这是java高并发系列第32篇文章。
java环境：jdk1.8。
本文主要内容
- 4种方式实现计数器功能，对比其性能
- 介绍LongAdder
- 介绍LongAccumulator
需求：一个jvm中实现一个计数器功能，需保证多线程情况下数据正确性。
我们来模拟50个线程，每个线程对计数器递增100万次，最终结果应该是5000万。
我们使用4种方式实现，看一下其性能，然后引出为什么需要使用LongAdder、LongAccumulator。
方式一：synchronized方式实现
package com.itsoku.chat32;
import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.CompletableFuture;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.atomic.LongAccumulator;
/**
* 跟着阿里p7学并发，微信公众号：javacode2018
*/
public class Demo1 {
static int count = 0;
public static synchronized void incr() {
count++;
}
public static void main(String[] args) throws ExecutionException, InterruptedException {
for (int i = 0; i < 10; i++) {
count = 0;
m1();
}
}
private static void m1() throws InterruptedException {
long t1 = System.currentTimeMillis();
int threadCount = 50;
CountDownLatch countDownLatch = new CountDownLatch(threadCount);
for (int i = 0; i < threadCount; i++) {
new Thread(() -> {
try {
for (int j = 0; j < 1000000; j++) {
incr();
}
} finally {
countDownLatch.countDown();
}
}).start();
}
countDownLatch.await();
long t2 = System.currentTimeMillis();
System.out.println(String.format("结果：%s,耗时(ms)：%s", count, (t2 - t1)));
}
}
输出：
结果：50000000,耗时(ms)：1437 结果：50000000,耗时(ms)：1913 结果：50000000,耗时(ms)：386 结果：50000000,耗时(ms)：383 结果：50000000,耗时(ms)：381 结果：50000000,耗时(ms)：382 结果：50000000,耗时(ms)：379 结果：50000000,耗时(ms)：379 结果：50000000,耗时(ms)：392 结果：50000000,耗时(ms)：384
平均耗时：390毫秒
方式2：AtomicLong实现
package com.itsoku.chat32;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.atomic.AtomicLong;
/**
* 跟着阿里p7学并发，微信公众号：javacode2018
*/
public class Demo2 {
static AtomicLong count = new AtomicLong(0);
public static void incr() {
count.incrementAndGet();
}
public static void main(String[] args) throws ExecutionException, InterruptedException {
for (int i = 0; i < 10; i++) {
count.set(0);
m1();
}
}
private static void m1() throws InterruptedException {
long t1 = System.currentTimeMillis();
int threadCount = 50;
CountDownLatch countDownLatch = new CountDownLatch(threadCount);
for (int i = 0; i < threadCount; i++) {
new Thread(() -> {
try {
for (int j = 0; j < 1000000; j++) {
incr();
}
} finally {
countDownLatch.countDown();
}
}).start();
}
countDownLatch.await();
long t2 = System.currentTimeMillis();
System.out.println(String.format("结果：%s,耗时(ms)：%s", count, (t2 - t1)));
}
}
输出：
结果：50000000,耗时(ms)：971 结果：50000000,耗时(ms)：915 结果：50000000,耗时(ms)：920 结果：50000000,耗时(ms)：923 结果：50000000,耗时(ms)：910 结果：50000000,耗时(ms)：916 结果：50000000,耗时(ms)：923 结果：50000000,耗时(ms)：916 结果：50000000,耗时(ms)：912 结果：50000000,耗时(ms)：908
平均耗时：920毫秒
AtomicLong内部采用CAS的方式实现，并发量大的情况下，CAS失败率比较高，导致性能比synchronized还低一些。并发量不是太大的情况下，CAS性能还是可以的。
AtomicLong属于JUC中的原子类，还不是很熟悉的可以看一下：JUC中原子类，一篇就够了
方式3：LongAdder实现
先介绍一下LongAdder，说到LongAdder，不得不提的就是AtomicLong，AtomicLong是JDK1.5开始出现的，里面主要使用了一个long类型的value作为成员变量，然后使用循环的CAS操作去操作value的值，并发量比较大的情况下，CAS操作失败的概率较高，内部失败了会重试，导致耗时可能会增加。
LongAdder是JDK1.8开始出现的，所提供的API基本上可以替换掉原先的AtomicLong。LongAdder在并发量比较大的情况下，操作数据的时候，相当于把这个数字分成了很多份数字，然后交给多个人去管控，每个管控者负责保证部分数字在多线程情况下操作的正确性。当多线程访问的时，通过hash算法映射到具体管控者去操作数据，最后再汇总所有的管控者的数据，得到最终结果。相当于降低了并发情况下锁的粒度，所以效率比较高，看一下下面的图，方便理解：
代码：
package com.itsoku.chat32;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.atomic.AtomicLong;
import java.util.concurrent.atomic.LongAdder;
/**
* 跟着阿里p7学并发，微信公众号：javacode2018
*/
public class Demo3 {
static LongAdder count = new LongAdder();
public static void incr() {
count.increment();
}
public static void main(String[] args) throws ExecutionException, InterruptedException {
for (int i = 0; i < 10; i++) {
