目录
1、基本类型的原子更新
2、数组类型的原子更新
3、引用类型的原子更新
4、对象属性原子修改器
5、LongAdder/DoubleAdder详解
6、LongAdder 原理
在并发编程中很容易出现并发安全的问题，有一个很简单的例子就是多线程更新变量 i=1 ，比如多个线程执行 i++ 操作，就有可能获取不到正确的值，而这个问题，最常用的方法是通过 Synchronized 进行控制来达到线程安全的目的。但是由于synchronized是采用的是悲观锁策略，并不是特别高效的一种解决方案。
实际上，在J.U.C下的 atomic 包提供了一系列的操作简单， 性能高效，并能保证线程安全的类去更新基本类型变量，数组元素，引用类型以及更新对象中的字段类型。atomic 包下的这些类都是采用乐观锁策略去更新数据，在 Java 中乐观锁策略的实现使用的是 CAS 。
java.util.concurrent.atomic 包里提供了一组原子操作类：
- 基本类型：AtomicInteger、AtomicLong、AtomicBoolean；
- 引用类型：AtomicReference、AtomicStampedRerence、AtomicMarkableReference；
- 数组类型：AtomicIntegerArray、AtomicLongArray、AtomicReferenceArray
- 对象属性原子修改器：AtomicIntegerFieldUpdater、AtomicLongFieldUpdater、 AtomicReferenceFieldUpdater
- 原子类型累加器（jdk1.8增加的类）：DoubleAccumulator、DoubleAdder、 LongAccumulator、LongAdder、Striped64
1、基本类型的原子更新
以 AtomicInteger 为例，总结常用的方法
// 以原子的方式将实例中的原值加 1，返回的是自增前的旧值；
public final int getAndIncrement() {// 先获取(get)后加(add)
return unsafe.getAndAddInt(this, valueOffset, 1);
}
// 将实例中的值更新为新值，并返回旧值；
public final int getAndSet(int newValue) {
return unsafe.getAndSetInt(this, valueOffset, newValue);
}
// 以原子的方式将实例中的原值进行加 1 操作，并返回最终相加后的结果；
public final int incrementAndGet() {
return unsafe.getAndAddInt(this, valueOffset, 1) + 1;
}
// 以原子方式将输入的数值与实例中原本的值相加，并返回最后的结果；
public final int addAndGet(int delta) {// 先加(add)后获取(get)
return unsafe.getAndAddInt(this, valueOffset, delta) + delta;
}
AtomicInteger 使用示例
import java.util.concurrent.atomic.AtomicInteger;
public class AtomicIntegerTest {
static AtomicInteger sum = new AtomicInteger(0);
public static void main(String[] args) {
for (int i = 0; i < 10; i++) {
Thread thread = new Thread(() -> {
for (int j = 0; j < 10000; j++) {
// 原子自增 CAS
sum.incrementAndGet();
}
});
thread.start();
}
try {
Thread.sleep(3000); // 保证所有线程执行完成
} catch (InterruptedException e) {
e.printStackTrace();
}
System.out.println(sum.get());
}
}
incrementAndGet() 方法通过CAS自增实现，如果CAS失败，自旋直到成功+1。
2、数组类型的原子更新
AtomicIntegerArray 为例，总结常用的方法
// 以原子更新的方式将数组中索引为i的元素与输入值相加，返回相加后的值
public final int addAndGet(int i, int delta) {
return getAndAdd(i, delta) + delta;
}
// 以原子更新的方式将数组中索引为i的元素自增加 1，返回原值
public final int getAndIncrement(int i) {
return getAndAdd(i, 1);
}
// 将数组中索引为i的位置的元素进行更新，参数为：索引，期望值，修改值
public final boolean compareAndSet(int i, int expect, int update) {
return compareAndSetRaw(checkedByteOffset(i), expect, update);
}
AtomicIntegerArray 使用示例
import java.util.concurrent.atomic.AtomicIntegerArray;
public class AtomicIntegerArrayTest {
static int[] arr = new int[]{1, 2, 3, 4, 5};
static AtomicIntegerArray atomicIntegerArray = new AtomicIntegerArray(arr);
public static void main(String[] args) throws InterruptedException {
// 设置索引 0 的元素为 100
atomicIntegerArray.set(0, 100);
System.out.println(atomicIntegerArray.get(0));
// 以原子更新的方式将数组中索引为 1 的元素与输入值相加,返回原值
int andAdd = atomicIntegerArray.getAndAdd(1, 5);
System.out.println(atomicIntegerArray);
}
}
3、引用类型的原子更新
AtomicReference 作用是对普通对象的封装，它可以保证在修改对象引用时的线程安全性。
