java并发编程(5) 共享模型之无锁（原子类）

---

前言

从（5）开始讨论无锁的内容，也就是CAS。文章参考《Java并发编程的艺术》这本书以及黑马的视频 黑马多线程。无锁对于一个程序的性能提高起到很重要的作用。

---

1. 问题引出

现在我们来看一段代码，有如下需求，保证 account.withdraw 取款方法的线程安全。程序中定义了1000个线程来进行取款的操作，下面使用 synchronized 来保证线程安全

使用 Synchrinized 来解决

public class Test5 {

    public static void main(String[] args) {
        Account.demo(new AccountUnsafe(10000));
    }
}

class AccountUnsafe implements Account {
    private Integer balance;
    public AccountUnsafe(Integer balance) {
        this.balance = balance;
    }
    @Override
    public Integer getBalance() {
        synchronized(this){
        	return balance;
        }
    }
    @Override
    
    public void  withdraw(Integer amount) {
        // 通过这里加锁就可以实现线程安全，不加就会导致结果异常
        synchronized (this){
            balance -= amount;
        }
    }
}


interface Account {
    // 获取余额
    Integer getBalance();
    // 取款
    void withdraw(Integer amount);
    //启动1000个线程，这里我们测试1000次之后的synchronized的效率怎么样
    static void demo(Account account) {
        List<Thread> ts = new ArrayList<>();
        long start = System.nanoTime();
        for (int i = 0; i < 1000; i++) {
            ts.add(new Thread(() -> {
                account.withdraw(10);
            }));
        }
        ts.forEach(Thread::start);
        ts.forEach(t -> {
            try {
                t.join();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        });
        long end = System.nanoTime();
        System.out.println(account.getBalance()
                + " cost: " + (end-start)/1000_000 + " ms");
    }
}

输出结果：

使用 CAS 来解决

public class TestAccount {
    public static void main(String[] args) {
        Account account = new AccountCas(10000);
        Account.demo(account);
    }
}

class AccountCas implements Account {
    //原子整数
    private AtomicInteger balance;

    public AccountCas(int balance) {
        this.balance = new AtomicInteger(balance);
    }

    @Override
    public Integer getBalance() {
        return balance.get();
    }
	//取款操作，使用 CAS 来进行
    @Override
    public void withdraw(Integer amount) {
        while(true) {
            // 获取余额的最新值
            int prev = balance.get();
            // 要修改的余额
            int next = prev - amount;
            // 真正修改，compareAndSet(原来值，后来值)
            if(balance.compareAndSet(prev, next)) {
                break;
            }
        }
        //balance.getAndAdd(-1 * amount);
    }
}

class AccountUnsafe implements Account {

    private Integer balance;

    public AccountUnsafe(Integer balance) {
        this.balance = balance;
    }

    @Override
    public Integer getBalance() {
        synchronized (this) {
            return this.balance;
        }
    }

    @Override
    public void withdraw(Integer amount) {
        synchronized (this) {
            this.balance -= amount;
        }
    }
}

interface Account {
    // 获取余额
    Integer getBalance();

    // 取款
    void withdraw(Integer amount);

    //启动1000个线程来进行操作，看看最终的结果是什么
    static void demo(Account account) {
        List<Thread> ts = new ArrayList<>();
        for (int i = 0; i < 1000; i++) {
            ts.add(new Thread(() -> {
                account.withdraw(10);
            }));
        }
        long start = System.nanoTime();
        ts.forEach(Thread::start);
        ts.forEach(t -> {
            try {
                t.join();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        });
        long end = System.nanoTime();
        System.out.println(account.getBalance()
                + " cost: " + (end-start)/1000_000 + " ms");
    }
}

输出结果：

对比

对比上面的 CAS 程序的执行结果和使用 synchronized 的执行结果，可以看到

• 使用 CAS 只需要 48 ms，而使用 synchronized 需要 189 ms，可以看到使用 CAS 的执行效率是高于 synchronized 的

2. CAS 和 volatile

1. CAS

前面看到的使用了一个原子类 AtomicInteger来确保线程安全，下面来看看那段代码是如何保证线程安全的。下面就给出实现的步骤

• 线程 A 首先进入 while(true) 循环操作变量修改
• 线程 A 获取到要修改的变量的值
• 线程 A 设置修改后的值
• 使用 CAS 操作修改，也就是 compareAndSet
• 举个例子，比如当前线程获取到的 prev 是 1000，而这时候其他线程把值修改为了 990，那么此时当前线程对 1000 的修改就是无效的，需要再次进入 while 循环

注意

• 其实 CAS 的底层是 lock cmpxchg 指令（X86 架构），在单核 CPU 和多核 CPU 下都能够保证【比较-交换】的原子性。
• 在多核状态下，某个核执行到带 lock 的指令时，CPU 会让总线锁住，当这个核把此指令执行完毕，再开启总线。这个过程中不会被线程的调度机制所打断，保证了多个线程对内存操作的准确性，是原子的。这个 lock 指令在之前写过的那篇文章详细聊聊volatile中有谈到
• CAS使用场景最好的线程数不要超过 CPU 核心数，才可以充分发挥其作用

