目录

1. 引言

2. AtomicInteger的局限性

3. AtomicInteger与LongAdder 的性能差异

4.LongAdder 的结构

LongAddr架构

Striped64中重要的属性

 Striped64中一些变量或者方法的定义

Cell类

5. 分散热点的原理

具体流程图

6. 在实际项目中的应用

7. 总结

1. 引言

在这一部分，可以简要介绍并发编程中的挑战，以及为什么传统的累加方式可能在高并发情况下表现不佳。引出LongAddr作为一种解决方案的背景。

LongAddr属于原子操作增强类，在传统的多线程编程中，我们可能会使用 synchronized 关键字或者 ReentrantLock 来保证对共享变量的原子性操作。然而，这些方法在高度并发的场景下可能会引起性能瓶颈。原子类中的AtomicInteger可以解决这个问题，但同时又出现了LongAddr来提供了一种更高效的并发累加方案。

2. AtomicInteger的局限性

• 竞争热点

当多个线程同时竞争修改同一个 AtomicInteger实例时，会发生竞争热点。所有的线程都试图通过 CAS 操作来更新同一变量，这可能导致竞争激烈，降低性能。

3. AtomicInteger与LongAdder 的性能差异

需求：热点商品点赞计算器，点赞数加加统计，不要求实时精确；

代码：使用50个线程，每个线程100W次，总点赞数出来。

class ClickNumber
{int number = 0;public synchronized void add_Synchronized(){number++;}AtomicInteger atomicInteger = new AtomicInteger();public void add_AtomicInteger(){atomicInteger.incrementAndGet();}AtomicLong atomicLong = new AtomicLong();public void add_AtomicLong(){atomicLong.incrementAndGet();}LongAdder longAdder = new LongAdder();public void add_LongAdder(){longAdder.increment();//longAdder.sum();}LongAccumulator longAccumulator = new LongAccumulator((x,y) -> x+y,0);public void add_LongAccumulator(){longAccumulator.accumulate(1);}}/****  50个线程，每个线程100W次，总点赞数出来*/
public class LongAdderCalcDemo
{public static final int SIZE_THREAD = 50;public static final int _1W = 10000;public static void main(String[] args) throws InterruptedException{ClickNumber clickNumber = new ClickNumber();long startTime;long endTime;CountDownLatch countDownLatch1 = new CountDownLatch(SIZE_THREAD);CountDownLatch countDownLatch2 = new CountDownLatch(SIZE_THREAD);CountDownLatch countDownLatch3 = new CountDownLatch(SIZE_THREAD);CountDownLatch countDownLatch4 = new CountDownLatch(SIZE_THREAD);CountDownLatch countDownLatch5 = new CountDownLatch(SIZE_THREAD);//========================startTime = System.currentTimeMillis();for (int i = 1; i <=SIZE_THREAD; i++) {new Thread(() -> {try{for (int j = 1; j <=100 * _1W; j++) {clickNumber.add_Synchronized();}}catch (Exception e){e.printStackTrace();}finally {countDownLatch1.countDown();}},String.valueOf(i)).start();}countDownLatch1.await();endTime = System.currentTimeMillis();System.out.println("----costTime: "+(endTime - startTime) +" 毫秒"+"\t add_Synchronized"+"\t"+clickNumber.number);startTime = System.currentTimeMillis();for (int i = 1; i <=SIZE_THREAD; i++) {new Thread(() -> {try{for (int j = 1; j <=100 * _1W; j++) {clickNumber.add_AtomicInteger();}}catch (Exception e){e.printStackTrace();}finally {countDownLatch2.countDown();}},String.valueOf(i)).start();}countDownLatch2.await();endTime = System.currentTimeMillis();System.out.println("----costTime: "+(endTime - startTime) +" 毫秒"+"\t add_AtomicInteger"+"\t"+clickNumber.atomicInteger.get());startTime = System.currentTimeMillis();for (int i = 1; i <=SIZE_THREAD; i++) {new Thread(() -> {try{for (int j = 1; j <=100 * _1W; j++) {clickNumber.add_AtomicLong();}}catch (Exception e){e.printStackTrace();}finally {countDownLatch3.countDown();}},String.valueOf(i)).start();}countDownLatch3.await();endTime = System.currentTimeMillis();System.out.println("----costTime: "+(endTime - startTime) +" 毫秒"+"\t add_AtomicLong"+"\t"+clickNumber.atomicLong.get());startTime = System.currentTimeMillis();for (int i = 1; i <=SIZE_THREAD; i++) {new Thread(() -> {try{for (int j = 1; j <=100 * _1W; j++) {clickNumber.add_LongAdder();}}catch (Exception e){e.printStackTrace();}finally {countDownLatch4.countDown();}},String.valueOf(i)).start();}countDownLatch4.await();endTime = System.currentTimeMillis();System.out.println("----costTime: "+(endTime - startTime) +" 毫秒"+"\t add_LongAdder"+"\t"+clickNumber.longAdder.longValue());startTime = System.currentTimeMillis();for (int i = 1; i <=SIZE_THREAD; i++) {new Thread(() -> {try{for (int j = 1; j <=100 * _1W; j++) {clickNumber.add_LongAccumulator();}}catch (Exception e){e.printStackTrace();}finally {countDownLatch5.countDown();}},String.valueOf(i)).start();}countDownLatch5.await();endTime = System.currentTimeMillis();System.out.println("----costTime: "+(endTime - startTime) +" 毫秒"+"\t add_LongAccumulator"+"\t"+clickNumber.longAccumulator.longValue());}
}