import lombok.AllArgsConstructor;
import lombok.Data;
import java.util.concurrent.atomic.AtomicReference;
public class AtomicReferenceTest {
public static void main(String[] args) {
User jerry = new User("jerry", 23);
User Bob = new User("Bob", 25);
User Smith = new User("Smith", 20);
//初始化为 jerry
AtomicReference<User> atomicReference = new AtomicReference<>();
atomicReference.set(jerry);
//把 Bob 赋给 atomicReference
atomicReference.compareAndSet(jerry, Bob);
System.out.println(atomicReference.get());
//把 Smith 赋给 atomicReference
atomicReference.compareAndSet(jerry, Smith); // 赋值失败，期望值不符合
System.out.println(atomicReference.get());
}
}
@Data
@AllArgsConstructor// 所有参数的构造器
class User {
private String name;
private Integer age;
}
4、对象属性原子修改器
AtomicIntegerFieldUpdater 可以线程安全地更新对象中的整型变量。
import java.util.concurrent.atomic.AtomicInteger;
import java.util.concurrent.atomic.AtomicIntegerFieldUpdater;
public class AtomicIntegerFieldUpdaterTest {
public static class Candidate { // 对象
// 字段必须是volatile类型
volatile int score = 0;
AtomicInteger atomicInteger = new AtomicInteger();
}
// 定义属性修改器
public static final AtomicIntegerFieldUpdater<Candidate> scoreUpdater =
AtomicIntegerFieldUpdater.newUpdater(Candidate.class, "score");
public static AtomicInteger realScore = new AtomicInteger(0);
public static void main(String[] args) throws InterruptedException {
final Candidate candidate = new Candidate();
Thread[] threads = new Thread[10000]; // 开启10000个线程
for (int i = 0; i < 10000; i++) {
threads[i] = new Thread(new Runnable() {
@Override
public void run() {
if (Math.random() > 0.4) {
candidate.atomicInteger.incrementAndGet();
scoreUpdater.incrementAndGet(candidate); // 修改 candidate 的属性
realScore.incrementAndGet();
}
}
});
threads[i].start();
}
for (int i = 0; i < 10000; i++) {
threads[i].join();
}
System.out.println("AtomicIntegerFieldUpdater Score= " + candidate.score);
System.out.println("AtomicInteger Score= " + candidate.atomicInteger.get());
System.out.println("realScore= " + realScore.get());
}
}
对于 AtomicIntegerFieldUpdater 的使用有一些限制和约束，约束如下：
- 属性字段必须是 volatile 类型的，在线程之间共享变量时保证立即可见（volatile int score = 0）
- 字段的描述类型（修饰符 public / protected / default / private ）与调用者与操作对象字段的关系一致。也就是说调用者能够直接操作对象字段，那么就可以反射进行原子操作。但是对于父类的字段，子类是不能直接操作的，尽管子类可以访问父类的字段。
- 只能是实例变量，不能是类变量，也就是说不能加 static 关键字。
- 只能是可修改变量，不能使 final 变量，因为 final 的语义就是不可修改。实际上 final 的语义和 volatile 是有冲突的，这两个关键字不能同时存在。
- 对于 AtomicIntegerFieldUpdater 和 AtomicLongFieldUpdater 只能修改 int / long 类型的字段，不能修改其包装类型（ Integer / Long ）。如果要修改包装类型就需要使用AtomicReferenceFieldUpdater。
5、LongAdder/DoubleAdder详解
AtomicLong 是利用了底层的 CAS 操作来提供并发性的，比如 addAndGet() 方法：
上述方法调用了 Unsafe 类的 getAndAddLong() 方法，该方法内部是个 native 方法，它的逻辑是采用自旋的方式不断更新目标值，直到更新成功。 在并发量较低的环境下，线程冲突的概率比较小，自旋的次数不会很多。但是，高并发环境下， N个线程同时进行自旋操作，会出现大量失败并不断自旋的情况，此时 AtomicLong 的自旋会成为性能瓶颈。
这就是 LongAdder 引入的初衷：解决高并发环境下 AtomicInteger， AtomicLong 的自旋瓶颈问题。
性能测试对比
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.atomic.AtomicLong;
