1.AtomicLong简单分析
AtomicLong是Java1.5时的一个基于CAS的原子类，通过CAS算法提供了非阻塞的原子性操作，但是在超高并发下AtomicLong的性能就会非常低下。
我们来看一下AtmoicLong的 incrementAndGet() 方法的底层实现。(原子类的核心变量就是一个volatile修饰的变量，这里就不在看源码了)
public final long incrementAndGet() {
return unsafe.getAndAddLong(this, valueOffset, 1L) + 1L;
}
底层调用的是UnSafe类的getAndAddLong()方法, (UnSafe底层核心都是native方法，即调用了C++的方法）可以看到，底层就是通过不断的自旋(循环)，通过CAS一直尝试更新。
//UnSafe类中的方法
public final long getAndAddLong(Object var1, long var2, long var4) {
long var6;
do {
var6 = this.getLongVolatile(var1, var2); //获取变量最新的值
//while循环 CAS失败一直不断尝试更新变量
} while(!this.compareAndSwapLong(var1, var2, var6, var6 + var4));
return var6;
}
compareAndSwapLong() 就是Unsafe类中的一个native方法，是一个CAS操作。
//UnSafe类中的方法
public final native boolean compareAndSwapLong(Object var1, long var2, long var4, long var6);
通过简单的源码分析，我们应该可以分析出来，在超高并发下为什么AtomicLong的性能并不高的原因，因为N多线程去操作一个变量会造成大量线程CAS失败，然后一直处于自旋状态(一直占用CPU)，导致严重浪费CPU资源，降低了并发性
2.LongAdder与AtmoicLong介绍
先看一下两者的对比
我们知道，volatile是轻量级锁，可以解决多线程内存不可见的问题，对于一写多读，可以解决变量的同步问题，但是如果是多写，volatile无法解决线程安全问题。
例如，在多线程下的cnt++操作，就应该使用原子类或者加锁处理
// 基于CAS
AtmoicInteger cnt = new AtmoicInteger();
cnt.addAndAdd(n);
//加锁
synchronized(){
cnt ++;
}
而如果是JDK8，推荐使用LongAdder对象代替，因为他的性能比AtomicLong更好(减少乐观锁(CAS)重试次数)
LongAdder其他应用场景
对于Java项目中计数统计的一些需求，如果是JDK8，推荐使用LongAdder对象，比AtomicLong性能更好。在大多数项目及开源组件中，计数统计最多的还是AtomicLong，虽然是阿里这样说，但是我们仍然要根据使用场景来决定是否使用LongAdder。
LongAdder与AtmoicLong性能测试
我们可以看到，随着并发数量的增加，AtomicLong的性能是急剧下降的，LongAdder性能是AtomicLong的数倍。
3.LongAdder原理分析
先看一下LongAdder的原理图
设计思想
LongAdder使用分段的方式降低CAS失败的频次.
我们知道，AtomicLong中有个内部变量value保存着实际的值，所有的操作都是针对该变量进行的。也就是说说，在高并发环境下，value变量其实是一个热点数据，也就是多个线程竞争一个热点。
LongAdder的基本思路就是分散热点，将value的值的新增操作分散到一个数组中，不同的线程会命中到数组的不同槽中，各个线程只会对自己槽中的那个value进行CAS操作，这样热点就被分散了，冲突的概率就小很多。
LongAdder中有一个全局变量，volatile long base值，在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。
例如当前类中base=10，有三个线程进行CAS原子性的 +1操作，线程一执行成功，线程二、三执行失败后针对Cell[]数组中的Cell对象的value值进行CAS操作，此时两个线程对应的Cell对象的value都被设置为1，执行完毕后，统计累加数据： sum = 11 + 1 + 1 = 13
使用Contended注解消除伪共享
在Cell类上，标注了一个@Contended注解，此注解可以进行缓存行填充，从而解决伪共享问题，伪共享会导致缓存行失效，缓存一致性开销大。
什么是缓存伪共享?
