- 5 原子类
- 5.1 AtomicInteger
- AtomicInteger 与 synchronized
- LongAdder
- LongAdder 源码分析
- LongAdder 与 AtomicLong 的适用场景
- LongAccumulator
- 5.1 AtomicInteger
- 6 CAS
- CAS 实现原子操作三大问题
5 原子类
JUC 包中提供了许多原子性操作类，这些类都是使用非阻塞算法CAS实现的，原子类的作用和锁类似，都是为了保证并发情况下线程安全。相比使用锁实现原子操作性能更好具有以下优点：
- 粒度更细：原子变量可以把竞争范围缩小到变量级别，通常锁的粒度都要大于原子变量的粒度。
- 效率更高：CAS相比切换到内核态挂起唤醒线程效率更高，除了高度竞争的情况原子类效率更高。
常见 6 种原子类如下所示：
| 原子类型 | 举例 | 作用 |
|---|---|---|
| Atomic-基本类型 | AtomicInteger，AtomicLong，AtomicBoolean | |
| Atomic-Array数组类型 | AtomicIntegerArray，AtomicLongArray，AtomicBooleanArray | |
| Atomic-Reference引用类型 | AtomicReference、AtomicStampedReference、AtomicMarkableReference | |
| Atomic-FieldUpdater升级 | AtomicIntegerFieldUpdater，AtomicLongFieldUpdater，AtomicReferenceFieldUpdater | |
| Adder 累加器 | LongAdder、DoubleAdder | |
| Accumlator 累加器 | LongAccumlator、DoubleAccumlator |
5.1 AtomicInteger
AtomicInteger 的使用示例如下所示，对于基本类型如果需要保证线程安全，我们可以使用 AtomicInteger 来代替 synchronized 和 Lock，使用更加简洁优雅，也保证了线程安全。
public class AtomicintegerDemo {
public volatile int num = 0;
private AtomicInteger atomicInteger = new AtomicInteger(0);
public static void main(String[] args) throws InterruptedException {
AtomicintegerDemo dmeo = new AtomicintegerDemo();
// 两个线程各执行1000次累加，期望结果是得到2000
Thread t1 = new Thread(() -> dmeo.increment());
Thread t2 = new Thread(() -> dmeo.increment());
t1.start();
t2.start();
// 等待两个线程执行结束
t1.join();
t2.join();
// 打印普通变量的累加结果
System.out.println(dmeo.num);
// 打印原子变量的累加结果
System.out.println(dmeo.atomicInteger.get());
}
// 基础类型+1
public void incrementBasic() {
num++;
}
// 原子类型+1
public void incrementAtomic() {
atomicInteger.getAndIncrement();
}
// 累加1000次
public void increment() {
for (int i = 0; i < 1000; i++) {
incrementBasic();
incrementAtomic();
}
}
}
AtomicInteger 常见方法如下所示，代码示例见Github：
-
set(int value)设置值 -
get()获取当前值 -
getAndSet(int newValue)获取当前值，并设置新值 -
getAndIncrement()获取当前值，并自增+1 -
getAndDecrement()获取当前值，并自减-1 -
getAndAdd(int value)获取当前值，并加上值value -
incrementAndGet()先自增+1，再返回自增后的值 -
compareAndSet(int expect, int update)使用CAS方式修改值，修改成功返回true，修改失败返回false
AtomicInteger 与 synchronized
只有 synchronized 中的自适应自旋锁，才会自旋一定次数后将线程挂起，即升级为重量级锁。而 AtomicInteger 会死循环CAS直至成功，所以高并发环境下 synchronized 效率会高于AtomicInteger，这也是LongAdder诞生的原因。
常见6种原子类
原子类使用
数组原子类
引用原子类
升级为原子类
LongAdder
AtomicLong 通过 CAS 提供了非阻塞的原子操作，相比使用阻塞算法的同步器性能已经很好了，但是使用AtomicLong时，在高并发环境下大量线程会去竞争更新同一个原子变量，但是由于同时只会有一个线程的CAS操作会成功，这就导致大量线程竞争失败后，会进行死循环不断自旋尝试CAS操作，这样会浪费CPU资源。
针对高并发环境下CAS操作浪费CPU资源之外，AtomicLong 还有一个缺点就是更新数据前需要从主存获取数据，更新数据后需要刷新数据到主存。如下图所示，thread-1 运行在 core-1 上，修改变量 ctr 后，需要将 ctr 从本地内存刷新flush到主存；thread-2 运行在 core-2 上，修改变量 ctr 前，需要从主存获取 ctr 的最新数据刷新refresh到本地内存。
（CAS涉及到预期值，主内存值，更新值 。 当且仅当预期值==主内存值时候，才会将主内存值更新为更新值 。 ）