  @Override
    public void withdraw(Integer amount) {
        // 核心代码
        // 需要不断尝试，直到成功为止
        while (true){
            // 比如拿到了旧值 1000
            int pre = getBalance();
            // 在这个基础上 1000-10 = 990
            int next = pre - amount;
            /*
             compareAndSet 正是做这个检查，在 set 前，先比较 prev 与当前值
             - 不一致了，next 作废，返回 false 表示失败
             比如，别的线程已经做了减法，当前值已经被减成了 990
             那么本线程的这次 990 就作废了，进入 while 下次循环重试
             - 一致，以 next 设置为新值，返回 true 表示成功
			 */
            if (atomicInteger.compareAndSet(pre,next)){
                break;
            }
        }
    }

下面再来看一个例子，一步一步来解释 CAS 是这么运作的，如果看不懂代码直接看结果也可以，结果把一些注意的地方都输出了。

@Slf4j
public class SlowMotion {
    public static void main(String[] args) {
        AtomicInteger balance = new AtomicInteger(10000);
        //当前的值，此时等于1000
        int mainPrev = balance.get();
        //输出当前值
        log.debug("主线程获取到了值 {}", mainPrev);
        new Thread(() -> {
            //线程睡眠1秒
            sleep(1000);
            //获取当前值
            int prev = balance.get();
            log.debug("t1线程要把{}修改为9000", prev);
            //要修改为9000，也就是从 10000 -> 9000
            balance.compareAndSet(prev, 9000);
            log.debug("t1线程最终修改为 {}", balance.toString());
        }, "t1").start();
        //睡眠两秒
        log.debug("主线程睡眠两秒");
        sleep(2000);
        log.debug("主线程尝试设置为 8000...");
        //使用compareAndSet(10000, 8000)
        //但是结果都知道是不能执行的，因为此时的数已经改成了9000了
        boolean isSuccess = balance.compareAndSet(mainPrev, 8000);
        log.debug("主线程从{}修改为8000成功了吗 ? {}", mainPrev, isSuccess);
        if(!isSuccess){
            log.debug("主线程没有成功，再次尝试设置为8000");
            mainPrev = balance.get();
            log.debug("主线程获取到了当前值，当前值是{}", mainPrev);
            //再次设置
            isSuccess = balance.compareAndSet(mainPrev, 8000);
            log.debug("主线程修改为8000成功了吗 ? {}", isSuccess);
        }

        log.debug("两个线程经过一系列的修改后的值是：{}", balance.get());
    }
    private static void sleep(int millis) {
        try {
            Thread.sleep(millis);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
}

输出结果：

2. volatile

关于 volatile，这里就简单提一嘴：具体的在详解volatile 有谈到，这篇文章介绍的还是很详细的。

获取共享变量时，为了保证该变量的可见性，需要使用 volatile 修饰。它可以用来修饰成员变量和静态成员变量，他可以避免线程从自己的工作缓存中查找变量的值，必须到主存中获取它的值，线程操作 volatile 变量都是直接操作主存。即一个线程对 volatile 变量的修改，对另一个线程可见。

注意

• volatile 仅仅保证了共享变量的可见性，让其它线程能够看到最新值，但不能解决指令交错问题（不能保证原子性）
• CAS 必须借助 volatile 才能读取到共享变量的最新值来实现【比较并交换】的效果，去查看源码也可以看到

3. 为什么无锁效率高

• 无锁情况下，即使重试失败，线程始终在高速运行，没有停歇，而synchronized 会让线程在没有获得锁的时候，发生上下文切换，进入阻塞。打个比喻
• 线程就好像高速跑道上的赛车，高速运行时，速度超快，一旦发生上下文切换，就好比赛车要减速、熄火，等被唤醒又得重新打火、启动、加速… 恢复到高速运行，代价比较大
• 但无锁情况下，因为线程要保持运行，需要额外 CPU 的支持，CPU 在这里就好比高速跑道，没有额外的跑道，线程想高速运行也无从谈起（没分到时间片的时候还是会不断循环），虽然不会进入阻塞，但由于没有分到时间片，仍然会进入可运行状态，还是会导致上下文切换。

4. CAS 的特点

结合 CAS 和 volatile 可以实现无锁并发，适用于线程数少、多核 CPU 的场景下。

• CAS 是基于乐观锁的思想：最乐观的估计，不怕别的线程来修改共享变量，就算改了也没关系，反正一直都是在 while 循环，大不了就再循环就行了

• synchronized 是基于悲观锁的思想：最悲观的估计，得防着其它线程来修改共享变量，我上了锁你们都别想改，我改完了解开锁，你们才有机会。

• CAS 体现的是无锁并发、无阻塞并发，请仔细体会这两句话的意思

  • 因为没有使用 synchronized，所以线程不会陷入阻塞，这是效率提升的因素之一
  • 但如果竞争激烈，可以想到重试必然频繁发生，反而效率会受影响

3. 原子整数

J.U.C 并发包提供了：

• AtomicBoolean：布尔型原子类
• AtomicInteger：整形原子类
• AtomicLong：长整型原子类

以 AtomicInteger 为例，下面介绍里面的一些方法是如何使用的：

public class testAtom{
	 public static void main(String[] args) {
        AtomicInteger i = new AtomicInteger(0);
        // 获取并自增（i = 0, 结果 i = 1, 返回 0），类似于 i++
        System.out.println(i.getAndIncrement());
        
        // 自增并获取（i = 1, 结果 i = 2, 返回 2），类似于 ++i
        System.out.println(i.incrementAndGet());
        
        // 自减并获取（i = 2, 结果 i = 1, 返回 1），类似于 --i
        System.out.println(i.decrementAndGet());
        
