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_84412624

于 2024-04-19 00:00:47 发布

阅读量857

点赞数 21

分类专栏：程序员文章标签： java python 开发语言

本文链接：https://blog.csdn.net/2401_84412624/article/details/137942414

版权

程序员专栏收录该内容

93 篇文章 0 订阅

订阅专栏

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);
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Java开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

如果你觉得这些内容对你有帮助，可以扫码获取！！（备注Java获取）

最后

关于面试刷题也是有方法可言的，建议最好是按照专题来进行，然后由基础到高级，由浅入深来，效果会更好。当然，这些内容我也全部整理在一份pdf文档内，分成了以下几大专题：

Java基础部分

算法与编程

数据库部分

流行的框架与新技术（Spring+SpringCloud+SpringCloudAlibaba）

这份面试文档当然不止这些内容，实际上像JVM、设计模式、ZK、MQ、数据结构等其他部分的面试内容均有涉及，因为文章篇幅，就不全部在这里阐述了。

作为一名程序员，阶段性的学习是必不可少的，而且需要保持一定的持续性，这次在这个阶段内，我对一些重点的知识点进行了系统的复习，一方面巩固了自己的基础，另一方面也提升了自己的知识广度和深度。
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！
f文档内，分成了以下几大专题：

Java基础部分

[外链图片转存中…(img-eVl37J5K-1713456032090)]

算法与编程

[外链图片转存中…(img-WloN4QRt-1713456032092)]

数据库部分

[外链图片转存中…(img-XVmpUCb8-1713456032094)]

流行的框架与新技术（Spring+SpringCloud+SpringCloudAlibaba）

[外链图片转存中…(img-MwBKPAEd-1713456032097)]

这份面试文档当然不止这些内容，实际上像JVM、设计模式、ZK、MQ、数据结构等其他部分的面试内容均有涉及，因为文章篇幅，就不全部在这里阐述了。

作为一名程序员，阶段性的学习是必不可少的，而且需要保持一定的持续性，这次在这个阶段内，我对一些重点的知识点进行了系统的复习，一方面巩固了自己的基础，另一方面也提升了自己的知识广度和深度。
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！

2401_84412624

关注

21
点赞
踩
24

收藏

觉得还不错? 一键收藏
0
评论
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)

关于面试刷题也是有方法可言的，建议最好是按照专题来进行，然后由基础到高级，由浅入深来，效果会更好。Java基础部分算法与编程数据库部分流行的框架与新技术（Spring+SpringCloud+SpringCloudAlibaba）这份面试文档当然不止这些内容，实际上像JVM、设计模式、ZK、MQ、数据结构等其他部分的面试内容均有涉及，因为文章篇幅，就不全部在这里阐述了。
复制链接

扫一扫