@sun.misc.Contended static final class Cell{}
伪共享是指多个线程同时读一个缓存行的不同变量时导致的CPU缓存失效，尽管这些变量之间没有关系，但由于在主存中临近，存在于同一个缓存行之中，它们的相互导致频繁的缓存未命中，引发性能下降。
解决伪共享的方法一般都是直接填充，我们只需要保证不同线程的变量存在不同的缓存行即可，使用多余的字节来填充可以做到这一点，这样就不会出现伪共享的问题。例如在Disruptor队列的设计中就有类似设计。
在Cell类上加的注释也有说明这一点
框中的翻译如下：
Cell类是AtomicLong添加了padded（via@sun.misc.compended)来消除伪共享的变种版本。缓存行填充对于大多数原子来说是繁琐的，因为它们通常不规则地分散在内存中，因此彼此之间不会有太大的干扰。但是，驻留在数组中的原子对象往往彼此相邻，因此在没有这种预防措施的情况下，通常会共享缓存行数据（对性能有巨大的负面影响）。
3、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。
LongAdder求和原理
之前说了，AtomicLong是多个线程针对单个热点值value进行原子操作。而LongAdder是每个线程拥有自己的槽，各个线程一般只对自己槽中的那个值进行CAS操作。
比如有三个线程同时对value增加1，那么value = 1 + 1 + 1 = 3
但是对于LongAdder来说，内部有一个base变量，一个Cell[]数组。
base变量：非竞争条件下，直接累加到该变量上
Cell[]数组：竞争条件下，累加个各个线程自己的槽Cell[i]中
最终结果的计算是下面这个形式：
4.LongAdder源码解析
4.1Striped64的内部结构
LongAdder继承了Striped64，一些核心的属性都在Striped64中，我们先来看一下Striped64类中的核心结构。
//内部类 cell内部类
@sun.misc.Contended static final class Cell {
//真正的value值
volatile long value;
Cell(long x) { value = x; }
//CAS操作对cell中的value进行赋值
final boolean cas(long cmp, long val) {
return UNSAFE.compareAndSwapLong(this, valueOffset, cmp, val);
}
// Unsafe mechanics
private static final sun.misc.Unsafe UNSAFE;
private static final long valueOffset;
static {
try {
UNSAFE = sun.misc.Unsafe.getUnsafe();
Class<?> ak = Cell.class;
valueOffset = UNSAFE.objectFieldOffset
(ak.getDeclaredField("value"));
} catch (Exception e) {
throw new Error(e);
}
}
}
//当前计算机的CPU数量，用于控制cells数组长度的一个关键条件。
static final int NCPU = Runtime.getRuntime().availableProcessors();
//cells数组
transient volatile Cell[] cells;
//当没有发生过竞争时，数据会累加到base中 或者当cells扩容时，需要将数据写到base中
transient volatile long base;
/*
* 初始化cells数组或者对cells数组扩容时需要和获取一把锁(同步状态) CAS操作
* 0表示无锁状态，1表示其他线程已经持有锁了。
*/
transient volatile int cellsBusy;
/**
* Package-private default constructor
*/
Striped64() {
}
//通过CAS的方式更新cell中的数据
final boolean casBase(long cmp, long val) {
return UNSAFE.compareAndSwapLong(this, BASE, cmp, val);
}
//通过CAS的方式获取锁(同步状态)
final boolean casCellsBusy() {
return UNSAFE.compareAndSwapInt(this, CELLSBUSY, 0, 1);
}
4.2add()方法
然后我们分析一下LongAdder类中的核心方法之一 add()方法的逻辑
add方法逻辑简单，主要是判断Cell数组是否被创建或者尝试写base，如果写Cell数组不为null或者CAS方式向base中写数据失败，那么接下来要执行核心的longAccumulate方法，否则就是Cell数组没有被初始化并且CAS方式写base成功，代表这次写数据成功。
// x表示要增加的值
public void add(long x) {
/*
* as 表示cells数组的引用
* b 表示获取的base值
* v 表示期望值
* m 表示cells数组的长度
* a 表示当前线程命中的cell
*/
Cell[] as; long b, v; int m; Cell a;
/*
* 进入if语句中的条件
* 条件1：
* > true当前cells数组已经创建 当前线程应该将数据写入到对应的cell中，进入if语句操作
* > false： 表示cells未初始化，当前线程应该将数据写到base中，执行条件二，写数据到base中
*
* 条件2：(取反)
* true 表示当前线程CAS写数据到base失败，需要进入if中操作
* false 表示当前线程CAS写数据成功，无需进入if中
*/
if ((as = cells) != null || !casBase(b = base, b + x)) {
/*
* 什么时候会进入if语句
* 1. 当前cells数组已经初始化，当前线程需要将数据写到对应的ecll中
* 2. CAS写base失败，可能需要重试或者初始化cells数组
*
* 即当前线程写数据失败时(向base中或者cell中写)会进入if语句中
*/
//true表示未竞争 false发生竞争
boolean uncontended = true;
/*