        // 获取并自减（i = 1, 结果 i = 0, 返回 1），类似于 i--
        System.out.println(i.getAndDecrement());
        
        // 获取并加值（i = 0, 结果 i = 5, 返回 0）
        System.out.println(i.getAndAdd(5));
        
        // 加值并获取（i = 5, 结果 i = 0, 返回 0）
        System.out.println(i.addAndGet(-5));
        
        // 获取并更新（i = 0, p 为 i 的当前值, 结果 i = -2, 返回 0）
        // 函数式编程接口，其中函数中的操作能保证原子，但函数需要无副作用
        System.out.println(i.getAndUpdate(p -> p - 2));
        
        // 更新并获取（i = -2, p 为 i 的当前值, 结果 i = 0, 返回 0）
        // 函数式编程接口，其中函数中的操作能保证原子，但函数需要无副作用
        System.out.println(i.updateAndGet(p -> p + 2));
        
        // 获取并计算（i = 0, p 为 i 的当前值, x 为参数1, 结果 i = 10, 返回 0）
        // 函数式编程接口，其中函数中的操作能保证原子，但函数需要无副作用
        // getAndUpdate 如果在 lambda 中引用了外部的局部变量，要保证该局部变量是 final 的
        // getAndAccumulate 可以通过 参数1 来引用外部的局部变量，但因为其不在 lambda 中因此不必是 final
        System.out.println(i.getAndAccumulate(10, (p, x) -> p + x));
        
        // 计算并获取（i = 10, p 为 i 的当前值, x 为参数1值, 结果 i = 0, 返回 0）
        // 函数式编程接口，其中函数中的操作能保证原子，但函数需要无副作用
        System.out.println(i.accumulateAndGet(-10, (p, x) -> p + x));
    }
    
}

下面我们找几个方法去看看里面的源码，看看内部是如何实现的：

其实只要去原子类内部看看，就大概直到这里面几乎都是使用了 unsafe 的方法来实现的。而 Unsafe 类中的方法几乎都用了以下的这些方法，从名字上来看都是获取 volatile 方法，其他的可以自己去底层来看，基本都调用了这些方法。并且只要查看源码，也可以看到这里面的方法使用了 compareAndSet 方法，所以这个类在保证了高效的同时也保证了原子性。

4. 原子引用

为什么需要原子引用类型？我们需要维持的线程安全的类型不只是基本数据类型，对于引用类型也需要去维护，下面是三种原子引用类型：

• AtomicReference：原子更新引用类型
• AtomicMarkableReference：一个线程安全的原子类，里面封装了一个对象引用和一个布尔类型的 mark 值
• AtomicStampedReference：一个带有时间戳的对象引用，使用这个原子引用可以解决 ABA 问题

下面来看一个例子，使用原子引用来取款，当然如果不想用 CAS 可以把循环那块换成锁来实现就可以了：

public class Test35 {
    public static void main(String[] args) {
        //初始化 10000 存款
        DecimalAccount.demo(new DecimalAccountCas(new BigDecimal("10000")));
    }
}

class DecimalAccountCas implements DecimalAccount {
    private AtomicReference<BigDecimal> balance;

    public DecimalAccountCas(BigDecimal balance) {
//        this.balance = balance;
        this.balance = new AtomicReference<>(balance);
    }

    @Override
    public BigDecimal getBalance() {
        return balance.get();
    }

    @Override
    public void withdraw(BigDecimal amount) {
        //CAS来取款
        while(true) {
            BigDecimal prev = balance.get();
            BigDecimal next = prev.subtract(amount);
            if (balance.compareAndSet(prev, next)) {
                break;
            }
        }
    }
}

interface DecimalAccount {
    // 获取余额
    BigDecimal getBalance();

    // 取款
    void withdraw(BigDecimal amount);

    /**
     * 方法内会启动 1000 个线程，每个线程做 -10 元 的操作
     * 如果初始余额为 10000 那么正确的结果应当是 0
     */
    static void demo(DecimalAccount account) {
        List<Thread> ts = new ArrayList<>();
        for (int i = 0; i < 1000; i++) {
            ts.add(new Thread(() -> {
                //1000个线程，调用取款操作，每一个线程 -10
                account.withdraw(BigDecimal.TEN);
            }));
        }
        ts.forEach(Thread::start);
        ts.forEach(t -> {
            try {
                //快的线程等慢的线程执行
                t.join();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        });
        System.out.println(account.getBalance());   //0
    }
}

输出结果：

1. ABA问题及其解决

有这么一种情况，如果一个原子类的共享变量经过了两次的修改，第一次从 1-> 0，第二次从 0 -> 1，那么此时的共享变量已经被修改过了，但是从结果上来说是不变的，所以我们可能会认为这个变量没有被修改，但是其实变量被修改了 2 次了。下面来看这一段代码：

@Slf4j
public class TestABA {
    static AtomicReference<String> ref = new AtomicReference<>("A");
    public static void main(String[] args) throws InterruptedException {
        log.debug("main start...");
        // 获取值 A
        String prev = ref.get();
        //调用方法修改这个变量
        other();
        sleep(1);
        // 尝试改为 C
        log.debug("change A->C {}", ref.compareAndSet(prev, "C"));
    }
    private static void other() {
        new Thread(() -> {
            //从 A -> B
            log.debug("change A->B {}", ref.compareAndSet(ref.get(), "B"));
        }, "t1").start();
        sleep(0.5);

        new Thread(() -> {
            //从 B -> A
            log.debug("change B->A {}", ref.compareAndSet(ref.get(), "A"));
        }, "t2").start();
    }
}

