LongAdder相比AtomicLong有哪些優勢？
上一節我們分享了原子類一些常用的工具類，除此之外還提供了另外4個原子類。
這4個原子類和我們之前提到的原子類的設計思想不太一樣，是以單開一節來分析
= new AtomicLong();
// 1
System.out.println(sum.incrementAndGet());
LongAdder sum1 = new LongAdder();
sum1.increment();
// 1
System.out.println(sum1); 可以看到使用方式差不多，但是LongAdder的性能比較高，是以阿裡巴巴《Java開發手冊》中也有如下建議
那麼LongAdder是如何實作高性能的？
其實我們可以把對一個變量的cas操作，分攤到對多個變量的cas操作，這樣就可以提高并發度，想擷取最終的值時，隻需要把多個變量的值加在一起即可。這就是LongAdder實作高并發的秘密
除去LongAdder外，還新提供了一個類LongAccumulator。LongAccumulator比LongAdder的功能呢更強大
LongAdder隻能進行累加操作，并且初始值預設為0。而LongAccumulator可以自己定義一個二進制操作符，并且可以傳入一個初始值。
我們來看一下用LongAccumulator實作累乘的操作
LongAccumulator sum2 = new LongAccumulator((a, b) -> a * b, 1);
for (int i = 1; i < 5; i++) {
sum2.accumulate(i);
}
// 24
// 4 * 3 * 2 * 1
System.out.println(sum2); 除此之外還有DoubleAdder和DoubleAccumulator類
DoubleAdder的實作思路LongAdder類似，因為沒有double類型的cas函數，是以DoubleAdder底層也是用long實作的，隻不過多了long和double的互相轉換
DoubleAccumulator的實作思路和LongAccumulator類似，隻是多了一個二進制操作符
LongAdder如何實作高性能的？
LongAdder實作高并發的秘密就是用空間換時間，對一個值的cas操作，變成對多個值的cas操作，當擷取數量的時候，對這多個值加和即可。
具體到源碼就是
- 先對base變量進行cas操作，cas成功後傳回
- 對線程擷取一個hash值（調用getProbe），hash值對數組長度取模，定位到cell數組中的元素，對數組中的元素進行cas
其中對base值的操作是由Striped64的實作類來實作的，而對cell數組的操作則由Striped64來實作
增加數量
// LongAdder
public void increment() {
add(1L);
} // LongAdder
public void add(long x) {
Cell[] as; long b, v; int m; Cell a;
// 數組為空則先對base進行一波cas，成功則直接退出
if ((as = cells) != null || !casBase(b = base, b + x)) {
boolean uncontended = true;
if (as == null || (m = as.length - 1) < 0 ||
(a = as[getProbe() & m]) == null ||
!(uncontended = a.cas(v = a.value, v + x)))
longAccumulate(x, null, uncontended);
}
} 當數組不為空，并且根據線程hash值定位到數組某個下标中的元素不為空，對這個元素cas成功則直接傳回，否則進入longAccumulate方法
- cell數組已經初始化完成，主要是在cell數組中放元素，對cell數組進行擴容等操作
- cell數組沒有初始化，則對數組進行初始化
- cell數組正在初始化，這時其他線程利用cas對baseCount進行累加操作
// Striped64
final void longAccumulate(long x, LongBinaryOperator fn,
boolean wasUncontended) {
int h;
if ((h = getProbe()) == 0) {
ThreadLocalRandom.current(); // force initialization
h = getProbe();
wasUncontended = true;
}
// 往數組中放元素是否沖突
boolean collide = false; // True if last slot nonempty
for (;;) {
Cell[] as; Cell a; int n; long v;
if ((as = cells) != null && (n = as.length) > 0) {
if ((a = as[(n - 1) & h]) == null) {
// 有線程在操作數組cellsBusy=1
// 沒有線程在操作數組cellsBusy=0
if (cellsBusy == 0) { // Try to attach new Cell
Cell r = new Cell(x); // Optimistically create
if (cellsBusy == 0 && casCellsBusy()) {
boolean created = false;
try { // Recheck under lock
Cell[] rs; int m, j;
// // 和單例模式的雙重檢測一個道理
if ((rs = cells) != null &&
(m = rs.length) > 0 &&
rs[j = (m - 1) & h] == null) {
rs[j] = r;
created = true;
}
} finally {
cellsBusy = 0;
}
// 成功在數組中放置元素
if (created)
break;
continue; // Slot is now non-empty
}
}
collide = false;
}
// cas baseCount失敗
// 并且往CounterCell數組放的時候已經有值了
// 才會重新更改wasUncontended為true
// 讓線程重新生成hash值，重新找下标
else if (!wasUncontended) // CAS already known to fail
wasUncontended = true; // Continue after rehash
// cas數組的值
else if (a.cas(v = a.value, ((fn == null) ? v + x :
fn.applyAsLong(v, x))))
break;
// 其他線程把數組位址改了（有其他線程正在扣哦榮）
// 數組的數量>=CPU的核數
// 不會進行擴容
else if (n >= NCPU || cells != as)
collide = false; // At max size or stale
else if (!collide)
collide = true;
// collide = true（collide = true會進行擴容）的時候，才會進入這個else if
// 上面2個else if 是用來控制collide的
else if (cellsBusy == 0 && casCellsBusy()) {
try {
if (cells == as) { // Expand table unless stale
Cell[] rs = new Cell[n << 1];
for (int i = 0; i < n; ++i)
rs[i] = as[i];
cells = rs;
}
} finally {
cellsBusy = 0;
}
collide = false;
continue; // Retry with expanded table
}
h = advanceProbe(h);
}
else if (cellsBusy == 0 && cells == as && casCellsBusy()) {
boolean init = false;
