文章目录
一、LongAdder原理
1. LongAdder架构
LongAdder 是 Striped64 的子类，Striped64 是 Number 子类
public class LongAdder extends Striped64 {}
abstract class Striped64 extends Number {}
2. Striped64中重要成员属性
base: 类似于AtomicLong中全局的value值。在没有竞争情况下数据直接累加到base上，或者cells扩容时,也需要将数据写入到base上
collide: 表示扩容意向，false一定不会扩容，true可能会扩容
cellsBusy: 初始化cells或者扩容cells需要获取锁，0表示无锁状态，1表示其他线程已经持有了锁
casCellsBusy: 通过CAS操作修改cellsBusy的值， CAS成功代表获取锁，返回true
NCPU: 当前计算机CPU数量，Cell数组扩容时会使用到
getProbe(): 获取当前线程的hash值
advanceProbe(): 重置当前线程的hash值
==============================================================
abstract class Striped64 extends Number {
// CPU数量，即Cells数组的最大长度
static final int NCPU = Runtime.getRuntime().availableProcessors();
// 存放Cell的hash表，大小为2的幂
// 这里的Cell是Striped64的静态内部类，懒惰初始化
transient volatile Cell[] cells;
/*
1.在开始没有竞争的情况下，将累加值累加到base；
2.在cells初始化的过程中，cells处于不可用的状态，这时候也会尝试将通过cas操作值累加到base
*/
transient volatile long base;
/*
cellsBusy，它有两个值0或1，它的作用是当要修改cells数组时加锁,
防止多线程同时修改cells数组(也称cells表)，0为无锁，1位加锁，加锁的状况有三种:
(1)cells数组初始化的时候；
(2)cells数组扩容的时候；
(3)如果cells数组中某个元素为null，给这个位置创建新的Cell对象的时候；
*/
transient volatile int cellsBusy;
}
3. LongAdder为什么快？
- LongAdder基本思路就是分散热点，将value分散到一个Cell数组中，不同线程会命中数组的不同槽位中，各个线程只对自己槽位的value进行CAS操作，这样热点就被分散了，冲突概率小了
- sum()会将所有Cell数组中的value和base累加作为返回值，核心思想就是将之前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
- 内部有一个base+一个Cell[ ]数组
- base变量：低并发，直接累加到该变量上
- Cell[ ]数组：高并发，累加到各个线程自己的槽Cell[i]中
- LongAdder在无竞争的情况下，跟AtomicLong一样， 对同一个base进行操作
- 当出现竞争时，则采用化整为零分散热点的做法，用空间换时间，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进行操作的时候，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base都加起来作为最终结果
4. LongAdder之缓存行伪共享
（1）Striped64中静态内部类Cell源码
abstract class Striped64 extends Number {
// 防止缓存行伪共享 注解
@sun.misc.Contended
static final class Cell { // Cell 即为累加单元
// 保存累加结果
volatile long value;
// 构造方法为value赋初始值
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 prev, long next) {
return UNSAFE.compareAndSwapLong(this, valueOffset, prev, next);
}
// 省略其他代码
}
}
（2）CPU缓存结构
（3）缓存与内存的速度比较
| 从 cpu 到 | 大约需要的时钟周期 |
|---|---|
| 寄存器 | 1 cycle (4GHz 的 CPU 约为0.25ns) |
| L1 | 3~4 cycle |
| L2 | 10~20 cycle |
| L3 | 40~45 cycle |
| 内存 | 120~240 cycle |
- 由于CPU的速度远远大于内存速度，所以需要靠预读数据至缓存来提升效率
- CPU Cache分成了三个级别：L1，L2，L3。级别越小越接近CPU, 所以速度越快, 但是容量越小
- CPU获取数据会依次从L1，L2，L3中查找，如果都找不到则会直接从内存查找
- 而缓存是以缓存行为单位，每个缓存行对应着一块内存，一般是 64 byte（8 个 long）
- 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
- CPU 需要保证数据的一致性，所以如果某个 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
例如：线程1将数据 x 从内存读到缓存行，线程2也将数据 x 从内存读到缓存行，当线程1将x修改为y，并设置到内存中，则线程2的整个缓存行数据需要失效，重新从内存中读取y
分析
static final class Cell { // 对象头16字节
volatile long value; // long 8字节
}
因为 Cell 是数组形式，在内存中是连续存储的，一个 Cell 对象为 24 字节（16 字节的对象头和 8 字节的 long 类型的 value），缓存行一般存64字节，所以可以存下 2 个 Cell 对象（Cell[0]、Cell[1]）。
这样问题来了，假设：