----costTime: 895 毫秒	 add_Synchronized	50000000
----costTime: 450 毫秒	 add_AtomicInteger	50000000
----costTime: 445 毫秒	 add_AtomicLong	50000000
----costTime: 41 毫秒	 add_LongAdder	50000000
----costTime: 41 毫秒	 add_LongAccumulator	50000000

        通过结果能看出在duoLongAddr的性能要比synchronized锁和AtomicInteger要好。

4.LongAdder 的结构

LongAddr架构

       

        从上图可以看出LongAdder是Striped64的子类。

Striped64中重要的属性

/** Number of CPUS, to place bound on table size        CPU数量，即cells数组的最大长度 */
static final int NCPU = Runtime.getRuntime().availableProcessors();/*** Table of cells. When non-null, size is a power of 2.
cells数组，为2的幂，2,4,8,16.....，方便以后位运算*/
transient volatile Cell[] cells;/**基础value值，当并发较低时，只累加该值主要用于没有竞争的情况，通过CAS更新。* Base value, used mainly when there is no contention, but also as* a fallback during table initialization races. Updated via CAS.*/
transient volatile long base;/**创建或者扩容Cells数组时使用的自旋锁变量调整单元格大小（扩容），创建单元格时使用的锁。* Spinlock (locked via CAS) used when resizing and/or creating Cells. */
transient volatile int cellsBusy;

 Striped64中一些变量或者方法的定义

• 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，CelI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

Cell类

Cell类是 java.util.concurrent.atomic 下 Striped64 的一个内部类

5. 分散热点的原理

        LongAdder的基本思路就是分散热点，将value值分散到一个Cell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值进行CAS操作，这样热点就被分散了，冲突的概率就小很多。如果要获取真正的long值，只要将各个槽中的变量值累加返回。
 
sum()会将所有Cell数组中的value和base累加作为返回值，核心的思想就是将之前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。

 

Value = Base +

总结：内部有一个base变量，一个Cell[]数组。

base变量：非竞态条件下，直接累加到该变量上，Cell[]数组：竞态条件下，累加个各个线程自己的槽Cell[i]中。

具体流程图

6. 在实际项目中的应用

• 热点商品点赞计算器，点赞数加加统计，不要求实时精确。
• 一个很大的List，里面都是int类型，实现加加。

7. 总结

当需要在高并发下有较好的性能表现，且对值的精确度要求不高时，可以使用。

即当需要保证性能，不要求精度，可以使用。