONDS.sleep(80);
        return "mysql:" + key;
    }

    private String fetchFromES(String key) throws InterruptedException {
        TimeUnit.MILLISECONDS.sleep(120);
        return "es:" + key;
    }

    public static void main(String[] args) throws Exception {
        StructuredConcurrencyDemo demo = new StructuredConcurrencyDemo();
        
        System.out.println("=== 订单详情聚合 ===");
        long start = System.currentTimeMillis();
        OrderDetail detail = demo.fetchOrderDetail(1001L);
        System.out.println("耗时: " + (System.currentTimeMillis() - start) + "ms");
        System.out.println(detail);
        
        System.out.println("\n=== 多源竞速 ===");
        start = System.currentTimeMillis();
        String result = demo.fetchFromFastestSource("user:1001");
        System.out.println("耗时: " + (System.currentTimeMillis() - start) + "ms");
        System.out.println("最快响应: " + result);
    }
}

5.4 Pinning 检测与规避

package com.fandex.virtualthread;

import java.time.Duration;
import java.util.concurrent.Executors;
import java.util.concurrent.locks.ReentrantLock;

/**
 * Pinning 检测与规避示例
 * 演示 synchronized 导致 Pinning 的反模式，以及 ReentrantLock 替代方案
 */
public class PinningDemo {

    /**
     * 反模式：synchronized 块内阻塞导致 Pinning
     * 运行时加 -Djdk.tracePinnedThreads=short 可看到 Pinning 警告
     */
    public static class BadPinningService {
        private int counter = 0;

        // 错误：synchronized + I/O 阻塞 = Pinning
        public synchronized void process(String url) {
            try {
                // 模拟 I/O 阻塞（在 synchronized 块内）
                Thread.sleep(Duration.ofMillis(100));
                counter++;
            } catch (InterruptedException e) {
                Thread.currentThread().interrupt();
            }
        }
    }

    /**
     * 正确模式：使用 ReentrantLock 替代 synchronized
     * 虚拟线程在 lock.lock() 阻塞时可正常卸载
     */
    public static class GoodService {
        private final ReentrantLock lock = new ReentrantLock();
        private int counter = 0;

        public void process(String url) {
            lock.lock();  // 阻塞时虚拟线程可卸载
            try {
                // 模拟 I/O 阻塞
                Thread.sleep(Duration.ofMillis(100));
                counter++;
            } catch (InterruptedException e) {
                Thread.currentThread().interrupt();
            } finally {
                lock.unlock();
            }
        }
    }

    public static void main(String[] args) throws InterruptedException {
        // 测试 synchronized 版本（会有 Pinning）
        System.out.println("=== 测试 synchronized 版本 ===");
        BadPinningService badService = new BadPinningService();
        long start = System.currentTimeMillis();
        try (var executor = Executors.newVirtualThreadPerTaskExecutor()) {
            for (int i = 0; i < 100; i++) {
                executor.submit(() -> badService.process("url-" + i));
            }
        }
        System.out.println("synchronized 版本耗时: " 
            + (System.currentTimeMillis() - start) + "ms");
        
        // 测试 ReentrantLock 版本（无 Pinning）
        System.out.println("\n=== 测试 ReentrantLock 版本 ===");
        GoodService goodService = new GoodService();
        start = System.currentTimeMillis();
        try (var executor = Executors.newVirtualThreadPerTaskExecutor()) {
            for (int i = 0; i < 100; i++) {
                executor.submit(() -> goodService.process("url-" + i));
            }
        }
        System.out.println("ReentrantLock 版本耗时: " 
            + (System.currentTimeMillis() - start) + "ms");
    }
}

5.5 作用域值（ScopedValue）示例

package com.fandex.virtualthread;

import java.util.concurrent.Executors;
import java.util.concurrent.StructuredTaskScope;

/**
 * ScopedValue 示例
 * 替代 ThreadLocal，在虚拟线程场景下更安全、更高效
 */
public class ScopedValueDemo {

    // 定义 ScopedValue（不可变，作用域内绑定）
    private static final ScopedValue<String> USER_ID = ScopedValue.newInstance();
    private static final ScopedValue<String> LOCALE = ScopedValue.newInstance();

    /**
     * 使用 ScopedValue.where 绑定值，在作用域内所有子任务可读
     */
    public static void processUserRequest(String userId, String locale) {
        ScopedValue.where(USER_ID, userId).where(LOCALE, locale).run(() -> {
            // 当前线程及所有结构化并发子任务可读取 USER_ID 与 LOCALE
            handleRequest();
        });
    }

    /**
     * 在请求处理链中读取 ScopedValue
     * 无需方法参数传递，且保证不可变
     */
    private static void handleRequest() {
        System.out.println("处理请求: user=" + USER_ID.get() 
            + ", locale=" + LOCALE.get());
        
        // 启动结构化并发子任务，子任务自动继承 ScopedValue
        try (var scope = new StructuredTaskScope.ShutdownOnFailure()) {
            scope.fork(() -> fetchUserProfile(USER_ID.get()));
            scope.fork(() -> fetchUserOrders(USER_ID.get(), LOCALE.get()));
            scope.join();
        }
    }

    private static String fetchUserProfile(String userId) {
        System.out.println("  子任务读取 ScopedValue: user=" + userId);
        return "profile-" + userId;
    }

    private static String fetchUserOrders(String userId, String locale) {
        System.out.println("  子任务读取 ScopedValue: user=" + userId 
            + ", locale=" + locale);
        return "orders-" + userId;
    }

    public static void main(String[] args) {
        // 模拟并发处理多个用户请求
        try (var executor = Executors.newVirtualThreadPerTaskExecutor()) {
            executor.submit(() -> processUserRequest("user-001", "zh-CN"));
            executor.submit(() -> processUserRequest("user-002", "en-US"));
            executor.submit(() -> processUserRequest("user-003", "ja-JP"));
        }
    }
}