import java.util.concurrent.atomic.LongAdder;
public class LongAdderTest {
public static void main(String[] args) {
compareAtomicLongAndLongAdder(10, 100000);
System.out.println("====================================");
compareAtomicLongAndLongAdder(10, 200000);
System.out.println("====================================");
compareAtomicLongAndLongAdder(100, 200000);
}
static void compareAtomicLongAndLongAdder(final int threadCount, final int times) {
try {
System.out.println("测试条件->线程数:" + threadCount + ", 单线程操作计数:" + times);
long startLongAdder = System.currentTimeMillis();
testLongAdder(threadCount, times);
long endLongAdder = System.currentTimeMillis() - startLongAdder;
System.out.println("LongAdder方式->结果，增加计数:" + (threadCount * times) + "次,共计耗时:" + endLongAdder);
long startAtomicLong = System.currentTimeMillis();
testAtomicLong(threadCount, times);
long endAtomicLong = System.currentTimeMillis() - startAtomicLong;
System.out.println("AtomicLong方式->结果，增加计数:" + (threadCount * times) + "次,共计耗时:" + endAtomicLong);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
static void testAtomicLong(final int threadCount, final int times) throws InterruptedException {
CountDownLatch countDownLatch = new CountDownLatch(threadCount);
AtomicLong atomicLong = new AtomicLong();
for (int i = 0; i < threadCount; i++) { // 线程数量
new Thread(new Runnable() {
@Override
public void run() {
for (int j = 0; j < times; j++) { // 循环次数
atomicLong.incrementAndGet();
}
countDownLatch.countDown();
}
}, "My-thread" + i).start();
}
countDownLatch.await();
}
static void testLongAdder(final int threadCount, final int times) throws InterruptedException {
CountDownLatch countDownLatch = new CountDownLatch(threadCount);
LongAdder longAdder = new LongAdder();
for (int i = 0; i < threadCount; i++) { // 线程数量
new Thread(new Runnable() {
@Override
public void run() {
for (int j = 0; j < times; j++) {
longAdder.add(1); // 循环次数
}
countDownLatch.countDown();
}
}, "My-thread" + i).start();
}
countDownLatch.await();
}
}
测试结果：线程数越多，并发操作数越大，LongAdder的优势越明显
低并发、一般的业务场景下使用 AtomicLong 就足够了。如果并发量很多，存在大量写多读少的情况，LongAdder 可能更合适。
6、LongAdder 原理
设计思路：AtomicLong 中有个内部变量 value 保存着实际的 long 值(深入理解CAS有分析)，所有的操作都是针对该变量进行。也就是说，高并发环境下，value 变量其实是一个热点，也就是N个线程竞争一个热点。
LongAdder 的基本思路就是分散热点，将 value 值分散到一个数组中，不同线程会命中到数组的不同槽中，各个线程只对自己槽中的那个值进行CAS操作，这样热点就被分散了，冲突的概率就小很多。如果要获取真正的 long 值，只要将各个槽中的变量值累加返回。
LongAdder 的内部结构
LongAdder 内部有一个 base 变量，一个 Cell[] 数组：
base变量：非竞态条件下，直接累加到该变量上
Cell[]数组：竞态条件下，累加个各个线程自己的槽 Cell[i] 中
在 LongAdder 的父类 Striped64 中，有如下成员属性
// CPU核数，用来决定槽数组的大小
static final int NCPU = Runtime.getRuntime().availableProcessors();
// 数组槽，大小为2的次幂
transient volatile Cell[] cells;
// 基数，在两种情况下会使用：
// 1. 没有遇到并发竞争时，直接使用base累加数值
// 2. 初始化cells数组时，必须要保证cells数组只能被初始化一次（即只有一个线程能对cell s初始化）， // 其他竞争失败的线程会讲数值累加到base上
transient volatile long base;
// Spinlock (locked via CAS) used when resizing and/or creating Cells.
