LongAdder有点类似于分段锁的概念,在进行add的时候,先会通过一次cas尝试添加。如果添加失败会通过cell将add数值添加到cell中。但是它自身的代码实现导致了它在并发情况下的精确度不高
Atomic在并发竞争的时候,可能会造成多个线程竞争失败一直在重试,相比于LongAdder效率会比较低。但是精确。
具体还是需要通过代码来分析。
关于LongAdder
LongAdder是JDK1.8引入到J.U.C包中的。并Atmoic好一些的计数器。 官方的意思是在低并发的情况下LongAdder跟AtomicLong的效率差不多,但是在高并发的情况下LongAdder的效率比较高。 那它是如何做到的呢,我们直接从它的结构入手分析
LongAdder继承于Striped64,所有操作基本围绕Striped64中的cells数组与base两个关键变量进行操作
那么,这两个变量的作用是什么呢,我们直接看LongAdder当中的sum操作
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;
}
通过这我们就可以明白,LongAdder中使用一个base与多个cell来作为LongAdder计数的最终值,那么,为何要这么做呢,为什么不直接通过一个Long值来做统计呢,其实这也是为什么LongAdder比Atmoic快的地方。直接看add方法。
LongAdder.add
public void add(long x) {
Cell[] as; long b, v; int m; Cell a;
//当cell不为空或者
if ((as = cells) != null || !casBase(b = base, b + x)) {
boolean uncontended = true;
if (as == null || (m = as.length - 1) < 0 || #1
(a = as[getProbe() & m]) == null ||
!(uncontended = a.cas(v = a.value, v + x)))
longAccumulate(x, null, uncontended);
}
}
初始条件下,当cell为空,且通过cas更新base值成功后,会直接结束操作。
如果cells不为空,或者cas操作失败,又或者cell指定位置的数组值为,或者通过cas操作更新制定cell位置的值失败。便会进入#1处的内容,调用longAccumulate方法
Striped64.longAccumulate
具体代码不展开分析,主要分为以下几种情况
1.当cells数组为空的时候,会创建一个大小为2的数组,然后根据当前线程定位cells数组中的某一个,并将add值添加进去
2.当cell数组不为空,但是通过当前线程定位的数组某一个位置为空的情况下,就是在该位置创建一个cell对象,并将add值添加进去
3.当cell数组不为空,而且当前线程定位cells数组某个位置不为空,通过cas增加该位置的值。如果失败,会将cells数组扩容,并重新进行循环赋值
其实,通过此处我们就可以明白,LongAdder比Atomic快的地方在于它通过cell数组减少了线程竞争从而提高了效率。
需要注意的地方
public long sum()
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将返回一个准确的结果,但是在计算总和时发生的并发更新可能不会被并入。
public void reset()
将保持总和的变量重置为零。 该方法可能是创建新加法器的有用替代方法,但仅在没有并发更新时才有效。 因为这个方法本质上是racy,所以只有当已知没有线程同时更新时才应该使用它。
jdk文档上明确说明,其sum与reset方法在并发情况下是不准确的,具体原因时因为sum与reset在进行相应操作的时候没有对数据更新做限制,也就是会出现数据更新的时候,他们操作或者读取到的是旧值的情况。
关于LongAdder
此处不做具体分析,但是通过源码我们可以看到它的add操作在多线程情况下会一直重试,直到成功。
public final long addAndGet(long delta) {
return unsafe.getAndAddLong(this, valueOffset, delta) + delta;
}
总结
其实通过文档说明我们也很清楚,对于LongAdder其效率高,但是可能会不准准确。AtomicLong效率低但是准确。对于我们业务中的具体场景,使用哪一个还是要具体分析
至于读它的源码源码的原因,主要还是学习它的思想:通过LongAdder我们可以从中学到它对于多线程并发修改采用分段的思想来提高效率。 通过Atomic我们可以知道通过cas来无锁解决并发问题。
但两者又会有各自考量的地方,导致各自的效率跟准确度有影响。
这些设计理念完全可以用在我们自己业务中去。