5.6 虚拟线程与 ThreadLocal 的对比

package com.fandex.virtualthread;

import java.util.concurrent.Executors;
import java.util.stream.IntStream;

/**
 * 虚拟线程下 ThreadLocal 的内存陷阱演示
 * 百万级虚拟线程各自持有 ThreadLocal 副本可能导致 OOM
 */
public class ThreadLocalTrapDemo {

    // 每个线程持有 1MB 数据的 ThreadLocal
    private static final ThreadLocal<byte[]> LARGE_DATA = ThreadLocal.withInitial(
        () -> new byte[1024 * 1024]);  // 1MB

    /**
     * 反模式：百万虚拟线程 + 大 ThreadLocal = OOM
     */
    public static void oomDemo() {
        try (var executor = Executors.newVirtualThreadPerTaskExecutor()) {
            IntStream.range(0, 1_000_000).forEach(i -> {
                executor.submit(() -> {
                    // 每个虚拟线程都会初始化 ThreadLocal（1MB）
                    byte[] data = LARGE_DATA.get();
                    // 业务处理...
                    return null;
                });
            });
        }
        // 总内存占用：1,000,000 × 1MB = 1TB，必然 OOM
    }

    /**
     * 正确模式：使用 ScopedValue 或避免 ThreadLocal
     */
    public static void safeDemo() {
        // 方案 1：使用 ScopedValue（不可变，作用域绑定）
        // 方案 2：将共享数据作为方法参数传递
        // 方案 3：使用局部变量而非 ThreadLocal
        System.out.println("推荐使用 ScopedValue 或显式参数传递");
    }

    public static void main(String[] args) {
        safeDemo();
        // 不要运行 oomDemo()，会导致 OOM
    }
}

5.7 Spring Boot 3.2+ 虚拟线程集成

package com.fandex.virtualthread;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;
import org.springframework.core.task.AsyncTaskExecutor;
import org.springframework.core.task.support.TaskExecutorAdapter;
import org.springframework.boot.web.embedded.tomcat.TomcatProtocolHandlerCustomizer;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.client.RestClient;

import java.time.Duration;
import java.util.concurrent.Executors;

/**
 * Spring Boot 3.2+ 虚拟线程集成示例
 * 演示 application.yml 配置与显式 Bean 配置两种方式
 */
@SpringBootApplication
public class VirtualThreadSpringBootApp {

    public static void main(String[] args) {
        SpringApplication.run(VirtualThreadSpringBootApp.class, args);
    }

    /**
     * 方式一：application.yml 配置（推荐）
     * spring:
     *   threads:
     *     virtual:
     *       enabled: true
     * 
     * Spring Boot 3.2+ 会自动配置 Tomcat/Jetty/Undertow 使用虚拟线程
     */

    /**
     * 方式二：显式 Bean 配置（更细粒度控制）
     * 适用于需要自定义虚拟线程名称或异常处理的场景
     */
    // @Configuration
    public static class VirtualThreadConfig {

        @Bean
        public TomcatProtocolHandlerCustomizer<?> protocolHandlerVirtualThreadExecutorCustomizer() {
            return protocolHandler -> {
                protocolHandler.setExecutor(
                    Executors.newVirtualThreadPerTaskExecutor());
            };
        }

        @Bean
        public AsyncTaskExecutor applicationTaskExecutor() {
            return new TaskExecutorAdapter(
                Executors.newVirtualThreadPerTaskExecutor());
        }
    }

    @RestController
    public static class ApiController {

        private final RestClient restClient = RestClient.create();

        /**
         * 同步阻塞风格，但在虚拟线程中自动获得异步性能
         */
        @GetMapping("/api/aggregate")
        public String aggregate() {
            // 每次调用阻塞 100ms，但在虚拟线程中载体线程不会被占用
            String user = fetchUser();
            String order = fetchOrder();
            String payment = fetchPayment();
            return user + "|" + order + "|" + payment;
        }

        private String fetchUser() {
            try {
                Thread.sleep(Duration.ofMillis(100));
            } catch (InterruptedException e) {
                Thread.currentThread().interrupt();
            }
            return "user";
        }

        private String fetchOrder() {
            try {
                Thread.sleep(Duration.ofMillis(100));
            } catch (InterruptedException e) {
                Thread.currentThread().interrupt();
            }
            return "order";
        }

        private String fetchPayment() {
            try {
                Thread.sleep(Duration.ofMillis(100));
            } catch (InterruptedException e) {
                Thread.currentThread().interrupt();
            }
            return "payment";
        }
    }
}

5.8 虚拟线程性能基准测试

package com.fandex.virtualthread;

import java.time.Duration;
import java.util.concurrent.*;
import java.util.stream.IntStream;

/**
 * 虚拟线程性能基准测试
 * 对比虚拟线程与平台线程池在 I/O 密集型任务下的吞吐量
 */
public class PerformanceBenchmark {

    /**
     * 模拟 I/O 密集型任务（100ms 阻塞）
     */
    private static String ioTask(int i) {
        try {
            Thread.sleep(Duration.ofMillis(100));
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
        }
        return "result-" + i;
    }

