并发计数类LongAdder怎么用

本篇内容介绍了“并发计数类LongAdder怎么用”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

AtomicLong是通过CAS(即Compare And Swap)原理来完成原子递增递减操作，在并发情况下不会出现线程不安全结果。AtomicLong中的value是使用volatile修饰，并发下各个线程对value最新值均可见。我们以incrementAndGet()方法来深入。

  public final long incrementAndGet() {

        return unsafe.getAndAddLong(this, valueOffset, 1L) + 1L;

    }

这里是调用了unsafe的方法

    public final long getAndAddLong(Object var1, long var2, long var4) {

        long var6;

        do {

            var6 = this.getLongVolatile(var1, var2);

        } while(!this.compareAndSwapLong(var1, var2, var6, var6 + var4));

        return var6;

    }

方法中this.compareAndSwapLong()有4个参数，var1是需要修改的类对象，var2是需要修改的字段的内存地址，var6是修改前字段的值，var6+var4是修改后字段的值。compareAndSwapLong只有该字段实际值和var6值相当的时候，才可以成功设置其为var6+var4。

再继续往深一层去看

public final native boolean compareAndSwapLong(Object var1, long var2, long var4, long var6);

这里Unsafe.compareAndSwapLong是native方法，底层通过JNI(Java Native Interface)来完成调用，实际就是借助C来调用CPU指令来完成。

实现中使用了do-while循环，如果CAS失败，则会继续重试，直到成功为止。并发特别高的时候，虽然这里可能会有很多次循环，但是还是可以保证线程安全的。不过如果自旋CAS操作长时间不成功，竞争较大，会带CPU带来极大的开销，占用更多的执行资源，可能会影响其他主业务的计算等。

LongAdder怎么优化AtomicLong

Doug Lea在jdk1.5的时候就针对HashMap进行了线程安全和并发性能的优化，推出了分段锁实现的ConcurrentHashMap。一般Java面试，基本上离不开ConcurrentHashMap这个网红问题。另外在ForkJoinPool中，Doug Lea在其工作窃取算法上对WorkQueue使用了细粒度锁来较少并发的竞争,更多细节可参考我的原创文章ForkJoin使用和原理剖析。如果已经对ConcurrentHashMap有了较为深刻的理解，那么现在来看LongAdder的实现就会相对简单了。

来看LongAdder的increase()方法实现，

    public void add(long x) {

        Cell[] as; long b, v; int m; Cell a;

        //第一个if进行了两个判断，(1)如果cells不为空，则直接进入第二个if语句中。(2)同样会先使用cas指令来尝试add，如果成功则直接返回。如果失败则说明存在竞争，需要重新add

        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);

        }

    }

这里用到了Cell类对象，Cell对象是LongAdder高并发实现的关键。在casBase冲突严重的时候，就会去创建Cell对象并添加到cells中，下面会详细分析。

    @sun.misc.Contended static final class Cell {

        volatile long value;

        Cell(long x) { value = x; }

        //提供CAS方法修改当前Cell对象上的value

        final boolean cas(long cmp, long val) {

            return UNSAFE.compareAndSwapLong(this, valueOffset, cmp, val);

        }

        // Unsafe mechanics

        private static final sun.misc.Unsafe UNSAFE;

        private static final long valueOffset;

        static {

            try {

                UNSAFE = sun.misc.Unsafe.getUnsafe();

                Class<?> ak = Cell.class;

                valueOffset = UNSAFE.objectFieldOffset

                    (ak.getDeclaredField("value"));

            } catch (Exception e) {

                throw new Error(e);

            }

        }

    }

而这一句a = as[getProbe() & m]其实就是通过getProbe()拿到当前Thread的threadLocalRandomProbe的probe Hash值。这个值其实是一个随机值，这个随机值由当前线程ThreadLocalRandom.current()产生。不用Rondom的原因是因为这里已经是高并发了，多线程情况下Rondom会极大可能得到同一个随机值。因此这里使用threadLocalRandomProbe在高并发时会更加随机，减少冲突。更多ThreadLocalRandom信息想要深入了解可关注这篇文章并发包中ThreadLocalRandom类原理浅尝。拿到as数组中当前线程的Cell对象，然后再进行CAS的更新操作,我们在源码上进行分析。longAccumulate()是在父类Striped64.java中。

    final void longAccumulate(long x, LongBinaryOperator fn,

                              boolean wasUncontended) {

        int h;

        if ((h = getProbe()) == 0) {

          //如果当前线程的随机数为0，则初始化随机数

            ThreadLocalRandom.current(); // force initialization

            h = getProbe();

            wasUncontended = true;

