现实当中很多场景,需要进行轮训服务,比如轮训在10个日志文件当中写日志,在10台机器上轮训的去调用以实现负载均衡,常规的做法,
如tomcat的Poller线程轮训选择,就采用
Math.abs(pollerRotater.incrementAndGet()) % pollers.length
此地需要取原子自增的绝对值模以poller线程数,那是否有更好的实现呢?
public class CycleAtomicInteger {
private final static long PARK_TIME = 1000L * 1000;
private AtomicInteger counter = new AtomicInteger(0);
private int range;
public CycleAtomicInteger(int range) {
if (range < 2)
throw new IllegalArgumentException();
this.range = range;
}
/**
* 获取下个原子值
*
* @return
*/
public int next() {
for (;;) {
int c = counter.get();
int next = (c + 1) % range;
if (counter.compareAndSet(c, next)) {
return c;
} else {
LockSupport.parkNanos(PARK_TIME);
}
}
}
}
这样就可以快速的实现rr的效果,同时也避免了abs的过程,至于LockSupport.parkNanos(PARK_TIME);加了这个后,4个线程执行2亿次的计算,我本机从原来的16s减少到4s,至于为什么要加这个,可见更快的atomicInteger
当然,这样设计会存在cas的aba问题,但对当前的case需求,其实是满足的,也不存在问题