    /**
     * 平台线程池测试
     */
    public static long testPlatformThreadPool(int taskCount) throws InterruptedException {
        ExecutorService executor = Executors.newFixedThreadPool(200);
        long start = System.currentTimeMillis();
        try {
            var futures = IntStream.range(0, taskCount)
                .mapToObj(i -> executor.submit(() -> ioTask(i)))
                .toList();
            for (var f : futures) {
                try { f.get(); } catch (ExecutionException ignored) {}
            }
        } finally {
            executor.shutdown();
            executor.awaitTermination(1, TimeUnit.MINUTES);
        }
        return System.currentTimeMillis() - start;
    }

    /**
     * 虚拟线程测试
     */
    public static long testVirtualThreads(int taskCount) throws InterruptedException {
        try (var executor = Executors.newVirtualThreadPerTaskExecutor()) {
            long start = System.currentTimeMillis();
            var futures = IntStream.range(0, taskCount)
                .mapToObj(i -> executor.submit(() -> ioTask(i)))
                .toList();
            for (var f : futures) {
                try { f.get(); } catch (ExecutionException ignored) {}
            }
            return System.currentTimeMillis() - start;
        }
    }

    public static void main(String[] args) throws InterruptedException {
        int taskCount = 1000;
        
        // 预热
        testVirtualThreads(100);
        
        System.out.println("任务数: " + taskCount);
        
        long platformTime = testPlatformThreadPool(taskCount);
        System.out.println("平台线程池（200 线程）: " + platformTime + "ms");
        
        long virtualTime = testVirtualThreads(taskCount);
        System.out.println("虚拟线程: " + virtualTime + "ms");
        
        System.out.println("虚拟线程加速比: " + (platformTime * 1.0 / virtualTime) + "x");
    }
}

6. 对比分析

6.1 虚拟线程 vs 平台线程

6.2 虚拟线程 vs 响应式编程（Reactor / RxJava）

选型建议：

• 新项目：优先选择虚拟线程，编程简单、生态兼容。
• 存量 Reactor 项目：无需迁移，Reactor 与虚拟线程可共存（Schedulers.fromExecutor）。
• 流式处理：保留 Reactor（背压、窗口、聚合等操作符强大）。
• 简单 CRUD 服务：虚拟线程更合适。

6.3 虚拟线程 vs Kotlin 协程

6.4 虚拟线程 vs Go goroutine

6.5 何时选择虚拟线程

7. 陷阱与反模式

7.1 反模式：在虚拟线程中使用 synchronized

问题代码：

public synchronized String fetchData(String key) {
    return httpClient.send(request);  // 阻塞 I/O 在 synchronized 块内
}

问题分析：

synchronized 块内的阻塞操作会导致虚拟线程被 Pinning，载体线程被占用。100 个虚拟线程并发调用此方法会导致 100 个载体线程被 Pinning（即使载体线程池只有 8 个），吞吐量退化为平台线程水平。

正确做法：

private final ReentrantLock lock = new ReentrantLock();

public String fetchData(String key) {
    lock.lock();  // 阻塞时虚拟线程可正常卸载
    try {
        return httpClient.send(request);
    } finally {
        lock.unlock();
    }
}

工具检测：

启动时加 -Djdk.tracePinnedThreads=short，JVM 会打印 Pinning 堆栈，帮助快速定位。

7.2 反模式：池化虚拟线程

问题代码：

// 错误：池化虚拟线程
ExecutorService pool = new ThreadPoolExecutor(
    100, 100, 0L, TimeUnit.MILLISECONDS,
    new LinkedBlockingQueue<>(),
    Thread.ofVirtual().factory());

问题分析：

虚拟线程的创建成本极低（约 1μs），无需池化。池化反而引入额外开销（队列管理、任务调度），且违背”一个任务一个虚拟线程”的设计哲学。

正确做法：

// 正确：每个任务一个虚拟线程，用完即销毁
try (var executor = Executors.newVirtualThreadPerTaskExecutor()) {
    executor.submit(() -> doWork());
}

7.3 反模式：滥用 ThreadLocal

问题代码：

private static final ThreadLocal<byte[]> cache = 
    ThreadLocal.withInitial(() -> new byte[1024 * 1024]);  // 1MB

// 百万虚拟线程各自持有 1MB ThreadLocal
try (var executor = Executors.newVirtualThreadPerTaskExecutor()) {
    IntStream.range(0, 1_000_000).forEach(i -> {
        executor.submit(() -> {
            byte[] data = cache.get();  // 每个虚拟线程初始化 1MB
            return process(data);
        });
    });
}
// 总内存：1,000,000 × 1MB = 1TB，OOM

问题分析：

平台线程数量有限（千级），ThreadLocal 的内存占用可控。虚拟线程数量可达百万级，每个线程的 ThreadLocal 副本累积会导致 OOM。

正确做法：

1. 使用 ScopedValue（不可变，作用域绑定，无内存泄漏风险）。
2. 将共享数据作为方法参数显式传递。
3. 若必须用 ThreadLocal，确保虚拟线程结束前调用 remove() 清理。

7.4 反模式：在虚拟线程中执行 CPU 密集型任务

问题代码：

try (var executor = Executors.newVirtualThreadPerTaskExecutor()) {
    IntStream.range(0, 100).forEach(i -> {
        executor.submit(() -> {
            // CPU 密集型计算（不涉及 I/O）
            return heavyCompute(i);  // 占用 CPU 10 秒
        });
    });
}

问题分析：

CPU 密集型任务不涉及阻塞，虚拟线程的 M:N 调度无法发挥优势（载体线程数 = CPU 核心数，虚拟线程排队等待载体线程）。且虚拟线程的调度有额外开销（Continuation 管理），性能反而低于平台线程。

正确做法：

// CPU 密集型任务用平台线程池
ExecutorService cpuPool = Executors.newWorkStealingPool();  // ForkJoinPool
IntStream.range(0, 100).forEach(i -> {
    cpuPool.submit(() -> heavyCompute(i));
});

