前言
线程安全就是在多线程环境下也不会出现数据不一致，而非线程安全就有可能出现数据不一致的情况。
线程安全由于要确保数据的一致性，所以对资源的读写进行了控制，换句话说增加了系统开销。所以在单线程环境中效率比非线程安全的效率要低些，但是如果线程间数据相关，需要保证读写顺序，用线程安全模式
线程安全就是多线程访问时，采用了加锁机制，当一个线程访问该类的某个数据时，进行保护，其他线程不能进行访问直到该线程读取完，其他线程才可使用。不会出现数据不一致或者数据污染。
线程不安全就是不提供数据访问保护，有可能出现多个线程先后更改数据造成所得到的数据是脏数据
最典型的有ArrayList和Vector、HashMap和HashTable、StringBuilder和StringBuffer，后者都是线程安全的，但在实际运用中都使用前者，因为速度、效率更高
示例：
这里就使用ArrayList和Vector二者来说明。
public class Main{
public static void main(String[] args) {
// 进行10次测试
for(int i = 0; i < 10; i++)
{
test();
}
}
public static void test() {
// 用来测试的List
List<Object> list = new ArrayList<Object>();
// 线程数量(1000)
int threadCount = 1000;
// 用来让主线程等待threadCount个子线程执行完毕
CountDownLatch countDownLatch = new CountDownLatch(threadCount);
// 启动threadCount个子线程
for(int i = 0; i < threadCount; i++) {
Thread thread = new Thread(new MyThread(list, countDownLatch));
thread.start();
}
try {
// 主线程等待所有子线程执行完成，再向下执行
countDownLatch.await();
}
catch (InterruptedException e) {
e.printStackTrace();
}
// List的size
System.out.println(list.size());
}
}
class MyThread implements Runnable{
private List<Object> list;
private CountDownLatch countDownLatch;
public MyThread(List<Object> list, CountDownLatch countDownLatch) {
this.list = list;
this.countDownLatch = countDownLatch;
}
public void run() {
// 每个线程向List中添加100个元素
for(int i = 0; i < 100; i++)
{
list.add(new Object());
}
// 完成一个子线程
countDownLatch.countDown();
}
}上面进行了10次测试（为什么要测试10次？因为非线程安全并不是每次都会导致问题）。
输出结果：
99946
100000
100000
100000
99998
99959
100000
99975
100000
99996
上面的输出结果发现，并不是每次测试结果都是100000，有好几次测试最后ArrayList的size小于100000，甚至时不时会抛出个IndexOutOfBoundsException异常。（如果没有这个现象可以多试几次）
这就是非线程安全带来的问题了。上面的代码如果用于生产环境，就会有隐患就会有BUG了。
再用线程安全的Vector来进行测试，上面代码改变一处，test()方法中
List<Object> list = new ArrayList<Object>();
改为
List<Object> list = new Vector<Object>();
再运行程序。
输出结果：
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
再多跑几次，发现都是100000，没有任何问题。因为Vector是线程安全的，在多线程操作同一个Vector对象时，不会有任何问题。
再换成LinkedList试试，同样还会出现ArrayList类似的问题，因为LinkedList也是非线程安全的。
二者如何取舍
非线程安全是指多线程操作同一个对象可能会出现问题。而线程安全则是多线程操作同一个对象不会有问题。
线程安全必须要使用很多synchronized关键字来同步控制，所以必然会导致性能的降低。
所以在使用的时候，如果是多个线程操作同一个对象，那么使用线程安全的Vector；否则，就使用效率更高的ArrayList。
非线程安全!=不安全
有人在使用过程中有一个不正确的观点：我的程序是多线程的，不能使用ArrayList要使用Vector，这样才安全。
非线程安全并不是多线程环境下就不能使用。注意我上面有说到：多线程操作同一个对象。注意是同一个对象。比如最上面那个模拟，就是在主线程中new的一个ArrayList然后多个线程操作同一个ArrayList对象。
如果是每个线程中new一个ArrayList，而这个ArrayList只在这一个线程中使用，那么肯定是没问题的。
线程安全的实现
线程安全是通过线程同步控制来实现的，也就是synchronized关键字。
在这里，我用代码分别实现了一个非线程安全的计数器和线程安全的计数器Counter，并对他们分别进行了多线程测试。
非线程安全的计数器：
public class Main{
public static void main(String[] args) {
// 进行10次测试
for(int i = 0; i < 10; i++) {
test();
}
}
public static void test() {
// 计数器
Counter counter = new Counter();
// 线程数量(1000)
int threadCount = 1000;
// 用来让主线程等待threadCount个子线程执行完毕
CountDownLatch countDownLatch = new CountDownLatch(threadCount);
// 启动threadCount个子线程
for(int i = 0; i < threadCount; i++) {
Thread thread = new Thread(new MyThread(counter, countDownLatch));
thread.start();
}
try{
// 主线程等待所有子线程执行完成，再向下执行
countDownLatch.await();
}
catch (InterruptedException e) {
e.printStackTrace();
}
// 计数器的值
System.out.println(counter.getCount());
}
}
class MyThread implements Runnable{
private Counter counter;
private CountDownLatch countDownLatch;
public MyThread(Counter counter, CountDownLatch countDownLatch) {
this.counter = counter;
this.countDownLatch = countDownLatch;
}
public void run() {
// 每个线程向Counter中进行10000次累加
for(int i = 0; i < 10000; i++) {
counter.addCount();
}
// 完成一个子线程
countDownLatch.countDown();
}
}
class Counter{
private int count = 0;
public int getCount() {
return count;
}
public void addCount() {
count++;
}
}上面的测试代码中，开启1000个线程，每个线程对计数器进行10000次累加，最终输出结果应该是10000000。
但是上面代码中的Counter未进行同步控制，所以非线程安全。
输出结果：
9963727
9973178
9999577
9987650
9988734
9988665
9987820
9990847
9992305
9972233
稍加修改，把Counter改成线程安全的计数器：
class Counter{
private int count = 0;
public int getCount() {
return count;
}
public synchronized void addCount() {
count++;
}
}上面只是在addCount()方法中加上了synchronized同步控制，就成为一个线程安全的计数器了。再执行程序。
输出结果：
10000000
10000000
10000000
10000000
10000000
10000000
10000000
10000000
10000000
10000000
