java高并发系列 - 第32天：高并发中计数器的实现方式有哪些？(1)

2401_84091289

于 2024-05-03 08:36:13 发布

阅读量540

点赞数 20

分类专栏：程序员文章标签： java 面试开发语言

本文链接：https://blog.csdn.net/2401_84091289/article/details/138409242

版权

程序员专栏收录该内容

302 篇文章 0 订阅

订阅专栏

《一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码》，点击传送门，即可获取！

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)：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：

640?wx_fmt=png

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)：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);

最后我们该如何学习？

1、看视频进行系统学习

这几年的Crud经历，让我明白自己真的算是菜鸡中的战斗机，也正因为Crud，导致自己技术比较零散，也不够深入不够系统，所以重新进行学习是很有必要的。我差的是系统知识，差的结构框架和思路，所以通过视频来学习，效果更好，也更全面。关于视频学习，个人可以推荐去B站进行学习，B站上有很多学习视频，唯一的缺点就是免费的容易过时。

另外，我自己也珍藏了好几套视频资料躺在网盘里，有需要的我也可以分享给你：