京东一面挂在了CAS算法的三大问题上，痛定思痛不做同一个知识点的小丑

写在开头

在介绍synchronized关键字时，我们提到了锁升级时所用到的CAS算法，那么今天我们就来好好学一学这个CAS算法。

CAS算法对build哥来说，可谓是刻骨铭心，记得是研二去找实习的时候，当时对很多八股文的内容浅尝辄止，很多深奥的知识点只是知道个概念，源码看的也不深，代码量也不够，京东一面，面试官问了CAS算法，大概的介绍了之后，他紧接着追问CAS的三大问题，在很多面试类书籍中背过ABA问题，然后就囫囵吞枣的答了这个，即便后面在面试官的引导下，也没有说清楚其他两个，最终遗憾败北。

面试官当时给的面试表现是：只注重死记硬背，程序员是一个需要创造性的工作，而不是做一个笔者。回来难过了很久，从那时候起，就痛定思痛，大量的看源码，写demo，争取不做同一个知识点上的小丑！现在回想起来，仍然是一份激励，不知道大家在面试时有没有过窘迫，希望诸君能铭记于心，勉而励之！

原子性问题

好了，废话说太多了，现在进入正题！在之前的文章中调到了并发多线程的三大问题，其中之一就是原子性，讲volatile关键字时，说到它可以保证有序性和可见性但无法保证原子性，啥是原子性呢？

原子性： 一个或者多个操作在 CPU 执行的过程中不被中断的特性；

原子操作： 即最小不可拆分的操作，也就是说操作一旦开始，就不能被打断，直到操作完成。

什么时候原子性问题呢？引用我们之前写过的案例。

【代码示例1】

public class Test {//计数变量static volatile int count = 0;public static void main(String[] args) throws InterruptedException {//线程 1 给 count 加 10000Thread t1 = new Thread(() -> {for (int j = 0; j <10000; j++) {count++;}System.out.println("thread t1 count 加 10000 结束");});//线程 2 给 count 加 10000Thread t2 = new Thread(() -> {for (int j = 0; j <10000; j++) {count++;}System.out.println("thread t2 count 加 10000 结束");});//启动线程 1t1.start();//启动线程 2t2.start();//等待线程 1 执行完成t1.join();//等待线程 2 执行完成t2.join();//打印 count 变量System.out.println(count);}
}

我们创建了2个线程，分别对count进行加10000操作，理论上最终输出的结果应该是20000万对吧，但实际并不是，我们看一下真实输出。

输出：

thread t1 count 加 10000 结束
thread t2 count 加 10000 结束
14281

原因：Java 代码中的 count++ ，至少需要三条CPU指令：

指令 1：把变量 count 从内存加载到CPU的寄存器
指令 2：在寄存器中执行 count + 1 操作
指令 3：+1 后的结果写入CPU缓存或内存

即使是单核的 CPU，当线程 1 执行到指令 1 时发生线程切换，线程 2 从内存中读取 count 变量，此时线程 1 和线程 2 中的 count 变量值是相等，都执行完指令 2 和指令 3，写入的 count 的值是相同的。从结果上看，两个线程都进行了 count++，但是 count 的值只增加了 1。这种情况多发生在cpu占用时间较长的线程中，若单线程对count仅增加100，那我们就很难遇到线程的切换，得出的结果也就是200啦。

解决办法：可以通过JDK Atomic开头的原子类、synchronized、LOCK解决多线程原子性问题，这其中Atomic开头的原子类就是使用乐观锁的一种实现方式CAS算法实现的，那么在了解CAS算法之前，我们还是要先来聊一聊乐观锁。

乐观锁与悲观锁

乐观锁与悲观锁是一组互反锁。

悲观锁(Pessimistic Lock)： 线程每次在处理共享数据时都会上锁，其他线程想处理数据就会阻塞直到获得锁。如 synchronized、java.util.concurrent.locks.ReentrantLock；

【代码示例2】

public void testSynchronised() {synchronized (this) {// 需要同步的操作}
}private Lock lock = new ReentrantLock();
lock.lock();
try {// 需要同步的操作
} finally {lock.unlock();
}

乐观锁(Optimistic Lock)： 相对乐观，线程每次在处理共享数据时都不会上锁，在更新时会通过数据的版本号机制判断其他线程有没有更新数据，或通过CAS算法实现，乐观锁适合读多写少的应用场景。

