一. 性能对比
阿里开发手册推荐jdk8使用LongAdder替代AtomicLong
示例代码
题目：热点商品点赞计算器，点赞数加加统计，不要求实时精确。50个线程，每个线程100W次，统计总点赞数
比较synchronized、AtomicInteger、AtomicLong、LongAdder、LongAccumulator五种计数性能
class ClickNumber{
int number = 0;
public synchronized void add_synchronized(){
number++;
}
AtomicInteger atomicInteger = new AtomicInteger();
public void add_AtomicInteger(){
atomicInteger.incrementAndGet();
}
AtomicLong atomicLong = new AtomicLong();
public void add_AtomicLong(){
atomicLong.incrementAndGet();
}
LongAdder longAdder = new LongAdder();
public void add_LongAdder(){
longAdder.increment();
}
LongAccumulator longAccumulator = new LongAccumulator((x,y)->x+y,0);
public void add_longAccumulator(){
longAccumulator.accumulate(1);
}
}
public class LongAdderCalcDemo {
public static final int SIZE_THREAD = 50;
public static final int _1w = 10000;
public static void main(String[] args) throws InterruptedException {
ClickNumber clickNumber = new ClickNumber();
long startTime = System.currentTimeMillis();
long endTime = System.currentTimeMillis();
CountDownLatch latch_synchronized = new CountDownLatch(SIZE_THREAD);
CountDownLatch latch_AtomicInteger= new CountDownLatch(SIZE_THREAD);
CountDownLatch latch_AtomicLong = new CountDownLatch(SIZE_THREAD);
CountDownLatch latch_LongAdder = new CountDownLatch(SIZE_THREAD);
CountDownLatch latch_LongAccumulator = new CountDownLatch(SIZE_THREAD);
startTime = System.currentTimeMillis();
for (int i = 1; i <= SIZE_THREAD; i++) {
new Thread(()->{
try {
for (int j = 1; j <= 100*_1w; j++) {
clickNumber.add_synchronized();
}
} catch (Exception e) {
e.printStackTrace();
} finally {
latch_synchronized.countDown();
}
},String.valueOf(i)).start();
}
latch_synchronized.await();
endTime = System.currentTimeMillis();
System.out.println("synchronized花费时间："+ (endTime-startTime)+" 数值为："+clickNumber.number);
startTime = System.currentTimeMillis();
for (int i = 1; i <= SIZE_THREAD; i++) {
new Thread(()->{
try {
for (int j = 1; j <= 100*_1w; j++) {
clickNumber.add_AtomicInteger();
}
} catch (Exception e) {
e.printStackTrace();
} finally {
latch_AtomicInteger.countDown();
}
},String.valueOf(i)).start();
}
latch_AtomicInteger.await();
endTime = System.currentTimeMillis();
System.out.println("AtomicInteger花费时间："+ (endTime-startTime)+" 数值为："+clickNumber.atomicInteger.get());
startTime = System.currentTimeMillis();
for (int i = 1; i <= SIZE_THREAD; i++) {
new Thread(()->{
try {
for (int j = 1; j <= 100*_1w; j++) {
clickNumber.add_AtomicLong();
}
} catch (Exception e) {
e.printStackTrace();
} finally {
latch_AtomicLong.countDown();
}
},String.valueOf(i)).start();
}
latch_AtomicLong.await();
endTime = System.currentTimeMillis();
System.out.println("AtomicLong花费时间："+ (endTime-startTime)+" 数值为："+clickNumber.atomicLong.get());
startTime = System.currentTimeMillis();
for (int i = 1; i <= SIZE_THREAD; i++) {
new Thread(()->{
try {
for (int j = 1; j <= 100*_1w; j++) {
clickNumber.add_LongAdder();
}
} catch (Exception e) {
e.printStackTrace();
} finally {
latch_LongAdder.countDown();
}
},String.valueOf(i)).start();
}
latch_LongAdder.await();
endTime = System.currentTimeMillis();
System.out.println("LongAdder花费时间："+ (endTime-startTime)+" 数值为："+clickNumber.longAdder.longValue());