结果输出：

这段代码中，A 先修改为 B，然后 B 再修改为 A，主线程再使用 A 修改为 C，而对于主线程来说其实中间的修改对于结果没有影响的，这种情况我们可以忽略。但是有时候我们需要严格把控这个对象的版本号。

举一个例子：我们把代码先 git 提交一次，然后修改了再 git 一次，但是这时候我们发现修改后的代码还没有原来的代码好，所以又改了回来再 git 提交一次，整个过程就实现了一个 A-B-A 过程，但是虽然代码改回来了，但是版本号是不同的。我们通过不同的版本号就可以直到中间发生了什么。

回到程序，我们也希望对于当前使用的变量，严格要求一定是原来版本的，别人修改过的我不要。那么要实现这种效果，可以使用下面这些原子引用类，这些原子类中添加了版本号。

2. AtomicStampedReference

这个原子类可以用来追踪原子类整个变化过程，下面看这段代码：

public class Test36 {

    //定义一个AtomicStampedReference类，设置初始值为'A'，初始版本为0
    static AtomicStampedReference<String> ref = new AtomicStampedReference<>("A", 0);

    public static void main(String[] args) throws InterruptedException {
        log.debug("主线程开始运行");
        // 获取值 A
        String prev = ref.getReference();
        // 获取版本号
        int stamp = ref.getStamp();
        log.debug("主线程获取了值 {}, 版本 {}",prev, stamp);
        // 如果中间有其它线程干扰，发生了 ABA 现象
        other();
        sleep(1);
        // 主线程尝试改为 C
        log.debug("主线程设置 A->C {}，并修改版本为 {}", ref.compareAndSet(prev, "C", stamp, stamp + 1), stamp + 1);
        log.debug("最后的值是多少：{}", ref.getReference());
    }

    private static void other() {
        new Thread(() -> {
            log.debug("线程t1设置 A->B {}", ref.compareAndSet(ref.getReference(), "B", ref.getStamp(), ref.getStamp() + 1));
            log.debug("线程t1设置完后，更新版本为 {}", ref.getStamp());
        }, "t1").start();
        sleep(0.5);
        new Thread(() -> {
            log.debug("线程t2设置 B->A {}", ref.compareAndSet(ref.getReference(), "A", ref.getStamp(), ref.getStamp() + 1));
            log.debug("线程t2更新版本为 {}", ref.getStamp());
        }, "t2").start();
    }
}

最终的输出结果，从输出结果可以看到最后主线程输出结果还是 A，也就是版本号变了之后无法修改成功了：

3. AtomicMarkableReference

AtomicStampedReference 可以给原子引用加上版本号，追踪原子引用整个的变化过程，如： A -> B -> A -> C ，通过AtomicStampedReference，我们可以知道，引用变量中途被更改了几次。但是有时候我们不需要直到改变了多少次，只需要直到有没有被修改过，所以引出了下面的类：AtomicMarkableReference

来看这段代码，我们设置一个主线程类负责放垃圾，然后保洁阿姨负责丢垃圾并更换垃圾袋，最后主线程检查垃圾袋并尝试更换，但是结果可以猜测到是换不了的，因为保洁阿姨已经换了：

@Slf4j
public class Test38 {
    public static void main(String[] args) throws InterruptedException {
        GarbageBag bag = new GarbageBag("装满了垃圾");
        // 参数2 mark 可以看作一个标记，表示垃圾袋满了，开始假设这里的垃圾已经是满的了
        AtomicMarkableReference<GarbageBag> ref = new AtomicMarkableReference<>(bag, true);

        log.debug("主线程开始运行");
        GarbageBag prev = ref.getReference();
        log.debug("主线程{}", prev.desc);

        new Thread(() -> {
            log.debug("保洁阿姨开始工作");
            //此时处理成空垃圾袋
            bag.setDesc("空垃圾袋");
            ref.compareAndSet(bag, bag, true, false);
            log.debug("保洁阿姨把满的垃圾袋换成了{}", ref.getReference().desc);
        },"保洁阿姨").start();

        sleep(1);
        log.debug("主线程想换一只新垃圾袋");
        boolean success = ref.compareAndSet(prev, new GarbageBag("空垃圾袋"), true, false);
        log.debug("主线程换垃圾袋成功了么？" + success);
        log.debug("垃圾袋状态是：{}", ref.getReference().desc);
    }
}

class GarbageBag {
    String desc;

    public GarbageBag(String desc) {
        this.desc = desc;
    }

    public void setDesc(String desc) {
        this.desc = desc;
    }

    @Override
    public String toString() {
        return super.toString() + " " + desc;
    }
}

执行结果：垃圾袋被其他线程更换之后主线程再想要更换就不想了

5. 原子数组

使用原子的方式更新数组里的某个元素，上面的原子引用是修改引用本身，有时候我们并不需要修改引用本身，而是应该修改引用内部的数据，比如数组，我们修改的时候需要的是修改数组里面的内容，而不是修改数组本身。这时候就需要数组类原子类了。

• AtomicIntegerArray：整形数组原子类
• AtomicLongArray：长整形数组原子类
• AtomicReferenceArray ：引用类型数组原子类