- Core-0 要修改 Cell[0]
- Core-1 要修改 Cell[1]
- 无论谁修改成功，都会导致对方 Core 的缓存行失效
- 比如 Core-0 中 Cell[0]=6000, Cell[1]=8000 只累加Cell[0]，累加后Core-0 中 Cell[0]=6001, Cell[1]=8000
- 虽然Core-0 中 Cell[1]=8000没累加，但是 Cell[0]、 Cell[1]是在同一个缓存行里，所以Core-1的缓存行需要整行失效，重新从头读取Cell[0]=6001，Cell[1]=8000，这就出现了伪共享问题，从而影响效率
- @sun.misc.Contended 就是用来解决伪共享，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（空白，用来占位），从而让 CPU 将对象预读至缓存时，占用不同的缓存行（例如：让Cell[0]、Cell[1]占用不同的缓存行，占用Cell[0]变了不会影响Cell[1]），这样，不会造成对方缓存行的失效
伪共享（False Sharing）是指多个线程同时读写同一个缓存行的不同变量时，导致 CPU缓存失效。尽管这些变量之间没有任何关系，但由于在主内存中邻近，存在于同一个缓存行之中，它们的相互覆盖会导致频繁的缓存未命中，引发性能下降。
5. LongAdder 源码
（1）add方法
对外调用
LongAdder adder = new LongAdder();
adder.increment();
内部调用 add 方法源码
long x: 累加值
Cell[] as: 累加单元数组cells的引用
long b: 获取的base值
long v: 期望值（当前cell存储的值）
int m: cells数组的长度
Cell a: 当前线程命中的cell单元格
boolean uncontended: 表示cell是否没有竞争
========================================================================
public class LongAdder extends Striped64 implements Serializable {
public void increment() {
add(1L);
}
public void add(long x) {
Cell[] as; long b, v; int m; Cell a;
// 进入 if 的两个条件
// 条件1：as 有值, 表示已经发生过竞争, 进入 if
// 条件2：cas 给 base 累加时失败了, 表示 base 发生了竞争, 进入 if
// 由于 cells 是懒惰初始化，刚开始是null，会先进行casBase操作
if ((as = cells) != null || !casBase(b = base, b + x)) {
boolean uncontended = true;
/*
条件1: cells为空，说明正在出现竞争，上面是从条件2过来的，说明!casBase(b = base, b + x))=true
会通过调用longAccumulate(x, null, uncontended)新建一个数组，默认长度是2
条件2: 默认会新建一个数组长度为2的数组，m = as.length - 1 < 0 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，uncontended为true，应初始化一个cell
条件4: 更新当前线程所在的cell失败，说明竞争很激烈，多个线程hash到同一个Cell，uncontended为false，应扩容
**/
if (as == null || (m = as.length - 1) < 0 || (a = as[getProbe() & m]) == null || !(uncontended = a.cas(v = a.value, v + x)))
longAccumulate(x, null, uncontended); // 创建cells数组的流程
}
}
}
add 各种场景：
- cells = null，casBase(b = base, b + x)累加失败，执行 longAccumulate(x, null, uncontended);
- cells != null，as[getProbe() & m] == null 表示当前线程还没创建cell，执行 longAccumulate(x, null, uncontended);
- cells != null，如果as[getProbe() & m] != null 表示当前线程创建了cell，执行累加单元cell的cas操作：a.cas(v = a.value, v + x)，失败则执行 longAccumulate(x, null, uncontended);
小结：
- 最开始只更新base
- 更新失败，则新创建一个Cell[]数组
- 多个线程竞争到同一个Cell时，进行Cell[]数组扩容
（2）继承Striped64中的 longAccumulate方法
前置知识1：getProbe()方法获取线程hash值
// Striped64中的longAccumulate方法
final void longAccumulate(long x, LongBinaryOperator fn, boolean wasUncontended) {
// 存储线程的hash值，有了hash值就可以知道当前线程进入哪个槽位
int h;
// 如果getProbe()方法返回0，说明随机数未初始化，需要初始化后，线程才能进入对应槽位
if ((h = getProbe()) == 0) {
// 使用ThreadLocalRandom为当前线程重新计算一个hash值，强制初始化
ThreadLocalRandom.current();
// 重新获取hash值
h = getProbe();
// 重新获取hash值后，认为此次不算是一次竞争，都未初始化，肯定还不存在竞争激烈，所以wasUncontended竞争状态为true
wasUncontended = true;
}
// Striped64中的getProbe方法，得到当前线程的hash值PROBE