针对高并发环境下CAS操作浪费CPU资源，和每次更新都需要刷新到主存的缺点，JDK8中提供了一个原子自增自减类LongAdder。
AtomicLong的性能瓶颈是多个线程竞争一个变量的更新导致的，LongAdder的思路就是空间换时间，每个线程保存一份变量的副本进行自增自减操作，这样就避免了多个线程竞争，在最后获取结果时，再将这多个副本变量相加即可得到结果。与ThreadLocal的思路相同，每个线程保存自己的副本避免竞争
如下图所示，LongAdder 会在每个线程保存一份变量 ctr 的副本，就能避免多个线程CAS竞争，也不需要频繁刷新数据到主存。
需要执行 1w 个任务，每个任务的操作是累加 1w 次，这些任务由 20 个线程执行，
LongAdder示例代码如下：
public class LongAdderDemo {
public static void main(String[] args) throws InterruptedException {
// 计数器counter
LongAdder counter = new LongAdder();
ExecutorService service = Executors.newFixedThreadPool(20);
long start = System.currentTimeMillis();
// 1w个累加任务，每个累加任务执行1w次累加操作
for (int i = 0; i < 10000; i++) {
service.submit(new Task(counter));
}
service.shutdown();
// 等待任务执行完毕
while (!service.isTerminated()) {
}
long end = System.currentTimeMillis();
// 打印计数器结果和耗时
System.out.println(counter.sum());
System.out.println("LongAdder耗时：" + (end - start));
}
private static class Task implements Runnable {
private LongAdder counter;
public Task(LongAdder counter) {
this.counter = counter;
}
// 累加任务，任务内容是累加1w次
@Override
public void run() {
for (int i = 0; i < 10000; i++) {
counter.increment();
}
}
}
}
上面代码使用 LongAdder 作为计数器耗时为 AtomicLong 的十分之一。如果使用 AtomicLong，每次自增 increment() 操作都需要修改值并刷新到主存，自增失败的线程需要也会进行自旋尝试，浪费CPU资源。而使用 LongAdder 则会修改每个线程的 counter 变量副本，在最后使用sum()方法求和即可。
LongAdder 源码分析
LongAdder#sum() 方法的源码如下所示，是对 Cell 数组的所有值求和，再与 base 相加得到LongAdder 的值。由于求和时没有对 Cell 数组进行加锁，所以在求和操作时可能有线程对Cell 值进行了修改，因此在上面的示例代码中，我们是等线程执行完毕才进行的求和sum()操作。
// 返回LongAdder的值
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)
// 对base和数组所有值求和
sum += a.value;
}
}
return sum;
}
// 等价于sum求和操作
public long longValue() {
return sum();
}
下面是 LongAdder#add 的源码，
在代码1处，分析如下：
如果以下两种条件则继续执行if内的语句
- cells数组不为null（不存在争用的时候，cells数组一定为null，一旦对base的cas操作失败，才会初始化cells数组）
- 如果cells数组为null，如果casBase执行成功，则直接返回；如果casBase方法执行失败（casBase失败，说明第一次争用冲突产生，需要对cells数组初始化）进入if内；casBase方法很简单，就是通过UNSAFE类的cas设置成员变量base的值为base+要累加的值。casBase执行成功的前提是无竞争，这时候cells数组还没有用到为null，可见在无竞争的情况下是类似于AtomticInteger处理方式，使用cas做累加。
在代码2处，分析如下：
- as == null ： cells数组未被初始化，成立则直接进入if执行cell初始化
- (m = as.length - 1) < 0： cells数组的长度为0，条件1与2都代表cells数组没有被初始化成功，初始化成功的cells数组长度为2；
- (a = as[getProbe() & m]) == null ：如果cells被初始化，且它的长度不为0，则通过getProbe方法获取当前线程Thread的threadLocalRandomProbe变量的值，初始为0，然后执行threadLocalRandomProbe&(cells.length-1 ),相当于m%cells.length；如果cells[threadLocalRandomProbe%cells.length]的位置为null，这说明这个位置从来没有线程做过累加，需要进入if继续执行，在这个位置创建一个新的Cell对象；
- !(uncontended = a.cas(v = a.value, v + x))：尝试对cells[threadLocalRandomProbe%cells.length]位置的Cell对象中的value值做累加操作,并返回操作结果,如果失败了则进入if，重新计算一个threadLocalRandomProbe；
在代码3处，即进入if语句执行longAccumulate方法,有三种情况
- 前两个条件代表cells没有初始化，
- 第三个条件指当前线程hash到的cells数组中的位置还没有其它线程做过累加操作，