try { // Initialize table
if (cells == as) {
Cell[] rs = new Cell[2];
rs[h & 1] = new Cell(x);
cells = rs;
init = true;
}
} finally {
cellsBusy = 0;
}
if (init)
break;
}
else if (casBase(v = base, ((fn == null) ? v + x :
fn.applyAsLong(v, x))))
break; // Fall back on using base
}
} 擷取數量
base值+Cell數組中的值即可
// LongAdder
public long sum() {
Cell[] as = cells; Cell a;
long sum = base;
if (as != null) {
for (int i = 0; i < as.length; ++i) {
if ((a = as[i]) != null)
sum += a.value;
}
}
return sum;
} 需要注意的是，調用sum()傳回的數量有可能并不是目前的數量，因為在調用sum()方法的過程中，可能有其他數組對base變量或者cell數組進行了改動
// AtomicLong
public final long getAndIncrement() {
return unsafe.getAndAddLong(this, valueOffset, 1L);
} 而AtomicLong#getAndIncrement方法則會傳回遞增之後的準确值，因為cas是一個原子操作
最後告訴大家一個小秘密，jdk1.8中ConcurrentHashMap對元素個數的遞增和統計操作的思想和LongAdder一摸一樣，代碼基本相差無幾，有興趣的可以看看。
計數用synchronized，AtomicLong，還是LongAdder？
在很多系統中都用到了計數的功能，那麼計數我們應該用synchronized，AtomicLong，LongAdder中的哪一個呢？來跑個例子
public class CountTest {
private int count = 0;
@Test
public void startCompare() {
compareDetail(1, 100 * 10000);
compareDetail(20, 100 * 10000);
compareDetail(30, 100 * 10000);
compareDetail(40, 100 * 10000);
}
/**
* @param threadCount 線程數
* @param times 每個線程增加的次數
*/
public void compareDetail(int threadCount, int times) {
try {
System.out.println(String.format("threadCount: %s, times: %s", threadCount, times));
long start = System.currentTimeMillis();
testSynchronized(threadCount, times);
System.out.println("testSynchronized cost: " + (System.currentTimeMillis() - start));
start = System.currentTimeMillis();
testAtomicLong(threadCount, times);
System.out.println("testAtomicLong cost: " + (System.currentTimeMillis() - start));
start = System.currentTimeMillis();
testLongAdder(threadCount, times);
System.out.println("testLongAdder cost: " + (System.currentTimeMillis() - start));
System.out.println();
} catch (Exception e) {
e.printStackTrace();
}
}
public void testSynchronized(int threadCount, int times) throws InterruptedException {
List<Thread> threadList = new ArrayList<>();
for (int i = 0; i < threadCount; i++) {
threadList.add(new Thread(()-> {
for (int j = 0; j < times; j++) {
add();
}
}));
}
for (Thread thread : threadList) {
thread.start();
}
for (Thread thread : threadList) {
thread.join();
}
}
public synchronized void add() {
count++;
}
public void testAtomicLong(int threadCount, int times) throws InterruptedException {
AtomicLong count = new AtomicLong();
List<Thread> threadList = new ArrayList<>();
for (int i = 0; i < threadCount; i++) {
threadList.add(new Thread(()-> {
for (int j = 0; j < times; j++) {
count.incrementAndGet();
}
}));
}
for (Thread thread : threadList) {
thread.start();
}
for (Thread thread : threadList) {
thread.join();
}
}
public void testLongAdder(int threadCount, int times) throws InterruptedException {
LongAdder count = new LongAdder();
List<Thread> threadList = new ArrayList<>();
for (int i = 0; i < threadCount; i++) {
threadList.add(new Thread(()-> {
for (int j = 0; j < times; j++) {
count.increment();
}
}));
}
for (Thread thread : threadList) {
thread.start();
}
for (Thread thread : threadList) {
thread.join();
}
}
} threadCount: 1, times: 1000000
testSynchronized cost: 187
testAtomicLong cost: 13
testLongAdder cost: 15
threadCount: 20, times: 1000000
testSynchronized cost: 829
testAtomicLong cost: 242
testLongAdder cost: 187
threadCount: 30, times: 1000000
testSynchronized cost: 232
testAtomicLong cost: 413
testLongAdder cost: 111
threadCount: 40, times: 1000000
testSynchronized cost: 314
testAtomicLong cost: 629
testLongAdder cost: 162 并發量比較低的時候AtomicLong優勢比較明顯，因為AtomicLong底層是一個樂觀鎖，不用阻塞線程，不斷cas即可。但是在并發比較高的時候用synchronized比較有優勢，因為大量線程不斷cas，會導緻cpu持續飙高，反而會降低效率