static final int getProbe() {
return UNSAFE.getInt(Thread.currentThread(), PROBE);
}
前置知识2：longAccumulate方法总体逻辑
注意：执行顺序是从CASE2开始，CASE3是兜底方案，当大量线程同时进行CASE2时，只有一个线程能进入CASE2，失败的则进入CASE3
① 第一个线程创建cells 并初始化 一个累加单元cell
long x: 累加值
LongBinaryOperator fn: 默认null
boolean wasUncontended: 是否没竞争，false表示有竞争；只有cells初始化之后，并且CAS累加值失败，才为false
long base: 类似于AtomicLong中全局的value值。在没有竞争情况下数据直接累加到base上，或者cells扩容时,也需要将数据写入到base上
boolean collide: 表示扩容意向，false一定不会扩容，true可能会扩容
cellsBusy: 初始化cells或者扩容cells需要获取锁，0表示无锁状态，1表示其他线程已经持有了锁
casCellsBusy: 通过CAS操作修改cellsBusy的值， CAS成功代表获取锁，返回true
NCPU: 当前计算机CPU数量，Cell数组扩容时会使用到
getProbe(): 获取当前线程的hash值
advanceProbe(): 重置当前线程的hash值
=================================================================================================
final void longAccumulate(long x, LongBinaryOperator fn, boolean wasUncontended) {
int h;
// 获取线程hash值，前面已经分析过，将代码隐藏
if ((h = getProbe()) == 0) {...}
boolean collide = false;
for (;;) {
Cell[] as; Cell a; int n; long v;
// 后面分析第一个if,先将代码隐藏
if ((as = cells) != null && (n = as.length) > 0) {...}
// 创建cells的场景
else if (cellsBusy == 0 && cells == as && casCellsBusy()) {
boolean init = false;
try { // Initialize table
if (cells == as) { // 再次检查cells引用是否改变，双重检测是为了避免并发场景下，重复创建cells
Cell[] rs = new Cell[2]; // 创建长度为2的cell数组
rs[h & 1] = new Cell(x); // 将累加值x随机存放到cell数组对应的索引下标位置
cells = rs; // 再将创建的cell数组引用赋值给cells
init = true;
}
} finally {
cellsBusy = 0; // 创建完cell数组后，解锁
}
if (init)
break; // 退出循环
}
// 尝试cas累加
else if (casBase(v = base, ((fn == null) ? v + x : fn.applyAsLong(v, x))))
break; // Fall back on using base
}
}
- 进入for循环，先进入第一个else if，cellsBusy == 0 还未加锁，cells == as 表示cells是当前线程的引用，其他线程还未创建cells，casCellsBusy()方法通过cas尝试将cellsBusy改为1表示加锁，加锁成功，其他线程就不会来干扰cells的创建
- casCellsBusy()方法通过cas尝试加锁失败后，进入第二个else if，casBase()方法尝试cas累加，成功则返回，失败则重新进入for循环
② 在第一个线程基础上，第二个线程赋值给cell中的空槽位
final void longAccumulate(long x, LongBinaryOperator fn, boolean wasUncontended) {
int h;
if ((h = getProbe()) == 0) {...}
boolean collide = false;
for (;;) {
Cell[] as; Cell a; int n; long v;
// 分析第一个if
if ((as = cells) != null && (n = as.length) > 0) { // cells已经被创建
if ((a = as[(n - 1) & h]) == null) {// cells虽然创建了，但是其中累加单元cell[0]或cell[1]还没被其他线程使用，则进入该if
if (cellsBusy == 0) { // 其他线程没使用，自然也就没加锁
Cell r = new Cell(x); // 创建累加单元，还没赋值到cells数组中
// 该if是将创建的累加单元，设置到cells数组的空位置（cell[0]或cell[1]位置）
// 双重检测cellsBusy == 0，避免并发场景时重复赋值
if (cellsBusy == 0 && casCellsBusy()) {// 进入该if之前casCellsBusy()尝试加锁，保证赋值时是线程安全的
boolean created = false;
try { // Recheck under lock
Cell[] rs; int m, j;
if ((rs = cells) != null &&
(m = rs.length) > 0 &&
rs[j = (m - 1) & h] == null) {// 再次判断即将赋值的槽位不为空
rs[j] = r; // 赋值到空槽位
created = true;
}
} finally {
cellsBusy = 0; // 解锁
}
if (created)
break; // 退出
continue; // Slot is now non-empty
}
}
collide = false;
}
......