- 第四个条件代表产生了冲突,uncontended=false
public void add(long x) {
Cell[] as;
long b, v;
int m;
Cell a;
// 代码1，cells不为null时使用CAS操作在base上相加，即casBase
if ((as = cells) != null || !casBase(b = base, b + x)) {
// 如果cells不为null，或者CAS操作失败了，则执行下面操作
// uncontended判断cells数组中，当前线程要做cas累加操作的某个元素是否不存在争用，
// 如果cas失败则存在争用；false代表存在争用，true代表不存在争用。
boolean uncontended = true;
// 代码2，
if (as == null || (m = as.length - 1) < 0 ||
(a = as[getProbe() & m]) == null ||
!(uncontended = a.cas(v = a.value, v + x)))
// 代码3
longAccumulate(x, null, uncontended);
}
}
/**
* Equivalent to {@code add(1)}.
*/
public void increment() {
add(1L);
}
// 补充longAccumulate源码分析，参考Java并发编程之美
LongAdder 与 AtomicLong 的适用场景
从上面的分析来看是不行的，因为AtomicLong提供了很多cas方法，例如getAndIncrement、getAndDecrement等，使用起来非常的灵活，而LongAdder只有add和sum，适合的是统计求和计数的场景，场景比较单一。
优点:由于 JVM 会将 64位的double,long 型变量的读操作分为两次32位的读操作,所以低并发保持了 AtomicLong性能,高并发下热点数据被 hash 到多个 Cell,有限分离,通过分散提升了并行度
但统计时有数据更新,也可能会出现数据误差,但高并发场景有限使用此类，低时还是可以继续 AtomicLong。
LongAccumulator
LongAdder 类是 LongAccumulator 的一个特例，LongAccumulator 功能更加强大，可以传入计算函数，也可以指定初始值，查看LongAccumulator示例代码。
public class LongAccumulatorDemo {
public static void main(String[] args) {
// 累加器，初始值为100，传入函数是表示对传入数值和当前值进行的运算
LongAccumulator longAccumulator = new LongAccumulator((x, y) -> x + y, 100);
// 传入值为1，根据传入函数，是将1与当前值相加
longAccumulator.accumulate(1);
longAccumulator.accumulate(2);
System.out.println(longAccumulator.get());
}
}
LongAdder#add 方法与 LongAccumulator#accumulate 方法最终都调用的 Striped64#longAccumulate 方法，区别是LongAdder 使用默认的相加操作，而 LongAccumulator 会传入自定义的计算函数。
下面是 LongAccumulator 的源码：
public class LongAccumulator extends Striped64 implements Serializable {
private final LongBinaryOperator function;
private final long identity;
/**
* @param accumulatorFunction 对传入值与当前值做的运算
* @param identity identity 初始值
*/
public LongAccumulator(LongBinaryOperator accumulatorFunction,
long identity) {
// 保存自定义的运算规则
this.function = accumulatorFunction;
base = this.identity = identity;
}
public void accumulate(long x) {
Cell[] as; long b, v, r; int m; Cell a;
if ((as = cells) != null ||
(r = function.applyAsLong(b = base, x)) != b && !casBase(b, r)) {
boolean uncontended = true;
if (as == null || (m = as.length - 1) < 0 ||
(a = as[getProbe() & m]) == null ||
!(uncontended =
(r = function.applyAsLong(v = a.value, x)) == v ||
a.cas(v, r)))
// 最终调用，与LongAdder不同的是需要传入自定义的函数function
longAccumulate(x, function, uncontended);
}
}
下面两行代码实现的功能是一样的，都可以实现线程安全的累加。
LongAdder adder = new LongAdder();
adder.increment();
LongAccumulator accumulator = new LongAccumulator((x, y) -> x + y, 0);
accumulator.accumulate(1);
6 CAS
在Java中可以通过锁或CAS的方式来实现原子操作，JVM中的CAS操作是使用处理器提供的CMPXCHG指令实现的。自旋CAS实现的基本思路就是循环进行CAS操作直至成功为止。
CAS 实现原子操作三大问题
- ABA问题
什么是ABA问题?