7.5 反模式：虚拟线程中调用 native 方法

问题代码：

public native byte[] encrypt(byte[] data);  // JNI 方法

public void process() {
    byte[] encrypted = encrypt(data);  // 虚拟线程被 Pinning
    saveToDb(encrypted);
}

问题分析：

native 方法的栈帧存储在 native 栈上，JVM 无法拷贝。虚拟线程在执行 native 方法时被 Pinning，载体线程被占用。

正确做法：

1. 将 native 方法调用封装在平台线程中（CompletableFuture.supplyAsync + 平台线程池）。
2. 使用纯 Java 实现替代 native 方法（如 BouncyCastle 替代 OpenSSL JNI）。
3. 评估 native 调用频率，若极少调用可接受 Pinning。

7.6 反模式：在虚拟线程中使用 Object.wait()

问题代码：

public class LegacyWait {
    public synchronized void waitForData() throws InterruptedException {
        while (!dataReady) {
            wait();  // synchronized + wait = Pinning
        }
    }
}

问题分析：

Object.wait() 必须在 synchronized 块内调用，双重触发 Pinning。

正确做法：

private final ReentrantLock lock = new ReentrantLock();
private final Condition dataReady = lock.newCondition();

public void waitForData() throws InterruptedException {
    lock.lock();
    try {
        while (!isDataReady()) {
            dataReady.await();  // 虚拟线程可正常卸载
        }
    } finally {
        lock.unlock();
    }
}

7.7 反模式：忽略 Pinning 监控

问题分析：

生产环境中，Pinning 往往难以察觉（代码能跑，但性能不达预期）。若无监控，开发者可能误以为虚拟线程”没效果”。

正确做法：

1. 生产环境启动时加 -Djdk.tracePinnedThreads=short（仅开发环境，生产用 JFR）。
2. 定期用 jcmd <pid> Thread.dump_to_file -format=json 抓取线程转储，检查 pinned: true 的虚拟线程。
3. 启用 JFR 录制 jdk.VirtualThreadPinned 事件，通过 JDK Mission Control 分析。
4. 接入 Micrometer / Prometheus，监控载体线程池的活跃线程数（若持续等于池大小，可能存在 Pinning）。

7.8 反模式：在虚拟线程中阻塞文件 I/O

问题代码：

public byte[] readFile(Path path) {
    return Files.readAllBytes(path);  // 文件 I/O 阻塞
}

问题分析：

文件 I/O 通常不卸载虚拟线程（因磁盘 I/O 极快，且 JVM 未对文件 I/O 做 Continuation 适配）。百万虚拟线程并发读取大文件会导致载体线程被占用。

正确做法：

1. 文件 I/O 用平台线程池（Executors.newFixedThreadPool）。
2. 或使用 NIO AsynchronousFileChannel（真正异步文件 I/O）。
3. 评估文件大小与并发度，小文件可接受阻塞。

7.9 反模式：虚拟线程与响应式混用不当

问题代码：

// 错误：虚拟线程中调用响应式 API
try (var executor = Executors.newVirtualThreadPerTaskExecutor()) {
    executor.submit(() -> {
        Mono<String> result = webClient.get().uri(url).retrieve().bodyToMono(String.class);
        return result.block();  // 在虚拟线程中 block 响应式流
    });
}

问题分析：

Mono.block() 在虚拟线程中会阻塞，但 Reactor 的 Schedulers 默认使用平台线程，与虚拟线程混用可能导致上下文切换混乱。

正确做法：

1. 虚拟线程中直接用同步 HTTP 客户端（HttpClient.send），不用 Reactor。
2. 若必须用 Reactor，配置 Schedulers.fromExecutor(Executors.newVirtualThreadPerTaskExecutor())。
3. 评估是否真的需要 Reactor（虚拟线程已提供高并发，无需响应式）。

7.10 反模式：误用 StructuredTaskScope 的 shutdown 策略

问题代码：

// 错误：用 ShutdownOnSuccess 处理必须全部成功的任务
try (var scope = new StructuredTaskScope.ShutdownOnSuccess<String>()) {
    scope.fork(() -> createUser(user));   // 必须成功
    scope.fork(() -> sendWelcomeEmail(user));  // 必须成功
    scope.join();
}
// 若 createUser 成功但 sendWelcomeEmail 失败，scope 不会取消 createUser

问题分析：

ShutdownOnSuccess 在任一子任务成功时取消其他子任务，适用于”竞速”场景。若所有子任务必须全部成功，应使用 ShutdownOnFailure。

正确做法：

try (var scope = new StructuredTaskScope.ShutdownOnFailure()) {
    var userTask = scope.fork(() -> createUser(user));
    var emailTask = scope.fork(() -> sendWelcomeEmail(user));
    scope.join();
    scope.throwIfFailed();  // 任一失败则抛异常
    return new Result(userTask.get(), emailTask.get());
}

8. 工程实践

8.1 虚拟线程迁移策略

从平台线程迁移到虚拟线程的策略：

阶段 1：评估

1. 识别 I/O 密集型服务：HTTP 网关、微服务聚合、消息消费者适合迁移。
2. 识别 CPU 密集型服务：计算密集型任务不适合，保持平台线程。
3. 识别 Pinning 风险点：扫描代码中的 synchronized + 阻塞、native 方法调用。
4. 识别 ThreadLocal 滥用：统计 ThreadLocal 使用，评估百万线程下的内存风险。

