多线程编程:并发加/减操作优化, LongAdder原理,与AtomicLong比较

最新推荐文章于 2024-08-11 15:31:50 发布

wzj_whut

最新推荐文章于 2024-08-11 15:31:50 发布

阅读量1.3k

点赞数

分类专栏：后端

本文链接：https://blog.csdn.net/wzj_whut/article/details/86775838

版权

本文通过测试展示了在多线程环境下，LongAdder相对于AtomicLong在并发加/减操作上的显著性能优势。测试结果显示，LongAdder的执行速度大约是AtomicLong的一个量级。接着，文章深入探讨了LongAdder的工作原理，指出其利用分散更新避免了竞争，从而提高效率。最后，对LongAdder的源码进行了分析，揭示了其内部的结构和操作机制。

摘要由CSDN通过智能技术生成

多线程修改同一个整数变量的值时, 可以使用 java的原子类 AtomicLong等. 但通过分析 ConcurrentHashMap, 发现还有一种通过 空间换 时间的优化措施 java.util.concurrent.atomic.LongAdder

先上结论

结论

32线程百万次自增操作	耗时
AtomicLong	626毫秒
LongAdder	83毫秒

测试过程

以下是AtomicLong与LongAdder运行测试代码 (32个线程, 每个线程执行100万次自增操作)
AtomicLong的测试过程

public static void atomicLong() throws Throwable {
   
        final int threadCount = 32;
        final AtomicLong longValue = new AtomicLong();
        Thread[] threads = new Thread[threadCount];
        for(int i=0; i<threadCount; i++){
   
            threads[i] = new Thread(new Runnable() {
   
                @Override
                public void run() {
   
                    for(int i=0; i<100*10000; i++){
   
                        longValue.incrementAndGet();
                    }
                }
            });
        }
        long time = System.nanoTime();
        for(int i=0; i<threadCount; i++){
   
            threads[i].start();
        }
        for(int i=0; i<threadCount; i++){
   
            threads[i].join();
        }
        logger.info("value: {}, time: {}", longValue.get(), System.nanoTime() - time);
    }

多次执行结果
625396610
626169232
611343737
614837069
633110850
606656120

LongAdder的测试过程

    public static void longAdder() throws Throwable {
   
        final int threadCount = 32;
        final LongAdder longAdder = new LongAdder();
        Thread[] threads = new Thread[threadCount];
        for(int i=0; i<threadCount; i++){
   
            threads[i] =