1. 四大函数式接口

首先再开始介绍原子数组前先介绍四大函数式接口，注意这里只给出定义，具体如果自己想要了解可以去看源码，了解用法即可：

1、Consumer：消费型接口

从接口的类型大概可以拆除，整个接口只有接收参数没有返回参数

@FunctionalInterface
public interface Consumer<T> {
    /**
     * Performs this operation on the given argument.
     * @param t the input argument
     */
    void accept(T t);
}

2、Supplier：供给型接口

这种接口不需要传入参数，只需要接收返回值即可

@FunctionalInterface
public interface Supplier<T> {
    /**
     * Gets a result.
     * @return a result
     */
    T get();
}

3、Function<T, R>：函数型接口

这种接口有参数传入也会有参数返回值

@FunctionalInterface
public interface Function<T, R> {
    /**
     * Applies this function to the given argument.
     * @param t the function argument
     * @return the function result
     */
    R apply(T t);
}

4、Predicate：断言型接口

这种接口有参数传入，返回值是一个布尔类型的变量

@FunctionalInterface
public interface Predicate<T> {
    /**
     * Evaluates this predicate on the given argument.
     * @param t the input argument
     * @return {@code true} if the input argument matches the predicate,
     * otherwise {@code false}
     */
    boolean test(T t);
}

2. 代码

使用到上面的函数式接口进行编程，程序的主要目的是调用10000 个线程进行给数组下标的值 ++ 的操作，按理来说应该是每个下标 1000 次，最终的结果是每个下标的结果都是1000，但是由于第一个测试的是普通数组，存在线程安全问题，所以最后的结果不会是每个下标都是 1000。而对于第二个测试因为是原子数组，那么就是线程安全的，所以最终的结果是每个下标都是 1000。

public class Test39 {

    public static void main(String[] args) {
        demo(
                //1.长度为10的普通数组
                ()->new int[10],
                //2.求数组长度
                (array)->array.length,
                //3.对应下标的数据++
                (array, index) -> array[index]++,
                //4.输出数组
                array-> System.out.println(Arrays.toString(array))
        );

        demo(
                //1.长度为10的原子类数组
                ()-> new AtomicIntegerArray(10),
                //2.求原子数组的长度
                (array) -> array.length(),
                //3.对应下标的数据++
                (array, index) -> array.getAndIncrement(index),
                //4.输出数组
                array -> System.out.println(array)
        );
    }

    /**
     参数1，提供数组、可以是线程不安全数组或线程安全数组
     参数2，获取数组长度的方法
     参数3，自增方法，回传 array, index
     参数4，打印数组的方法
     */
    // supplier 提供者 无中生有  ()->结果
    // function 函数   一个参数一个结果   (参数)->结果  ,  BiFunction (参数1,参数2)->结果
    // consumer 消费者 一个参数没结果  (参数)->void,      BiConsumer (参数1,参数2)->
    private static <T> void demo(
            Supplier<T> arraySupplier,
            Function<T, Integer> lengthFun,
            BiConsumer<T, Integer> putConsumer,
            Consumer<T> printConsumer ) {
        List<Thread> ts = new ArrayList<>();
        //获取到数组
        T array = arraySupplier.get();
        //获取到长度
        int length = lengthFun.apply(array);
        for (int i = 0; i < length; i++) {
            // 每个线程对数组作 10000 次操作
            ts.add(new Thread(() -> {
                for (int j = 0; j < 10000; j++) {
                    //对应下标进行++操作
                    putConsumer.accept(array, j%length);
                }
            }));
        }

        ts.forEach(t -> t.start()); // 启动所有线程
        //等待所有线程都结束
        ts.forEach(t -> {
            try {
                t.join();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        });     // 等所有线程结束
        //输出数组的结果
        printConsumer.accept(array);
    }
}

结果输出：

6. 原子更新器

• AtomicReferenceFieldUpdater：基于反射的工具类，用来将指定类型的指定的volatile引用字段进行原子更新
• AtomicIntegerFieldUpdater：原子更新整型字段的更新器
• AtomicLongFieldUpdater：原子更新长整型字段的更新器

要想原子地更新字段类需要同步。第一，因为原子更新字段类都是抽象类，每次访问的时候必须使用静态方法 new Updater() 创建一个更新器，并且需要设置想要更新的类和属性。第二步，更新类的字段（属性）必须使用 private volatile 修饰符。

public class Test5 {
    private volatile int field;
    public static void main(String[] args) {
        //反射给Test5.class这个类中的field属性进行赋值
        AtomicIntegerFieldUpdater fieldUpdater = AtomicIntegerFieldUpdater.newUpdater(Test5.class, "field");
        Test5 test5 = new Test5();
        //修改test5对象中的field属性从0变成10
        fieldUpdater.compareAndSet(test5, 0, 10);
        // 修改成功 field = 10
        System.out.println(test5.field);
        // 修改成功 field = 20
        fieldUpdater.compareAndSet(test5, 10, 20);
        System.out.println(test5.field);
        // 修改失败 field = 20
        fieldUpdater.compareAndSet(test5, 10, 30);
        System.out.println(test5.field);
    }
}