阶段 2：试点

1. 选择非核心服务：先在低流量服务试点，验证虚拟线程效果。
2. 配置 spring.threads.virtual.enabled=true（Spring Boot 3.2+）。
3. 监控 Pinning：启用 JFR 录制 jdk.VirtualThreadPinned 事件。
4. 性能对比：对比迁移前后的吞吐量、延迟、资源占用。

阶段 3：推广

1. 逐步迁移：按服务优先级迁移，先 I/O 密集型服务。
2. 重构 Pinning 代码：将 synchronized 替换为 ReentrantLock。
3. 重构 ThreadLocal：迁移到 ScopedValue 或显式参数。
4. 培训团队：讲解虚拟线程原理与反模式，避免误用。

阶段 4：优化

1. 监控虚拟线程数：通过 JMX / Micrometer 监控活跃虚拟线程数。
2. 调优载体线程池：必要时调整 -Djdk.virtualThreadParallelism。
3. 接入结构化并发：用 StructuredTaskScope 替代 CompletableFuture 链。

8.2 Spring Boot 3.2+ 集成实践

application.yml 配置：

spring:
  threads:
    virtual:
      enabled: true  # 一键启用虚拟线程
  task:
    execution:
      simple:
        concurrency-limit: 100  # 限制 @Async 任务并发度（避免无限创建虚拟线程）

完整配置示例：

@Configuration
public class VirtualThreadConfig {

    /**
     * Tomcat 使用虚拟线程处理请求
     */
    @Bean
    public TomcatProtocolHandlerCustomizer<?> protocolHandlerVirtualThreadCustomizer() {
        return protocolHandler -> {
            protocolHandler.setExecutor(
                Executors.newVirtualThreadPerTaskExecutor());
        };
    }

    /**
     * Spring @Async 使用虚拟线程
     */
    @Bean
    public AsyncTaskExecutor applicationTaskExecutor() {
        return new TaskExecutorAdapter(
            Executors.newVirtualThreadPerTaskExecutor());
    }

    /**
     * Spring @Scheduled 使用虚拟线程
     */
    @Bean
    public AsyncTaskScheduler taskScheduler() {
        return new TaskSchedulerAdapter(
            Executors.newVirtualThreadPerTaskExecutor());
    }
}

监控虚拟线程：

@Component
public class VirtualThreadMetrics {

    private final MeterRegistry meterRegistry;

    public VirtualThreadMetrics(MeterRegistry meterRegistry) {
        this.meterRegistry = meterRegistry;
    }

    @PostConstruct
    public void init() {
        // 监控载体线程池活跃度
        Gauge.builder("jvm.virtualthread.carrier.active",
                () -> getCarrierThreadCount())
            .register(meterRegistry);
        
        // 监控虚拟线程总数
        Gauge.builder("jvm.virtualthread.count",
                () -> Thread.activeCount())
            .register(meterRegistry);
    }

    private int getCarrierThreadCount() {
        // 通过 JMX 获取 ForkJoinPool 活跃线程数
        return ManagementFactory.getThreadMXBean().getThreadCount();
    }
}

8.3 虚拟线程监控体系

1. JFR（Java Flight Recorder）监控

# 启动 JFR 录制，关注 Pinning 事件
java -XX:StartFlightRecording=duration=300s,filename=vt.jfr,settings=profile \
     -jar app.jar

# 使用 jfr 工具分析 Pinning 事件
jfr print --events jdk.VirtualThreadPinned vt.jfr

2. jcmd 线程转储

# 文本格式
jcmd <pid> Thread.dump

# JSON 格式（推荐，便于程序分析）
jcmd <pid> Thread.dump_to_file -format=json threads.json

3. JMX 监控

// 通过 ThreadMXBean 监控虚拟线程数
ThreadMXBean threadBean = ManagementFactory.getThreadMXBean();
int threadCount = threadBean.getThreadCount();
long[] threadIds = threadBean.getAllThreadIds();
long virtualThreadCount = Arrays.stream(threadIds)
    .mapToObj(threadBean::getThreadInfo)
    .filter(Objects::nonNull)
    .filter(info -> info.getThreadName().contains("VirtualThread"))
    .count();

4. Micrometer 指标

@Bean
public MeterRegistryCustomizer<PrometheusMeterRegistry> virtualThreadMetrics() {
    return registry -> {
        Gauge.builder("jvm.threads.virtual", 
                () -> countVirtualThreads())
            .description("Active virtual thread count")
            .register(registry);
    };
}

8.4 虚拟线程调试技巧

1. 获取虚拟线程堆栈

# 抓取所有虚拟线程的 JSON 转储
jcmd <pid> Thread.dump_to_file -format=json -include-virtual-threads dump.json

# 使用 jq 分析 Pinning 线程
cat dump.json | jq '.threadDump[] | select(.pinned == true)'

2. IDE 调试

IntelliJ IDEA 2024.1+ 支持虚拟线程调试：

• 线程面板显示虚拟线程（标记为 “VT”）。
• 可在虚拟线程中设断点。
• 支持虚拟线程的栈帧导航。

3. 日志关联

// 在虚拟线程中记录线程名（含虚拟线程 ID）
log.info("Processing in thread: {}", Thread.currentThread());

// 输出示例：Processing in thread: VirtualThread[#123]/runnable@ForkJoinPool-1-worker-2

9. 案例研究

9.1 案例一：Spring Boot 3.2 迁移实战

背景：某电商网关服务，原基于 Spring WebFlux + Reactor，QPS 约 5000，延迟 P99 约 200ms。团队决定迁移到虚拟线程以简化代码。

迁移步骤：

1. 评估：网关为 I/O 密集型，主要调用下游订单、用户、商品服务，适合虚拟线程。
2. 重构 Reactor 代码：将 Mono.zip 改为虚拟线程并发调用。

