Java并发库（JUC）中LongAdder：高并发下基于分段锁和CAS的操作优化

admin · 发表于 2024-10-6 15:25:27

Java并发编程中经常需要对共享资源进行原子性操作，比如计数。Java的java.util.concurrent.atomic包提供了一些原子类，如AtomicInteger、AtomicLong等，它们通过硬件级别的原子操作来保证线程安全。然而，在高并发的场景下，这些原子类的性能可能会成为瓶颈。为了解决这个问题，Java8在java.util.concurrent.atomic包中引入了LongAdder类。

核心概述

LongAdder是一个用于并发环境中的长整型加法操作的类，它提供了比AtomicLong更高的吞吐量。LongAdder在内部维护了一个或多个变量（取决于当前并发级别和系统环境），每个线程对其中一个变量进行操作，从而减少了线程间的竞争。当需要获取总和时，这些变量会被加在一起。

Java并发库（JUC）中LongAdder：高并发下基于分段锁和CAS的操作优化

与AtomicLong相比，它通过内部维护多个Cell对象，采用分段化的方式降低线程间的并发冲突，从而提高了性能。然而，这种设计也带来了一定的内存开销，即空间换时间的思想。LongAdder常用于需要高并发更新的统计和计数场景。

一、LongAdder的使用

多线程环境中使用LongAdder来统计并发任务的执行次数，并最终获取总的执行次数。

import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.atomic.LongAdder;
public class LongAdderComplexExample {
public static void main(String[] args) throws InterruptedException {
// 创建LongAdder用于统计任务执行次数
LongAdder taskCounter = new LongAdder();
// 线程池用于执行并发任务
ExecutorService executorService = Executors.newFixedThreadPool(10);
List<Runnable> tasks = new ArrayList<>();
// 添加100个任务到任务列表
for (int i = 0; i < 100; i++) {
final int taskId = i;
tasks.add(() -> {
try {
Thread.sleep((long) (Math.random() * 1000));
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
}
// 任务执行完毕，增加计数器
taskCounter.increment();
System.out.println("Task " + taskId + " completed.");
});
}
// 提交任务到线程池执行
for (Runnable task : tasks) {
executorService.submit(task);
}
// 关闭线程池
executorService.shutdown();
// 等待所有任务执行完毕
while (!executorService.isTerminated()) {
}
System.out.println("Total tasks completed: " + taskCounter.sum());
}
}

复制代码

注意，有些时候可能需要更精细地控制任务的提交和执行过程，例如使用CountDownLatch、CyclicBarrier或Semaphore等并发工具类来协调多个线程的执行顺序或限制并发数。对于需要长时间运行的任务或需要频繁更新计数器的场景，也可以考虑使用其他的并发容器或数据结构来优化性能。

二、LongAdder的性能优势

与AtomicLong相比，LongAdder在高并发场景下的性能优势主要体现在：

1. 减少线程间的竞争：LongAdder内部维护了多个变量，每个线程对其中一个变量进行操作，从而减少了线程间的竞争。这使得在高并发场景下，LongAdder的性能优于AtomicLong。
2. 适用于统计和计数场景：LongAdder适用于统计和计数场景，如统计某个事件的发生次数等。这些场景中，不需要关心中间状态，只需要获取最终的总和。

LongAdder并不适用于所有场景。在需要精确控制中间状态的场景中（如需要获取任意时刻的精确值），AtomicLong更合适。

三、LongAdder的实现原理

LongAdder的实现原理是基于分段锁和并发控制的思想，通过内部维护多个变量来减少线程间的竞争，从而提高并发性能。

Java并发库（JUC）中LongAdder：高并发下基于分段锁和CAS的操作优化

1. 分段锁思想

LongAdder内部维护了一个或多个Cell对象，每个Cell对象包含一个长整型变量。这些Cell对象构成了一个数组，数组的大小通常是2的幂次方，以便使用位运算快速定位。每个线程在对LongAdder进行操作时，会根据当前线程的哈希码通过特定的哈希算法选择一个Cell对象进行操作。这种分段锁的思想类似于ConcurrentHashMap中的分段锁机制，通过将数据分散到多个段（Cell）上，减少了线程间的竞争。

2. 并发控制

当线程对LongAdder进行操作时，它会首先尝试获取对应Cell对象的锁（通过CAS操作实现）。如果成功获取锁，则线程会安全地更新该Cell对象的值。如果失败，则线程会尝试获取其他Cell对象的锁，或者更新base变量。这种并发控制机制确保了在高并发场景下，多个线程可以同时进行加法操作，而不会相互阻塞。

LongAdder并不保证每个线程都固定地操作同一个Cell对象。当线程竞争同一个Cell对象失败时，它会尝试获取其他Cell对象的锁。这种灵活性使得LongAdder能够更好地适应动态变化的并发环境。

3. 变量合并与求和

当需要获取LongAdder的总和时，会遍历内部的所有Cell对象并将它们的值累加起来，然后再加上base变量的值。这个过程可能需要花费一些时间，因为需要遍历整个Cell数组。我们通常不需要频繁地获取总和，而是更关注于并发性能的优化。

总之，LongAdder通过分段锁和并发控制的思想实现了高并发场景下的长整型加法操作优化。它内部维护了多个变量来减少线程间的竞争，并提供了灵活的并发控制机制以适应动态变化的并发环境、

		自动登录	找回密码
密码			立即注册

Java并发库（JUC）中LongAdder：高并发下基于分段锁和CAS的操作优化

相关帖子