7. 原子累加器

1. 累加器性能比较

下面来看一段代码，代码中使用原子类型的Long类型进行累加和使用累加类型的LongAdder进行对比

public class Test41 {
    public static void main(String[] args) {
        //使用普通的原子类
        for (int i = 0; i < 5; i++) {
            demo(
                    () -> new AtomicLong(0),
                    (adder) -> adder.getAndIncrement(),
                    "原子类"
            );
        }
        //使用原子累加类
        for (int i = 0; i < 5; i++) {
            demo(
                    () -> new LongAdder(),
                    adder -> adder.increment(),
                    "累加类"
            );
        }
    }

    /*
    () -> 结果    提供累加器对象
    (参数) ->     执行累加操作
     */
    private static <T> void demo(Supplier<T> adderSupplier, Consumer<T> action, String name) {
        T adder = adderSupplier.get();
        List<Thread> ts = new ArrayList<>();
        // 4 个线程，每人累加 50 万次
        for (int i = 0; i < 4; i++) {
            ts.add(new Thread(() -> {
                for (int j = 0; j < 500000; j++) {
                    //调用accept接收原子类对象进行相加
                    action.accept(adder);
                }
            }));
        }
        long start = System.nanoTime();
        //线程开始运行
        ts.forEach(t -> t.start());
        //线程等待运行结束
        ts.forEach(t -> {
            try {
                t.join();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        });

        long end = System.nanoTime();
        System.out.println(name + ": " + adder + " cost:" + (end - start) / 1000_000);
    }
}

结果：可以发现，累加类的效率要高于原子类的

性能提升的原因很简单，就是在有竞争时，设置多个累加单元(但不会超过cpu的核心数)，Therad-0 累加 Cell[0]，而 Thread-1 累加Cell[1]… 最后将结果汇总。这样它们在累加时操作的不同的 Cell 变量，因此减少了 CAS 重试失败，从而提高性能。

2. LongAdder原理-参数

LongAdder 类的父类 Striped64 有几个关键域

// 累加单元数组, 懒惰初始化，容量大小是2的n次方倍
transient volatile Cell[] cells;

// 基础值, 如果没有竞争, 则用 cas 累加这个域
transient volatile long base;

// 在 cells 创建或扩容时, 置为 1, 表示加锁
transient volatile int cellsBusy;

cas 锁：使用while循环以及一个原子类实现一个锁（cellsBusy）

@Slf4j
public class LockCas {
    // 0 没加锁
    // 1 加锁
    private AtomicInteger state = new AtomicInteger(0);

    public void lock() {
        //使用compareAndSet保证一个线程修改成功之后另一个线程不能修改
        while (true) {
            if (state.compareAndSet(0, 1)) {
                break;
            }
        }
    }

    public void unlock() {
        log.debug("unlock...");
        state.set(0);
    }

3. 原理之伪共享

上面的三个参数中，其中 Cell 即为累加单元

 @sun.misc.Contended static final class Cell {
        volatile long value;
        Cell(long x) { value = x; }
		//最重要的方法, 用来 cas 方式进行累加, prev 表示旧值, next 表示新值
        final boolean cas(long cmp, long val) {
            return UNSAFE.compareAndSwapLong(this, valueOffset, cmp, val);
        }
		
       	// 省略不重要代码
    }

下面从 CPU 的缓存说起，来聊聊什么是缓存行和伪共享，下面这张图是CPU的内存结构


从上面可以看出来，CPU访问缓存行的速度是要比访问内存的速度要快的，所以在CPU访问数据的时候会把内存中的数据存储到缓存行中，然后当下次CPU再访问数据的时候就可以直接访问缓存行了，而不用到内存中去查数据，当然其中涉及到了缓存命中，以及缓存数据同步（MESI缓存一致性协议和嗅探机制），这里就不多说，在 volatile 这篇文章中有提到。

缓存以缓存行为单位，每个缓存行对应着一块内存，一般是 64 byte（8 个 long），但是有一个问题就是缓存的加入会造成数据副本的产生，即同一份数据会缓存在不同核心的缓存行中。比如 A 数据会缓存在 CPU1 中的缓存行中以及 CPU2 中的缓存行中，因为有不同的线程要操作这个数据。所以有一个规定就是CPU 要保证数据的一致性，如果某个 CPU 核心更改了数据，其它 CPU 核心对应的整个缓存行必须失效，其实这就是缓存一致性协议的内容来的。

举个例子，看下面这张图：

CPU 访问了 Cell 数组之后，会把里面的数据存入缓存行中，因为 Cell 是数组形式，在内存中是连续存储的，一个 Cell 为 24 字节（16 字节的对象头和 8 字节的 value），因此缓存行可以存下 2 个的 Cell 对象。 这样问题来了：

• Core-0 要修改 Cell[0]
• Core-1 要修改 Cell[1]

根据缓存一致性协议，修改成功之后都会使对方 Core 的缓存行失效，比如 Core-0 中 Cell[0]=6000, Cell[1]=8000 要累加Cell[0]=6001, Cell[1]=8000 ，这时会让 Core-1 的缓存行失效，失效之后再读取数据就得从主存中来读取到自己的缓存行中，这样一来，这时候效率也降低了，如果一个 CPU 频繁改，一个 CPU 频繁读，那么效率会下降不少，所以使用了 @sun.misc.Contended这个注解来解决这个问题：
它的原理是在使用此注解的对象或字段的前后各增加 128 字节大小的 padding，从而让 CPU 将对象预读至缓存时占用不同的缓存行，这样，不会造成对方缓存行的失效，其实这个原理也被 Doug lea 用在了 JDK7 的一个队列中，这个队列也是用添加字节的方式把队首和队尾分离开来，这样当入队或者出队操作的时候就不必说把队首和队尾都锁起来。