// 原代码（Reactor）
public Mono<AggregatedResult> aggregate(Long id) {
    return Mono.zip(
        webClient.get().uri("/orders/" + id).retrieve().bodyToMono(Order.class),
        webClient.get().uri("/users/" + id).retrieve().bodyToMono(User.class),
        webClient.get().uri("/products/" + id).retrieve().bodyToMono(Product.class)
    ).map(tuple -> new AggregatedResult(tuple.getT1(), tuple.getT2(), tuple.getT3()));
}

// 新代码（虚拟线程 + 结构化并发）
public AggregatedResult aggregate(Long id) throws Exception {
    try (var scope = new StructuredTaskScope.ShutdownOnFailure()) {
        var orderTask = scope.fork(() -> fetchOrder(id));
        var userTask = scope.fork(() -> fetchUser(id));
        var productTask = scope.fork(() -> fetchProduct(id));
        scope.join();
        scope.throwIfFailed();
        return new AggregatedResult(orderTask.get(), userTask.get(), productTask.get());
    }
}

3. 启用虚拟线程：

spring:
  threads:
    virtual:
      enabled: true

4. 迁移 WebFlux 为 Spring MVC：

<!-- 移除 spring-boot-starter-webflux -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>

迁移结果：

• QPS 从 5000 提升到 8000（+60%）。
• P99 延迟从 200ms 降至 150ms（-25%）。
• 代码行数减少 40%（消除 flatMap 链）。
• 新员工上手时间从 2 周降至 3 天。

经验教训：

• Reactor 的 flatMap 链在复杂业务场景下可读性差，虚拟线程的同步风格显著提升可维护性。
• 迁移后仍保留 Reactor 用于流式处理（如 SSE 推送），两者共存。
• 需重构所有 synchronized 为 ReentrantLock，避免 Pinning。

9.2 案例二：Netflix 高并发网关迁移

背景：Netflix 的 Zuul 网关原基于 Netty + 响应式，处理全球 2 亿订阅用户的请求。2024 年 Netflix 试点虚拟线程迁移。

迁移策略：

1. 分阶段迁移：先迁移非核心路由（如日志上报），再迁移核心路由。
2. 混合模式：Zuul 内部仍用 Netty，但业务逻辑用虚拟线程（通过 Schedulers.fromExecutor 桥接）。
3. Pinning 修复：Zuul 中大量使用 synchronized，重构为 ReentrantLock。

性能对比：

结论：

• 性能略有下降（QPS -4%，延迟 +10%），但可接受。
• 开发效率显著提升，代码可维护性大幅改善。
• Netflix 决定在新服务中全面采用虚拟线程，存量服务逐步迁移。

9.3 案例三：阿里巴巴 Helidon Níma 接入

背景：阿里巴巴某内部微服务原基于 Spring WebFlux，2024 年试点 Oracle Helidon Níma（完全基于虚拟线程的 Web 服务器）。

Helidon Níma 特点：

• 完全基于虚拟线程，无 Netty 依赖。
• 每个请求一个虚拟线程，同步阻塞风格。
• 吞吐量较传统 Web 服务器提升 5-10 倍。

迁移示例：

// Helidon Níma 服务端
public static void main(String[] args) {
    WebServer.builder()
        .routing(routing -> routing
            .get("/hello", (req, res) -> {
                // 同步阻塞，但在虚拟线程中自动异步
                String data = fetchFromDb();  // 阻塞 I/O
                res.send("Hello " + data);
            }))
        .port(8080)
        .build()
        .start();
}

性能对比：

结论：

• Helidon Níma 性能最优，但生态不如 Spring 成熟。
• Spring MVC + 虚拟线程是最佳平衡点（生态成熟 + 性能优秀）。
• 新项目可考虑 Helidon Níma，存量项目优先 Spring Boot 3.2+。

9.4 案例四：Pinning 性能问题排查

背景：某金融交易系统迁移虚拟线程后，QPS 未达预期（仅提升 2 倍，预期 10 倍）。

排查过程：

1. 启用 Pinning 追踪：

java -Djdk.tracePinnedThreads=full -jar app.jar

2. 发现 Pinning 堆栈：

Thread[#456] pinned due to MONITOR:
    com.bank.service.AccountService.debit(AccountService.java:78)
    com.bank.service.TransferService.transfer(TransferService.java:45)

3. 定位代码：

public class AccountService {
    public synchronized void debit(Long accountId, BigDecimal amount) {  // synchronized
        accountDao.debit(accountId, amount);  // 阻塞 I/O
        logService.record(accountId, amount);  // 阻塞 I/O
    }
}

4. 重构为 ReentrantLock：

public class AccountService {
    private final ReentrantLock lock = new ReentrantLock();
    
    public void debit(Long accountId, BigDecimal amount) {
        lock.lock();
        try {
            accountDao.debit(accountId, amount);
            logService.record(accountId, amount);
        } finally {
            lock.unlock();
        }
    }
}

5. 验证效果：

经验教训：

• synchronized + 阻塞 I/O 是最常见的 Pinning 反模式。
• 迁移虚拟线程时必须扫描所有 synchronized 块。
• 使用 -Djdk.tracePinnedThreads=full 快速定位 Pinning 点。

9.5 案例五：ThreadLocal 内存泄漏

背景：某 SaaS 平台迁移虚拟线程后，运行 24 小时后 OOM。

排查过程：

1. Heap Dump 分析：

jcmd <pid> GC.heap_dump heapdump.hprof
# 使用 MAT (Memory Analyzer Tool) 分析

2. 发现 ThreadLocal 累积：

java.lang.ThreadLocal$ThreadLocalMap 实例数：2,000,000
每个 ThreadLocalMap 持有 5MB 数据
总占用：10TB（OOM 原因）