startTime = System.currentTimeMillis();
for (int i = 1; i <= SIZE_THREAD; i++) {
new Thread(()->{
try {
for (int j = 1; j <= 100*_1w; j++) {
clickNumber.add_longAccumulator();
}
} catch (Exception e) {
e.printStackTrace();
} finally {
latch_LongAccumulator.countDown();
}
},String.valueOf(i)).start();
}
latch_LongAccumulator.await();
endTime = System.currentTimeMillis();
System.out.println("LongAccumulator花费时间："+ (endTime-startTime)+" 数值为："+clickNumber.longAccumulator.longValue());
}
}
通过结果，可知LongAdder性能最优，花费时间最短，远优于AtomicLong
二. LongAdder为何那么快
LongAdder的基本思路
LongAdder的基本思路就是分散热点，将value值分散到一个Cell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。sum()会将所有Cell数组中的value和base累加作为返回值，核心的思想就是将之前AtomicLong一个value的更新压力分散到多个value中去，从而降级更新热点。
LongAdder的原理
LongAdder在无竞争的情况，跟AtomicLong一样，对同一个base进行操作（无并发，单线程下直接CAS操作更新base值;非竞态条件下，直接累加到变量base上）
当出现竞争关系时则是采用化整为零的做法，从空间换时间，用一个数组cells，将一个value拆分进这个数组Cells.多个线程需要同时对value进行操作时，可以对线程id进行hash得到hash值，再根据hash值映射到这个数组cells的某个下标，再对该下标所对应的值进行自增操作。当所有线程操作完毕，将数组cells的所有值和无竞争值base都加起来作为最终结果。（有并发，多线程下分段CAS操作更新Cell数组值;竞态条件下，累加个各个线程自己的槽Cell[]中）
sum()公式
三. 源码解析
1. LongAdder.add()
Cell[] as; long b, v; int m; Cell a;
as是striped64中的cells数组属性
b是striped64 中的base属性 v是当前线程hash到的Cell中存储的值
m是cells的长度减1，hash时作为掩码使用
a是当前线程hash到的Cell
if ((as = cells) != null || !casBase(b = base, b + x))
条件1: cells不为空，说明出现过竞争，Ccell[]已创建
条件2: cas操作base失败，说明其它线程先一步修改 了base正在出现竞争
首次首线程((as = cells) != null)一定是false,此时走casBase方法，以CAS的方式更新base值，且只有当cas失败时，才会走到if中
boolean uncontended = true
true无竞争，false表示竞争激烈，多个线程hash到同一个cell，可能要扩容
if (as == null || (m = as.length - 1) < 0 || (a = as[getProbe() & m]) == null || !(uncontended = a.cas(v = a.value, v + x))
条件1: cells为空，说明正在出现竞争，上面是从条件2过来的
条件2: 应该不会出现
条件3: 当前线程所在的cell为空，说明当前线程还没有更新过cell,应初始化一个cell
条件4: 更新当前线程所在的cell失败，说明现在竞争很激烈，多个线程hash到了同一个个Cell,应扩容
longAccumulate(x, null, uncontended)
调用striped64中的方法处理
小结
1.最初无竞争时只更新base;
2.如果更新base失败后，首次新建一个Cell[]数组
3.当多个线程竞争同一个CelI比较激烈时，可能就要对Cell[]扩容
2. Striped64.longAccumulate()
longAccumulate()方法的入参
long X需要增加的值，一般默认都是1
LongBinaryOperator fn默认传递的是null
wasUncontended竞争标识，如果是false则代表有竞争。只有cells初始化之后， 并且当前
失败，才会是false
代码解释
上述代码首先给当前线程分配一个hash值，然后进入一个for(;;)自旋，这个自旋分为三个分支:
CASE1: Cell[]数组已经初始化
CASE2: Cell[]数组未初始化(首次新建)
如果上面条件都执行成功就会执行数组的初始化及赋值操作
Cell[] rs = new Cell[2]表示数组的长度为2；rs[h & 1] = new Cell(x) 表示创建一个新的Cell元素，value是x值，默认为1；h & 1类似于HashMap常用到的计算散列桶index的算法，通常都是hash & (table.len - 1)，同hashmap一个意思
CASE3: Cell[]数组正在初始化中
多个线程尝试CAS修改失败的线程会走到这个分支，该分支实现直接操作base基数，将值累加到base上，也即其它线程正在初始化，多个线程正在更新base的值。
3. LongAdder.sum()
sum执行时，并没有限制对base和cells的更新。所以LongAdder不是强一致性的，它是最终一致性的（也就是说并发情况下，sum的值并不精确）
首先，最终返回的sum局部变量，初始被复制为base，而最终返回时，很可能base已经被更新了，而此时局部变量sum不会更新，造成不一致。其次，这里对cell的读取也无法保证是最后一次写入的值。所以，sum方法在没有并发的情况下，可以获得正确的结果
四. 与AtomicLong对比
AtomicLong
原理
CAS + 自旋
场景
低并发下的全局计算，AlomicLong能保证并发情况下计数的准确性，其内部通过CAS来解决并发安全性的问题。可允许一些性能损耗，要求高精度时可使用。AtomicLong是多个线程针对单个热点值value进行原子操作
缺陷
高并发后性能急剧下降。（N个线程CAS操作修改线程的值，每次只有一个成功过，其它N-1失败，失败的不停的自旋直到成功，这样大量失败自旋的情况，占用大量CPU）
LongAdder
原理
CAS+Base+Cell数组分散，通过空间换时间分散了热点数据
场景
高并发下的全局计算，当需要在高并发下有较好的性能表现，且对值的精确度要求不高时，可以使用。LongAdder是每个线程拥有自己的槽，各个线程一般只对自己槽中的那个值进行CAS操作
缺陷
sum求和后还有计算线程修改结果的话，最后结果不够准确
原文链接：https://blog.csdn.net/weixin_43899792/article/details/124575032