4. 原理之累加

知道了上面 CPU 缓存的原理，下面来看看 LongAdder 类的累加 increment()方法的流程

public void increment() {
        add(1L);
}

里面主要调用了 add方法进行调用：

 public void add(long x) {
        // as 为累加单元数组
        // b 为基础值
        // x 为累加值
        Cell[] as; long b, v; int m; Cell a;
        // 进入 if 的两个条件
        // 1. as 有值, 表示已经发生过竞争, 进入 if
        // 2. cas 给 base 累加时失败了, 表示 base 发生了竞争, 进入 if
        //cells数组是懒惰创建的，竞争的时候才会创建
        if ((as = cells) != null || !casBase(b = base, b + x)) {
            // uncontended 表示 cell 没有竞争
            boolean uncontended = true;
            if (
                // as 还没有创建
                    as == null || (m = as.length - 1) < 0 ||
                            // 当前线程对应的 cell 还没有被创建，a为当线程的cell
                            (a = as[getProbe() & m]) == null ||
   				    // 给当前线程的 cell 累加失败 uncontended=false ( a 为当前线程的 cell )
                            !(uncontended = a.cas(v = a.value, v + x))
            ) {
                // 进入 cell 数组创建、cell 创建的流程
                longAccumulate(x, null, uncontended);
            }
        }
    }
//总结：累加单元或数组创建失败或者cas累加失败了都会进入longAccumulate

add 流程图：

longAccumulate流程：

我们主要关注的是这个for循环中的三个 if 判断

第二个 else if 流程（cells数组不存在，这时候需要新建）：

第一个 if流程图（cells数组已经创建好了，但是当前线程对应的累加单元cell还没被创建或者当前的cell已经创建好了）

下面这张图是第一个 if 中 cell 已经创建好了的情况，这时候就尝试累加就行了：

final void longAccumulate(long x, LongBinaryOperator fn,
                              boolean wasUncontended) {
        int h;
        // 当前线程还没有对应的 cell, 需要随机生成一个 h 值用来将当前线程绑定到 cell
        if ((h = getProbe()) == 0) {
            // 初始化 probe
            ThreadLocalRandom.current();
            // h 对应新的 probe 值, 用来对应 cell
            h = getProbe();
            wasUncontended = true;
        }
        // collide 为 true 表示需要扩容
        boolean collide = false;
        for (;;) {
            Cell[] as; Cell a; int n; long v;
            // 已经有了 cells
            if ((as = cells) != null && (n = as.length) > 0) {
                // 但是还没有当前线程对应的 cell
                if ((a = as[(n - 1) & h]) == null) {
                    // 为 cellsBusy 加锁, 创建 cell, cell 的初始累加值为 x
                    // 成功则 break, 否则继续 continue 循环
                    if (cellsBusy == 0) {       // Try to attach new Cell
                        Cell r = new Cell(x);   // Optimistically create
                        if (cellsBusy == 0 && casCellsBusy()) {
                            boolean created = false;
                            try {               // Recheck under lock
                                Cell[] rs; int m, j;
                                if ((rs = cells) != null &&
                                    (m = rs.length) > 0 &&
                                    // 判断槽位确实是空的
                                    rs[j = (m - 1) & h] == null) {
                                    rs[j] = r;
                                    created = true;
                                }
                            } finally {
                                cellsBusy = 0;
                            }
                            if (created)
                                break;
                            continue;           // Slot is now non-empty
                        }
                }
                // 有竞争, 改变线程对应的 cell 来重试 cas
                else if (!wasUncontended)
                    wasUncontended = true;
                    // cas 尝试累加, fn 配合 LongAccumulator 不为 null, 配合 LongAdder 为 null
                else if (a.cas(v = a.value, ((fn == null) ? v + x : fn.applyAsLong(v, x))))
                    break;
                    // 如果 cells 长度已经超过了最大长度（CPU核心数，超过了这个再扩容也没有意义了）, 或者已经扩容, 改变线程对应的 cell 来重试 cas
                else if (n >= NCPU || cells != as)
                    collide = false;
                    // 确保 collide 为 false 进入此分支, 就不会进入下面的 else if 进行扩容了
                else if (!collide)
                    collide = true;
                    // 加锁
                else if (cellsBusy == 0 && casCellsBusy()) {
                    // 加锁成功, 扩容
                      try {
                        if (cells == as) {    
                        	//扩容后的数组长度是原来的两倍
                            Cell[] rs = new Cell[n << 1];
                            //把旧数组下标的值赋值到新数组上面去
                            for (int i = 0; i < n; ++i)
                                rs[i] = as[i];
                            cells = rs;
                        }
                    } finally {
                        cellsBusy = 0;
                    }
                    collide = false;
                    continue;                   // Retry with expanded table
                }
                // 如果上面的失败了。证明此时这个累加单元操作不了，那么尝试改变线程对应的 cell
                h = advanceProbe(h);
            }
            // 还没有 cells，并且没有修改了cells ，使用casCellsBusy()尝试给 cellsBusy 加锁
            //下面是初始化
            else if (cellsBusy == 0 && cells == as && casCellsBusy()) {
                // 加锁成功, 初始化 cells, 最开始长度为 2, 并填充一个 cell
                // 成功则 break;
                boolean init = false;
                try {                           // Initialize table
                    if (cells == as) {
                    	//创建一个大小为2的数组
                        Cell[] rs = new Cell[2];
                        //为数组下标赋值
                        rs[h & 1] = new Cell(x);
                        //然后给cells赋值
                        cells = rs;
                        //初始化就成功了
                        init = true;
                    }
                } finally {
                    cellsBusy = 0;
                }
                if (init)
                    break;
            }
            // 上两种情况失败, 尝试给 base 使用casBase累加
            else if (casBase(v = base, ((fn == null) ? v + x : fn.applyAsLong(v, x))))
                break;
        }
    }