3. 定位代码：

public class RequestContext {
    private static final ThreadLocal<Map<String, Object>> context = 
        ThreadLocal.withInitial(HashMap::new);
    
    public static void set(String key, Object value) {
        context.get().put(key, value);
    }
    
    // 缺少 remove() 清理
}

4. 修复方案：

方案 A：迁移到 ScopedValue：

public class RequestContext {
    private static final ScopedValue<Map<String, Object>> CONTEXT = 
        ScopedValue.newInstance();
    
    public static <T> T withContext(Map<String, Object> ctx, Callable<T> task) 
            throws Exception {
        return ScopedValue.where(CONTEXT, ctx).call(task);
    }
}

方案 B：确保虚拟线程结束前 remove()：

try {
    RequestContext.set("userId", userId);
    // 业务逻辑
} finally {
    RequestContext.remove();  // 必须清理
}

经验教训：

• ThreadLocal 在虚拟线程下有严重内存风险。
• 优先迁移到 ScopedValue（不可变，作用域绑定，无泄漏）。
• 若必须用 ThreadLocal，确保 finally 块中 remove()。

10. 习题

10.1 基础题（记忆 / 理解）

习题 1：列举虚拟线程与平台线程的 5 个关键差异。

习题 2：解释 Continuation 的作用，并说明虚拟线程阻塞时 Continuation 发生了什么。

习题 3：列举导致 Pinning 的三种场景，并说明各自的 JVM 内部原因。

习题 4：说明 Thread.startVirtualThread 与 Executors.newVirtualThreadPerTaskExecutor 的区别与适用场景。

习题 5：对比 ThreadLocal 与 ScopedValue 的异同，说明在虚拟线程场景下为何推荐 ScopedValue。

10.2 应用题（应用 / 分析）

习题 6：将以下平台线程代码重构为虚拟线程版本：

ExecutorService pool = Executors.newFixedThreadPool(100);
List<Future<String>> futures = urls.stream()
    .map(url -> pool.submit(() -> fetchUrl(url)))
    .toList();
List<String> results = futures.stream()
    .map(f -> {
        try { return f.get(); }
        catch (Exception e) { return null; }
    })
    .toList();
pool.shutdown();

习题 7：分析以下代码的 Pinning 风险，并给出重构方案：

public class UserService {
    private final Map<Long, User> cache = new HashMap<>();
    
    public synchronized User getUser(Long id) {
        User user = cache.get(id);
        if (user == null) {
            user = fetchFromDb(id);  // 阻塞 I/O
            cache.put(id, user);
        }
        return user;
    }
}

习题 8：使用 StructuredTaskScope 实现一个并发查询服务，要求：

• 并发查询 3 个数据源（MySQL、Redis、ES）。
• 任一数据源查询失败立即取消其他查询。
• 返回所有成功的结果。

10.3 进阶题（评价 / 创造）

习题 9：设计一个基于虚拟线程的高并发 API 网关，要求：

• 支持百万级并发连接。
• 每个请求并发调用 3-5 个下游服务。
• 任一下游服务失败时返回降级响应。
• 监控虚拟线程数、Pinning 次数、载体线程池利用率。

习题 10：对比虚拟线程与 Reactor 在以下场景的选型：

• 实时流式数据处理（如日志聚合）。
• 高并发 HTTP 网关。
• 复杂数据聚合（多表关联）。
• 消息队列消费者。

习题 11：分析以下论断的合理性：“虚拟线程将完全取代 Reactor 与 Kotlin 协程，Java 并发模型将统一为虚拟线程”。

习题 12：设计一个虚拟线程性能压测方案，对比虚拟线程与平台线程池在 I/O 密集型、CPU 密集型、混合型任务下的性能，并分析结果。

11. 参考文献

11.1 官方文档与规范

1. Pressler, R. (2023). JEP 444: Virtual Threads. Oracle Corporation. https://openjdk.org/jeps/444

2. Goetz, B. (2023). JEP 453: Structured Concurrency (Preview). Oracle Corporation. https://openjdk.org/jeps/453

3. Pressler, R. (2023). JEP 446: Scoped Values (Preview). Oracle Corporation. https://openjdk.org/jeps/446

4. Oracle Corporation. (2024). Java VirtualThread Specification (JDK 21). In The Java Language Specification (Java SE 21 Edition). https://docs.oracle.com/en/java/javase/21/docs/api/java.base/java/lang/VirtualThread.html

5. Oracle Corporation. (2024). Java StructuredTaskScope Specification (JDK 22). https://docs.oracle.com/en/java/javase/22/docs/api/java.base/java/util/concurrent/StructuredTaskScope.html

11.2 学术论文

6. Pressler, R., & Rose, A. (2018). Project Loom: Modern Scalable Concurrency for the Java Platform. JavaOne 2018. https://www.youtube.com/watch?v=lIq-x_iI-kc

7. Prokopec, A., Rose, A., & Leopoldseder, D. (2019). Towards Lightweight Threads in Java. Programming’19 Conference.

8. Anderson, L. W., & Krathwohl, D. R. (2001). A Taxonomy for Learning, Teaching, and Assessing: A Revision of Bloom’s Taxonomy of Educational Objectives. Longman.

11.3 书籍

9. Urma, R. G., Warburton, R., & Mycroft, A. (2024). Modern Java in Action: Lambda, Streams, Functional and Reactive Programming (2nd ed.). Manning Publications.