因为CAS需要在操作值得时候，检查值有没有发生变化，如果没有发生变化则更新，但是如果一个值原来是A、变成了B、又变成了A，那么使用CAS进行检查时会发现它的值没有发生变化，但实际上却变化了。
解决ABA问题
- 使用版本号
ABA问题的解决思路是使用版本号，每次变量更新的时候版本号加1，那么A->B->A就会变成1A->2B->3A
- jdk自带原子变量
从jdk1.5开始，jdk的Atomic包里就提供了一个类AtomicStampedReference来解决ABA问题，这个类中的compareAndSet方法的作用就是首先检查当前引用是否等于预期引用，并且检查当前标志是否等于预期标志，如果全部相等，则以原子方式将该引用和该标志的值更新为指定的新值
/**
* 如果当前引用等于预期引用并且当前标志等于预期标志
* 则以原子方式将该引用和该标志的值设置为给定新值
*
* @param expectedReference 预期引用值
* @param newReference 新的引用值
* @param expectedStamp 预期标记值
* @param newStamp 新标记值
* @return {@code true} if successful
*/
public boolean compareAndSet(V expectedReference,
V newReference,
int expectedStamp,
int newStamp) {
Pair current = pair;
return
#预期引用==当前引用
expectedReference == current.reference &&
#预期标志==当前标志
expectedStamp == current.stamp &&
#新引用==当前引用 并且 新标志==当前标志
((newReference == current.reference &&
newStamp == current.stamp) ||
#原子更新值
casPair(current, Pair.of(newReference, newStamp)));
}
- 循环时间长开销大
自旋CAS如果长时间不成功，会给CPU带来非常大的执行开销。如果jvm能支持处理器提供的pause指令，那么效率会有一定的提升。pause指令有两个作用：
第一，它可以延迟流水线执行指令（de-pipeline），使CPU不会消耗过多的执行资源，延迟的时间取决于具体实现的版本，在一些处理器上延迟时间是零。
第二，它可以避免在退出循环的时候因内存顺序冲突（Memory Order Violation）而引起CPU流水线被清空（CPU Pipeline Flush），从而提高CPU的执行效率。
- 只能保证一个共享变量的原子操作
当对一个共享变量执行操作时，我们可以使用循环CAS的方式来保证原子操作，但是多个共享变量操作时，循环CAS就无法保证操作的原子性，这个时候就可以用锁。还有一个方法，就是把多个共享变量合并成一个共享变量来操作。比如，有两个共享变量i=2,j=a合并一下ij=2a，然后用CAS来操作ij。从java1.5开始，JDK提供了AtomicReference类来保证引用对象之间的原子性，就可以把多个变量放在一个对象里来进行CAS操作。
CAS适用场景
除了偏向锁，JVM实现锁的方式都使用了循环CAS。即当一个线程进入同步块时使用循环CAS的方式来获取锁，退出同步块时使用循环CAS的方式释放锁。
synchronized中的轻量级锁自旋锁才会尝试10次CAS然后升级为重量级锁，而AtomicInteger 中的CAS会真的一直循环直至CAS成功，所以在高并发环境下建议使用LongAdder代替AtomicInteger。
CAS 的源码实现 https://www.jianshu.com/p/c8e9bce8b3c6
LOCK cmpxchg
https://github.com/AdoptOpenJDK/openjdk-jdk8u/blob/master/hotspot/src/os_cpu/windows_x86/vm/atomic_windows_x86.inline.hpp 216行
并发编程艺术 p53