// CAS锁标记，Cells 扩容时会被使用
transient volatile int cellsBusy;
然后，定义了一个内部 Cell 类，这就是我们之前所说的槽，每个 Cell 对象存有一个 value 值，可以通过 Unsafe 来 CAS 操作它的值：
接下来，分析下 LongAdder#add 方法的源码
public void add(long x) {
Cell[] as; long b, v; int m; Cell a;
// 第一次不会创建cells，第二次才会casBase()失败，出现并发冲突，使用Cell
if ((as = cells) != null || !casBase(b = base, b + x)) {
boolean uncontended = true;
if (as == null || (m = as.length - 1) < 0 || // 判断Cell数组是否存在
(a = as[getProbe() & m]) == null || // 创建Hash下标，即Cell下标
!(uncontended = a.cas(v = a.value, v + x))) // 对Cell中的Value值进行累加操作
longAccumulate(x, null, uncontended); // 核心方法，创建Cell
}
}
只有从未出现过并发冲突的时候，base 基数才会使用到，一旦出现了并发冲突，之后所有的操作 都只针对 Cell[] 数组中的单元 Cell 。 如果 Cell[] 数组未初始化，会调用父类的 longAccumelate 去初始化 Cell[] ，如果 Cell[] 已经初始化，但是冲突发生在 Cell 单元内，则也调用父类的 longAccumelate ，此时可能就需要对 Cell[] 扩容了。
这也是 LongAdder 设计的精妙之处：尽量减少热点冲突，不到最后万不得已，尽量将CAS操作延 迟。
进一步分析 longAccumulate(x, null, uncontended) 源码
final void longAccumulate(long x, LongBinaryOperator fn,
boolean wasUncontended) {
int h;
if ((h = getProbe()) == 0) {
ThreadLocalRandom.current(); // force initialization
h = getProbe();
wasUncontended = true;
}
boolean collide = false; // True if last slot nonempty
for (;;) { // CAS 自旋
Cell[] as; Cell a; int n; long v;
if ((as = cells) != null && (n = as.length) > 0) { // Cell数组不为空
if ((a = as[(n - 1) & h]) == null) { // 取模定位，位置如果为空，创建Cell
if (cellsBusy == 0) { // Try to attach new Cell
Cell r = new Cell(x); // 创建Cell
if (cellsBusy == 0 && casCellsBusy()) { // CAS锁casCellsBusy()，保证原子性
boolean created = false;
try { // Recheck under lock
Cell[] rs; int m, j;
if ((rs = cells) != null &&
(m = rs.length) > 0 &&
rs[j = (m - 1) & h] == null) {
rs[j] = r; // 把Cell放入Cell[]数组中
created = true;
}
} finally {
cellsBusy = 0; // 还原CAS锁标记
}
if (created)
break;
continue; // Slot is now non-empty
}
}
collide = false;
}
else if (!wasUncontended) // CAS already known to fail
wasUncontended = true; // Continue after rehash
else if (a.cas(v = a.value, ((fn == null) ? v + x :
fn.applyAsLong(v, x))))
break;
else if (n >= NCPU || cells != as)
collide = false; // At max size or stale
else if (!collide)
collide = true;
else if (cellsBusy == 0 && casCellsBusy()) { // CAS锁
try {
if (cells == as) { // 扩容，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()) { // CAS锁
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
}
}
LongAccumulator
LongAccumulator 是 LongAdder 的增强版。LongAdder 只能针对数值的进行加减运算，而 LongAccumulator 提供了自定义的函数操作。其构造函数如下：
通过 LongBinaryOperator ，可以自定义对入参的任意操作，并返回结果（ LongBinaryOperator 接收 2 个 long 作为参数，并返回 1 个 long ）。
LongAccumulator 内部原理和 LongAdder 几乎完全 一样，都是利用了父类 Striped64 的 longAccumulate() 方法。
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.atomic.LongAccumulator;
import java.util.stream.IntStream;
public class LongAccumulatorTest {
public static void main(String[] args) throws InterruptedException {
// 累加 x+y
LongAccumulator accumulator = new LongAccumulator((x, y) -> x + y, 0);
ExecutorService executor = Executors.newFixedThreadPool(8);
// 1到9累加
IntStream.range(1, 10).forEach(i -> executor.submit(() -> accumulator.accumulate(i)));
Thread.sleep(2000);
System.out.println("获取最终结果:" + accumulator.getThenReset());
}
}