当然了，上面的代码看看图了解思想，大概先知道工作流程，等以后再深究也可以。

sum流程：
上面的 longAccumulate 执行完成后，下面就使用 sum 方法把每个cell 单元的数据累加起来：

    public long sum() {
    	//获取已经创建并赋值好的cells数组
        Cell[] as = cells; Cell a;
        long sum = base;
        if (as != null) {
        	//循环遍历数组
            for (int i = 0; i < as.length; ++i) {
                if ((a = as[i]) != null)
                	//添加
                    sum += a.value;
            }
        }
        //返回结果
        return sum;
    }

8. Unsafe

1. 获取 unsafe

Unsafe 对象提供了非常底层的，操作内存、线程的方法，Unsafe 对象不能直接调用，只能通过反射获得。在之前的原子整性 AtomicInteger 类中，使用的方法就基本都是 Unsafe 提供的。提一句：Unsafe 不是说线程不安全的意思。

public class UnsafeAccessor {
	 static Unsafe unsafe;
	 static {
		 try { 
			 Field theUnsafe = Unsafe.class.getDeclaredField("theUnsafe");
			 theUnsafe.setAccessible(true);
 			 unsafe = (Unsafe) theUnsafe.get(null);
		 } catch (NoSuchFieldException | IllegalAccessException e) {
				 throw new Error(e);
		 }
	 }
	 static Unsafe getUnsafe() {
		 return unsafe;
	 }
}

我们到这个类中去查看为什么不能直接创建，只需要看变量和构造器就行了：

    private static final Unsafe theUnsafe;
    /*
       中间省略一堆变量
    */

    private static native void registerNatives();

    private Unsafe() {
    }

可以看到本身就是一个私有构造器，所以没办法 new，上面提供了一个变量 theUnsafe，我们可以反射获取到这个变量。当然了查看 AtomicInteger 的源码可以发现AtomicInteger这个类获取到 Unsafe 对象是通过 Unsafe 类中的一个静态方法获取的。可以看到，其实最终返回的也是开头定义的那个 theUnsafe 对象。

 @CallerSensitive
    public static Unsafe getUnsafe() {
        Class var0 = Reflection.getCallerClass();
        if (!VM.isSystemDomainLoader(var0.getClassLoader())) {
            throw new SecurityException("Unsafe");
        } else {
            return theUnsafe;
        }
    }

2. Unsafe CAS 操作

里面涉及到偏移地址的知识，在 JVM 中有说。

public class TestUnsafe {

    public static void main(String[] args) throws Exception {
        Field theUnsafe = Unsafe.class.getDeclaredField("theUnsafe");
        theUnsafe.setAccessible(true);
        //静态变量不需要传值进去get
        Unsafe unsafe = (Unsafe)theUnsafe.get(null);

        //1. 获取到域的偏移地址，通过偏移地址来找到最终的地址
        long idOffset = unsafe.objectFieldOffset(Teacher.class.getDeclaredField("id"));
        long nameOffset = unsafe.objectFieldOffset(Teacher.class.getDeclaredField("name"));
        //2. 执行CAS
        Teacher teacher = new Teacher();
        //参数：操作的对象 域的偏移值 原来的id值 修改后的id值
        unsafe.compareAndSwapInt(teacher, idOffset, 0, 1);
        unsafe.compareAndSwapObject(teacher, nameOffset, null, "张三");

        System.out.println(teacher);//Teacher(id=1, name=张三)
    }
}

@Data
class Teacher{
    volatile int id;
    volatile String name;
}

3. Unsafe 自定义一个原子整数类

class MyAutomicInteger implements Account{

    public static void main(String[] args) {
        Account.demo(new MyAutomicInteger(10000));
    }

    //初始化操作
    private volatile int value;
    private static final long valueOffset;
    static final Unsafe UNSAFE;

    static{
        try {
            //调用 Unsafe 中的静态方法获取 Unsafe 对象
            UNSAFE = UnsafeAccessor.getUnsafe();
            //获取到 value 的偏移值
            valueOffset = UNSAFE.objectFieldOffset(MyAutomicInteger.class.getDeclaredField("value"));
        } catch (NoSuchFieldException e) {
            e.printStackTrace();
            throw new RuntimeException(e);
        }
    }

    //给value赋初始值
    public MyAutomicInteger(int value) {
        this.value = value;
    }

    //返回value
    public int getValue(){
        return value;
    }

    //CAS去减少
    public void decrement(int amount){
        while(true){
            int prev = this.value;
            int next = prev - amount;
            if(UNSAFE.compareAndSwapInt(this, valueOffset, prev, next)){
                break;
            }
        }
    }

    @Override
    public Integer getBalance() {
        return getValue();
    }

    @Override
    public void withdraw(Integer amount) {
        decrement(amount);
    }
}

输出结果：

如有错误，欢迎指出！！！