* 进入longAccumulate()中的条件
*
* 条件一：cells数组还没有初始化
* (as == null || (m = as.length - 1) < 0) 为true
*
*
* 条件二：当前线程对应的cells数组的位置为null
* getProobe()方法，底层调用的是UnSafe的本地方法getInt(),获取一个整型值，
* 和m(cells数组的长度-1)的结果就是[0, length - 1]刚好就是下标，注意cells的长度一定是2的次方数
* (跟HashMap的寻址方式类似)
* (a == as[getProobe() & m] == null)
*
* 条件三：当前线程对应的cells数组中的位置不为null，但是在对当前cell进行CAS设置值的时候失败，
* 表示对这一个cell写数据出现了竞争。
* ！(uncontended = a.cas(v = a.value, v + x))
*/
if (as == null || (m = as.length - 1) < 0 ||
(a = as[getProbe() & m]) == null ||
!(uncontended = a.cas(v = a.value, v + x)))
/*
* 那些情况会调用longAccumulate()
*
* 1、cells数组未初始化，也就是多线程写base发生了竞争。
* 2、cells数组已经初始化，但是当前线程对应的cell为空
* 3、cells数组已经初始化，并且当前线程对应的cell不为空，但是对这个cell进行CAS写时失败了
*/
longAccumulate(x, null, uncontended);
}
}
4.3longAccumulate()方法
通过上面的add()方法可以知道，最核心的方法就是longAccumulate()方法，它在LongAdder的父类Striped64中
总结
1.哪些情况会调用longAccumulate方法(前提条件都是当前线程写值(写到base或者cell中)失败)
- ①Cell数组未初始化。
- ②Cell数组初始化了，但是当前线程对应的Cell为NULL
- ③Cell数组初始化了，且当前线程对应的Cell不为NULL，但是发现有多个线程去写Cell，即发生了竞争。
进入longAccumulate方法后最终会执行怎样的逻辑？
- 如果Cell数组
未初始化并且当前线程获取了锁，那么当前线程会初始化Cell数组，默认长度是2，并且为当前线程对应的Cell对象进行赋值对应下面的CASE2 当前Cell数组正在初始化(即锁被其他线程获取)，所以当前线程就去执行caseBase()方法通过CAS去更新base. 对应CASE3- 对于CASE1来说，又分为几种情况，由于整个过程比较复杂，这里找了一张流程图。
源码解析
/* 都有哪些情况会调用？
* 1、cells未初始化
* 2、cells初始化了，但是当前线程对应的cell为空，
* 3、cells初始化了，并且当前线程对应的cell不为空，但是当前的这个cell发生了写竞争
*/
//wasUncontended： 只有第三种情况即发生了竞争wasUncontended才会变为false。
final void longAccumulate(long x, LongBinaryOperator fn,
boolean wasUncontended) {
// 表示当前线程的hash值
int h;
//为0，说明还没有分配哈希值，下面进行分配哈希值
if ((h = getProbe()) == 0) {
ThreadLocalRandom.current(); // force initialization
h = getProbe(); //赋值给h
/*
* 这里为当前线程分配完哈希值后，为什么要修改 wasUncontended = true(表示未发生竞争)？
* 因为走到这里说明当前线程还没有分配哈希值，即默认是0，(0 & 任何数都是0)，即当前线程
* 会被分配到索引为0的cell中，说明可能在索引为0的位置发生了写cell冲突，但是一旦分配
* 了线程哈希值后，可能下面线程就不会分配到索引为0的位置了，就将标志位修改为true了，表示没有发生竞争。
*/
wasUncontended = true; //标志位置为true
}
/*
* collide表示扩容意向，false一定不会扩容，true可能会扩容。
*/
boolean collide = false;
//死循环(自旋)
for (;;) {
/*
* as表示 cells数组的引用
* a 表示当前线程命中的cell
* n 表示cells数组长度
* v 表示期望值
*/
Cell[] as; Cell a; int n; long v;
//---------------------------CASE1 Start-------------------------------------
//进入条件： cells已经初始化了，当前线程应该将数据写入到对应的cell中
if ((as = cells) != null && (n = as.length) > 0) {
//CASE1.1 cells已经初始化，但是线程对应索引的cell未初始化
if ((a = as[(n - 1) & h]) == null) {
//true(cellsBusy = 0)表示当前锁未被占用， false表示被占用
if (cellsBusy == 0) {
//创建一个cell，初始值就是x。
Cell r = new Cell(x);
//只有锁标志位为0并且CAS获取锁成功才能进入下面的逻辑
if (cellsBusy == 0 && casCellsBusy()) {
boolean created = false;
try {
/*
* rs cells数组的引用
* m cells数组的长度
* j 当前线程命中cell的下标
*/
Cell[] rs; int m, j;
/*
* 前两个条件恒成立
* 第三个条件判断是为了防止多线程下cell覆盖的问题
*/
if ((rs = cells) != null &&
(m = rs.length) > 0 &&
rs[j = (m - 1) & h] == nu
rs[j] = r; //将创建好的r赋值给当前位置
created = true; //修改标志位 表示已经创建
}
} finally {
//锁状态还原
cellsBusy = 0;
}
//已经创建了，直接退出。
if (created)
break;