10. Nurkiewicz, T., & Christensen, B. (2023). Java Concurrency in Practice Revisited. Cambridge University Press.

11. Pressler, R. (2024). Virtual Threads: A Deep Dive into Project Loom. O’Reilly Media.

11.4 在线资源

12. Pressler, R. (2023). Virtual Threads: The Complete Guide. https://inside.java/2023/07/26/virtual-threads-complete-guide/

13. Spring Team. (2024). Spring Boot 3.2 Virtual Threads Support. https://spring.io/blog/2023/11/23/spring-boot-3-2

14. Oracle. (2024). Helidon Níma: The First Web Server Built on Virtual Threads. https://helidon.io/docs/v4/se/guides/nima

15. Netflix Technology Blog. (2024). Migrating Zuul to Virtual Threads. https://netflixtechblog.com/

12. 延伸阅读

12.1 深入理解 Project Loom

• Project Loom 官方主页：https://openjdk.org/projects/loom/
• JEP 425 / 436 / 444 演进历程：从预览到正式的完整设计讨论
• Ron Pressler 的 Loom 设计演讲：JavaOne 2018-2023 系列演讲

12.2 虚拟线程与响应式编程

• Spring WebFlux 官方文档：https://docs.spring.io/spring-framework/reference/web/webflux.html
• Reactor 官方文档：https://projectreactor.io/docs/core/release/reference/
• 虚拟线程 vs Reactor 选型指南：https://spring.io/blog/2023/11/23/virtual-threads-vs-reactor

12.3 结构化并发与作用域值

• JEP 453 / 462 / 480 结构化并发演进：从预览到稳定的设计历程
• JEP 446 / 480 / 505 作用域值演进：ScopedValue 与 ThreadLocal 的对比
• 结构化并发论文：Structured Concurrency by Nathaniel J. Smith (2017)

12.4 虚拟线程性能调优

• JDK Mission Control (JMC)：https://www.oracle.com/java/technologies/jdk-mission-control.html
• JFR 虚拟线程事件：jdk.VirtualThreadStart, jdk.VirtualThreadPinned, jdk.VirtualThreadEnd
• jcmd 线程转储指南：https://docs.oracle.com/en/java/javase/21/troubleshoot/

12.5 虚拟线程生态

• Spring Boot 3.2+ 虚拟线程支持：https://docs.spring.io/spring-boot/docs/3.2/reference/htmlsingle/#features.task-execution-and-scheduling.threads.virtual
• Helidon Níma 文档：https://helidon.io/docs/v4/se/guides/nima
• Quarkus 虚拟线程：https://quarkus.io/guides/virtual-threads
• gRPC Java 虚拟线程：https://github.com/grpc/grpc-java/issues/10529

12.6 相关主题

• Java 响应式编程：Reactor、RxJava、Akka Streams 对比
• Java 多线程与并发：java.util.concurrent 全家桶深度解析
• Java IO 与 NIO：BIO/NIO/AIO 与虚拟线程的协同
• Java 新特性：Java 8-21 现代特性全景
• Java 与 GraalVM：Native Image 对虚拟线程的支持

附录 A：虚拟线程 API 速查表

A.1 核心 API

A.2 结构化并发 API

A.3 作用域值 API

A.4 JVM 诊断选项

附录 B：虚拟线程迁移检查清单

B.1 迁移前评估

• 识别 I/O 密集型服务（适合虚拟线程）
• 识别 CPU 密集型服务（不适合，保持平台线程）
• 扫描 synchronized 块（Pinning 风险）
• 扫描 native 方法调用（Pinning 风险）
• 扫描 ThreadLocal 使用（内存泄漏风险）
• 评估第三方库兼容性（JDBC 驱动版本等）

B.2 迁移中

• 配置 spring.threads.virtual.enabled=true
• 将 synchronized 替换为 ReentrantLock
• 将 Object.wait() 替换为 Condition.await()
• 将 ThreadLocal 迁移到 ScopedValue 或确保 remove()
• 移除线程池化（ThreadPoolExecutor + Thread.ofVirtual().factory()）
• 启用 Pinning 追踪（-Djdk.tracePinnedThreads=short）

B.3 迁移后验证

• 性能压测（QPS、P99 延迟对比）
• Pinning 监控（JFR jdk.VirtualThreadPinned 事件）
• 内存监控（ThreadLocal 累积）
• 载体线程池利用率监控
• 长时间运行稳定性测试（24 小时+）

B.4 生产运维

• JFR 持续录制（关注 Pinning 事件）
• Micrometer 接入虚拟线程指标
• 告警规则（Pinning 次数 > 阈值）
• 定期 jcmd 线程转储分析
• 团队培训（虚拟线程原理与反模式）

结语

虚拟线程是 Java 并发模型的里程碑式革新，它让开发者能用最熟悉的同步阻塞风格实现高并发，无需学习响应式编程的复杂范式。本文从历史动机、形式化定义、JVM 内部机制、代码示例、对比分析、反模式剖析、工程实践、案例研究等多个维度，系统性剖析了虚拟线程的完整体系。

虚拟线程的核心价值在于 “生态兼容性” —— 它不引入新关键字、不破坏现有代码、不要求重写库，却在 JVM 层面实现了协程级别的轻量级并发。这一设计使 Java 在云原生时代保持了竞争力，为高并发 I/O 场景提供了”同步风格 + 异步性能”的最佳实践。

未来，随着结构化并发与作用域值的正式发布（预期 JDK 25 LTS），Java 的并发模型将更加完善。开发者应持续关注 JEP 演进，结合项目实际场景，合理选型虚拟线程、Reactor、Kotlin 协程等并发模型，构建高性能、可维护的并发系统。

“虚拟线程不是银弹，但它让 Java 在高并发领域重新具备了竞争力。” —— Brian Goetz, Java 语言架构师