count.reset();
m1();
}
}
private static void m1() throws ExecutionException, InterruptedException {
long t1 = System.currentTimeMillis();
int threadCount = 50;
CountDownLatch countDownLatch = new CountDownLatch(threadCount);
for (int i = 0; i < threadCount; i++) {
new Thread(() -> {
try {
for (int j = 0; j < 1000000; j++) {
incr();
}
} finally {
countDownLatch.countDown();
}
}).start();
}
countDownLatch.await();
long t2 = System.currentTimeMillis();
System.out.println(String.format("结果：%s,耗时(ms)：%s", count.sum(), (t2 - t1)));
}
}
输出：
结果：50000000,耗时(ms)：206 结果：50000000,耗时(ms)：105 结果：50000000,耗时(ms)：107 结果：50000000,耗时(ms)：107 结果：50000000,耗时(ms)：105 结果：50000000,耗时(ms)：99 结果：50000000,耗时(ms)：106 结果：50000000,耗时(ms)：102 结果：50000000,耗时(ms)：106 结果：50000000,耗时(ms)：102
平均耗时：100毫秒
代码中new LongAdder()创建一个LongAdder对象，内部数字初始值是0，调用increment()方法可以对LongAdder内部的值原子递增1。reset()方法可以重置LongAdder的值，使其归0。
方式4：LongAccumulator实现
LongAccumulator介绍
LongAccumulator是LongAdder的功能增强版。LongAdder的API只有对数值的加减，而LongAccumulator提供了自定义的函数操作，其构造函数如下：
/**
* accumulatorFunction：需要执行的二元函数（接收2个long作为形参，并返回1个long）
* identity：初始值
**/
public LongAccumulator(LongBinaryOperator accumulatorFunction, long identity) {
this.function = accumulatorFunction;
base = this.identity = identity;
}
示例代码：
package com.itsoku.chat32;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.atomic.LongAccumulator;
import java.util.concurrent.atomic.LongAdder;
/**
* 跟着阿里p7学并发，微信公众号：javacode2018
*/
public class Demo4 {
static LongAccumulator count = new LongAccumulator((x, y) -> x + y, 0L);
public static void incr() {
count.accumulate(1);
}
public static void main(String[] args) throws ExecutionException, InterruptedException {
for (int i = 0; i < 10; i++) {
count.reset();
m1();
}
}
private static void m1() throws ExecutionException, InterruptedException {
long t1 = System.currentTimeMillis();
int threadCount = 50;
CountDownLatch countDownLatch = new CountDownLatch(threadCount);
for (int i = 0; i < threadCount; i++) {
new Thread(() -> {
try {
for (int j = 0; j < 1000000; j++) {
incr();
}
} finally {
countDownLatch.countDown();
}
}).start();
}
countDownLatch.await();
long t2 = System.currentTimeMillis();
System.out.println(String.format("结果：%s,耗时(ms)：%s", count.longValue(), (t2 - t1)));
}
}
输出：
结果：50000000,耗时(ms)：138 结果：50000000,耗时(ms)：111 结果：50000000,耗时(ms)：111 结果：50000000,耗时(ms)：103 结果：50000000,耗时(ms)：103 结果：50000000,耗时(ms)：105 结果：50000000,耗时(ms)：101 结果：50000000,耗时(ms)：106 结果：50000000,耗时(ms)：102 结果：50000000,耗时(ms)：103
平均耗时：100毫秒
LongAccumulator的效率和LongAdder差不多，不过更灵活一些。
调用new LongAdder()等价于new LongAccumulator((x, y) -> x + y, 0L)。
从上面4个示例的结果来看，LongAdder、LongAccumulator全面超越同步锁及AtomicLong的方式，建议在使用AtomicLong的地方可以直接替换为LongAdder、LongAccumulator，吞吐量更高一些。
java高并发系列目录
- 第1天:必须知道的几个概念
- 第2天:并发级别
- 第3天:有关并行的两个重要定律
- 第4天:JMM相关的一些概念
- 第5天:深入理解进程和线程
- 第6天:线程的基本操作
- 第7天:volatile与Java内存模型
- 第8天:线程组
- 第9天：用户线程和守护线程
- 第10天:线程安全和synchronized关键字
- 第11天:线程中断的几种方式
- 第12天JUC:ReentrantLock重入锁
- 第13天:JUC中的Condition对象
- 第14天:JUC中的LockSupport工具类，必备技能
- 第15天：JUC中的Semaphore（信号量）
- 第16天：JUC中等待多线程完成的工具类CountDownLatch，必备技能
- 第17天：JUC中的循环栅栏CyclicBarrier的6种使用场景
- 第18天：JAVA线程池，这一篇就够了
- 第19天：JUC中的Executor框架详解1
- 第20天：JUC中的Executor框架详解2
- 第21天：java中的CAS，你需要知道的东西
- 第22天：JUC底层工具类Unsafe，高手必须要了解
- 第23天：JUC中原子类，一篇就够了
- 第24天：ThreadLocal、InheritableThreadLocal（通俗易懂）
- 第25天：掌握JUC中的阻塞队列
- 第26篇：学会使用JUC中常见的集合，常看看！
- 第27天：实战篇，接口性能提升几倍原来这么简单
- 第28天：实战篇，微服务日志的伤痛，一并帮你解决掉
- 第29天：高并发中常见的限流方式
- 第30天：JUC中工具类CompletableFuture，必备技能
- 第31天：获取线程执行结果，这6种方法你都知道？
阿里p7一起学并发，公众号：路人甲java，每天获取最新文章！