//否则继续循环。
continue; // Slot is now non-empty
}
}
//扩容意向改为false。
collide = false;
}
//CASE1.2 只有一种情况wasUncontended为false，即当前cell不为null，
//并且发生了竞争。 后续重置hash值
else if (!wasUncontended)
wasUncontended = true;
/*
* CASE1.3 当前线程rehash过hash值，然后新命中的cell不为空
* 执行: CAS操作更新cell中的数据，如果更新成功，就退出
* 更新失败，继续循环。
*/
else if (a.cas(v = a.value, ((fn == null) ? v + x :
fn.applyAsLong(v, x))))
break;
/*
* CASE1.4
* n(cells数组长度)大于NCPU，或者已经被其他线程扩容过了，
* 那么当先线程rehash后重试即可
*/
else if (n >= NCPU || cells != as)
collide = false; //扩容意向变为false
/*
* CASE 1.5
* 设置扩容意向为true。但是不一定发生扩容
*/
else if (!collide)
collide = true;
/*
* CASE1.6
* 真正扩容的逻辑
* 条件1、cellsBusy == 0表示无锁状态，当前线程可以去竞争锁
* 条件2、casCellsBusy()CAS获取锁的逻辑，获取锁成功可以执行扩容逻辑，
* false表示当前时刻有其他线程在做扩容相关的操作。
*/
else if (cellsBusy == 0 && casCellsBusy()) {
try {
//防止多线程下重复扩容
if (cells == as) {
//扩容数组长度变为原来的2倍
Cell[] rs = new Cell[n << 1];
for (int i = 0; i < n; ++i)
rs[i] = as[i];
cells = rs;
}
} finally {
//释放锁
cellsBusy = 0;
}
collide = false;
continue; // Retry with expanded table
}
//重置当前线程hash值
h = advanceProbe(h);
}
//----------------------------CASE1 END---------------------------------------
//----------------------------CASE2 Start-------------------------------------
/*
* 主要干的事：初始化cells数组
*
* 进入CASE2的前置条件 : cells数组还未初始化 as = cells = null
*
* 1、cellsBusy = 0 表示当前未加锁(初始化cells数组)
* 2、as == cells 如果单线程的情况下没有必要，但是多线程情况下，如果有线程
* 已经将cells初始化过了，此时as(null) != cells了，就进不来了。
* 3、 casCellsBusy() 即获取锁成功(去初始化cells数组)。
*
*/
else if (cellsBusy == 0 && cells == as && casCellsBusy()) {
boolean init = false;
try {
// 还要判断一下 cells == as 也是防止其他线程已经初始化了cells，
// 导致当前线程又进行了初始化，造成了数据丢失。
if (cells == as) {
//初始化cell数组长度为2
Cell[] rs = new Cell[2];
//将x值赋给对应的Cell
rs[h & 1] = new Cell(x);
cells = rs; //赋值给cells
init = true;
}
} finally {
cellsBusy = 0;
}
if (init)
break;
}
//---------------------------CASE2 END----------------------------------------
//--------------------------CASE3 Start--------------------------------------
/*
* 1、当前cellsBusy加锁状态，表示其他线程正在初始化cells，所以当前线程将值累加到base中
* 2、cells被其他线程初始化后，当前线程需要将数据累加到base、
*/
else if (casBase(v = base, ((fn == null) ? v + x :
fn.applyAsLong(v, x))))
break;
}
}
4.4sum()方法
public long sum() {
Cell[] as = cells; Cell a;
//先将base中的值拿来
long sum = base;
//遍历Cells中每一个Cell，如果槽不为空，就累加Cell中的value值
if (as != null) {
for (int i = 0; i < as.length; ++i) {
if ((a = as[i]) != null)
sum += a.value;
}
}
//最终返回sum。
return sum;
}
5.总结
5.1AtomicLong可以弃用了吗
看上去LongAdder的性能全面超越了AtomicLong，而且阿里巴巴开发手册也提及到 推荐使用 LongAdder 对象，比 AtomicLong 性能更好（减少乐观锁的重试次数），但是我们真的就可以舍弃掉LongAdder了吗？
当然不是，我们需要看场景来使用，如果是并发不太高的系统，使用AtomicLong可能会更好一些，而且内存需求也会小一些。
我们看过sum()方法后可以知道LongAdder在统计的时候如果有并发更新，可能导致统计的数据有误差。
而在高并发统计计数的场景下，才更适合使用LongAdder
5.2收获
LongAdder中最核心的思想就是利用空间来换时间，将热点value分散成一个Cell列表来承接并发的CAS，以此来提升性能。
LongAdder的原理及实现都很简单，但其设计的思想值得我们品味和学习。
扫一扫
252
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