}
else if (cellsBusy == 0 && cells == as && casCellsBusy()) {...}
else if (casBase(v = base, ((fn == null) ? v + x : fn.applyAsLong(v, x))))
break; // Fall back on using base
}
}
③ 线程获取到了已经有值的累加单元cell，并在该cell上尝试进行累加
final void longAccumulate(long x, LongBinaryOperator fn, boolean wasUncontended) {
int h;
if ((h = getProbe()) == 0) {...}
boolean collide = false;
for (;;) {
Cell[] as; Cell a; int n; long v;
if ((as = cells) != null && (n = as.length) > 0) {
// 已经分析过
if ((a = as[(n - 1) & h]) == null) {...}
else if (!wasUncontended) // wasUncontended为false说明在同一个槽位竞争失败
wasUncontended = true; // 跳到下面h = advanceProbe(h)位置，重新hash换一个槽位累加
// 尝试对已经有值的累加单元cell进行累加，成功则退出
else if (a.cas(v = a.value, ((fn == null) ? v + x : fn.applyAsLong(v, x))))
break;
// 累加失败，判断是否超过CPU上限
else if (n >= NCPU || cells != as)
// 这个设计很巧妙
// 超过CPU上限后，设置collide = false，为了让下次循环进入 else if (!collide)而不是进入下面的else if (cellsBusy == 0 && casCellsBusy())，防止进行扩容
// 跳到下面h = advanceProbe(h)位置，重新hash换一个槽位累加
collide = false;
else if (!collide)
collide = true;
else if (cellsBusy == 0 && casCellsBusy()) {// 其他线程没加锁，当前线程进入时再自己加锁
try {
// 对cells进行扩容
if (cells == as) { // Expand table unless stale
Cell[] rs = new Cell[n << 1]; // 每次扩容2倍，创建更多空槽位的累加单元
for (int i = 0; i < n; ++i)
rs[i] = as[i]; // 将旧数组拷贝到新数组
cells = rs;
}
} finally {
cellsBusy = 0; // 解锁
}
collide = false;
continue; // 重新找槽位 // Retry with expanded table
}
// 执行到这一步说明，前面的步骤都没成功，需要尝试换一个累加单元进行累加
h = advanceProbe(h);
}
else if (cellsBusy == 0 && cells == as && casCellsBusy()) {...}
else if (casBase(v = base, ((fn == null) ? v + x : fn.applyAsLong(v, x))))
break; // Fall back on using base
}
}
小结：longAccumulate方法流程图
（3）sum 方法
- 返回当前总和，返回的值不是原子快照；
- 在没有并发更新的情况下调用会返回准确的结果，但在计算总和时发生的并发更新可能不会被合并。
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)
sum += a.value;
}
}
return sum;
}
高并发下sum的值不精确的原因
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，而是最终一致性
- 首先，最终返回的sum局部变量，初始被赋值为base，在最终返回时，可能有其他线程再次更新base，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
（4）LongAdder 总结
- 采用分段CAS降低重试频率（这种分段的做法类似于JDK7中ConcurrentHashMap的分段锁）
- 高并发环境下，value变量其实是一个热点数据，也就是N个线程竞争一个热点。
- LongAdder的基本思路就是分散热点，将value值的新增操作分散到一个数组中，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value值进行CAS操作，这样热点就被分散了，冲突的概率就小很多。
- LongAdder有一个全局变量volatile long base值，当并发不高的情况下都是通过CAS来直接操作base值，如果CAS失败，则针对LongAdder中的Cell[]数组中的Cell进行CAS操作，减少失败的概率。
- 统计累加数据：sum() = base + Cell[]中的各Cell对象的value值之和。
- 而AtomicLong是多个线程针对单个热点value值进行原子操作。
- 惰性求值
- LongAdder只有在使用longValue()获取当前累加值时才会真正的去结算计数的数据，longValue()方法底层就是调用sum()方法，对base和Cell数组的数据累加然后返回，做到数据写入和读取分离。
- 而AtomicLong使用incrementAndGet()每次都会返回long类型的计数值，每次递增后还会伴随着数据返回，增加了额外的开销。
- AtomicLong VS LongAdder
AtomicLong：
- AtomicLong实现原理是基于CAS+自旋操作，CAS是基于硬件来实现原子性，保障线程安全。
- AtomicLong使用场景：低并发下的全局计数器、序列号生成器。
- AtomicLong优势：占用空间小；缺点：高并发下性能急剧下降（N个线程同时进行自旋，N-1个线程会自旋失败、不断重试）。
LongAdder：
- LongAdder设计思想：空间换时间，分散value值的热点数据；实现原理：高并发时采用Cell数组进行分段CAS。
- LongAdder使用场景：高并发下的全局计数器。
- LongAdder优势：能减少CAS重试次数、能防止伪共享、惰性求值；缺点：使用sum统计时如果有并发更新，可能导致统计的数据有误差。
4753
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