        }

        boolean collide = false;                // True if last slot nonempty

        for (;;) {

            Cell[] as; Cell a; int n; long v;

            //如果当前cells数组不为空

            if ((as = cells) != null && (n = as.length) > 0) {

            //如果线程随机数对应的cells对应数组下标的Cell元素不为空，

                if ((a = as[(n - 1) & h]) == null) {

                //当使用到LongAdder的Cell数组相关的操作时，需要先获取全局的cellsBusy的锁，才可以进行相关操作。如果当前有其他线程的使用，则放弃这一步，继续for循环重试。

                    if (cellsBusy == 0) {       // Try to attach new Cell

                    //Cell的初始值是x，创建完毕则说明已经加上

                        Cell r = new Cell(x);   // Optimistically create

                        //casCellsBusy获取锁，cellsBusy通过CAS方式获取锁，当成功设置cellsBusy为1时，则获取到锁。

                        if (cellsBusy == 0 && casCellsBusy()) {

                            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;

                                    created = true;

                                }

                            } finally {

                              //finally里面释放锁

                                cellsBusy = 0;

                            }

                            if (created)

                                break;

                            continue;           // Slot is now non-empty

                        }

                    }

                    collide = false;

                }

                else if (!wasUncontended)       // CAS already known to fail

                    wasUncontended = true;      // Continue after rehash

                //如果a不为空，则对a进行cas增x操作，成功则返回    

                else if (a.cas(v = a.value, ((fn == null) ? v + x :

                                             fn.applyAsLong(v, x))))

                    break;

                //cells的长度n已经大于CPU数量，则继续扩容没有意义，因此直接标记为不冲突

                else if (n >= NCPU || cells != as)

                    collide = false;            // At max size or stale

                else if (!collide)

                    collide = true;

                //到这一步则说明a不为空但是a上进行CAS操作也有多个线程在竞争，因此需要扩容cells数组，其长度为原长度的2倍

                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

                }

                //继续使用新的随机数，避免在同一个Cell上竞争

                h = advanceProbe(h);

            }

            //如果cells为空，则需要先创建Cell数组。初始长度为2.(个人理解这个if放在前面会比较好一点，哈哈)

            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;

            }

            //如果在a上竞争失败，且扩容竞争也失败了，则在casBase上尝试增加数量

            else if (casBase(v = base, ((fn == null) ? v + x :

                                        fn.applyAsLong(v, x))))

                break;                          // Fall back on using base

        }

    }

最后是求LongAdder的总数，这一步就非常简单了，把base的值和所有cells上的value值加起来就是总数了。

    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;

    }

思考

源码中Cell数组的会控制在不超过NCPU的两倍，原因是LongAdder其实在底层是依赖CPU的CAS指令来操作，如果多出太多，即使在代码层面没有竞争，在底层CPU的竞争会更多，所以这里会有一个数量的限制。所以在LongAdder的设计中，由于使用到CAS指令操作，瓶颈在于CPU上。

YY一下，那么有没有方式可以突破这个瓶颈呢？我个人觉得是有的，但是有前提条件，应用场景极其有限。基于ThreadLocal的设计，假设统计只在一个固定的线程池中进行，假设线程池中的线程不会销毁(异常补充线程的就暂时不管了)，则可以认为线程数量是固定且不变的，那么统计则可以依赖于只在当前线程中进行，那么即使是高并发，就转化为ThreadLocal这种单线程操作了，完全可以摆脱CAS的CPU指令操作的限制，那么性能将极大提升。

“并发计数类LongAdder怎么用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注编程网网站，小编将为大家输出更多高质量的实用文章！