版本号机制：所谓版本号机制，一般是在数据表中加上一个数据版本号 version 字段，来记录数据被修改的次数，线程读取数据时，会把对应的version值也读取下来，当发生更新时，会先将自己读取的version值与数据表中的version值进行比较，如果相同才会更新，不同则表示有其他线程已经抢先一步更新成功，自己继续尝试。

CAS算法：CAS全称为Compare And Swap（比较与交换），是一种算法，更是一种思想，常用来实现乐观锁，通俗理解就是在更新数据前，先比较一下原数据与期待值是否一致，若一致说明过程中没有其他线程更新过，则进行新值替换，否则更新失败，但失败的线程并不会被挂起，仅是被告知失败，并且允许再次尝试，当然也允许失败的线程放弃操作。

两种锁的优缺点：

乐观锁适用于读多写少的场景，可以省去频繁加锁、释放锁的开销，提高吞吐量；
在写比较多的场景下，乐观锁会因为版本号不一致，不断重试更新，产生大量自旋，消耗 CPU，影响性能。这种情况下，适合悲观锁。

CAS算法

那么CAS算法是如何实现的呢？其实在Java中并没有直接给与实现，而是通过JVM底层实现，底层依赖于一条 CPU 的原子指令。那我们在Java中怎么使用，或者说哪里准寻CAS的痕迹呢？ 别急，跟着build哥继续向下看！

我们在上面提到了JDK Atomic开头的原子类可以解决原子性问题，那我们就跟进去一探究竟，首先，进入到 java.util.concurrent.atomic 中，里面支持原子更新数组、基本数据类型、引用、字段等，如下图：

现在，我们以比较常用的AtomicInteger为例，选取其getAndAdd(int delta)方法，看一下它的底层实现。

【源码解析1】

public final int getAndAdd(int delta) {return unsafe.getAndAddInt(this, valueOffset, delta);
}

这里返回的时Unsafe类的getAndAddInt()方法，Unsafe类在sun.misc包中。我们继续根据方法中看源码：

【源码解析2】

 public final int getAndAddInt(Object var1, long var2, int var4) {int var5;do {var5 = this.getIntVolatile(var1, var2);} while(!this.compareAndSwapInt(var1, var2, var5, var5 + var4));return var5;}

我们看一下方法中的参数含义

Object var1 ：这个参数代表你想要进行操作的对象的起始地址，如：0x00000111。
long var2：这个参数是你想要操作的 var1对象中的偏移量。这个偏移量可以通过 Unsafe 类的 objectFieldOffset 方法获得。通俗理解就是需要修改的具体内存地址：如100 ，0x0000011+100 = 0x0000111就是要修改的值的最终内存地址。
int var4 ：这个参数是你想要增加的值。

首先，在这个方法中采用了do-while循环，通过getIntVolatile(var1, var2)获取当前对象指定的字段值，并将其存入var5中作为预期值，这里的getIntVolatile方法可以保证读取的可见性（禁止指令重拍和CPU缓存，这个之前的文章里解释过，不然冗述）；

然后，在while中调用了Unsafe类的compareAndSwapInt()方法，进行数据的CAS操作。其实在这个类中有好几个CAS操作的实现方法

【源码解析3】

/***  CAS* @param o         包含要修改field的对象* @param offset    对象中某field的偏移量* @param expected  期望值* @param update    更新值* @return          true | false*/
public final native boolean compareAndSwapObject(Object o, long offset,  Object expected, Object update);public final native boolean compareAndSwapInt(Object o, long offset, int expected,int update);public final native boolean compareAndSwapLong(Object o, long offset, long expected, long update);

这几个方法都是native方法，相关的实现是通过 C++ 内联汇编的形式实现的（JNI 调用），因此，和cpu与操作系统都有关系，这也是我们在上文中提到CAS失败后，大量自旋带来CPU消耗严重的原因。

继续，我们回到compareAndSwapInt(var1, var2, var5, var5 + var4)方法中来，我们通过var1对象在var2内存地址上的值与先查到的预期值比较一致性，若相等，则将var5 + var4更新到对应地址上，返回true，否则不做任何操作返回false。

如果 CAS 操作成功，说明我们成功地将 var1 对象的 var2 偏移量处的字段的值更新为 var5 + var4，并且这个更新操作是原子性的，因此我们跳出循环并返回原来的值 var5。

如果 CAS 操作失败，说明在我们尝试更新值的时候，有其他线程修改了该字段的值，所以我们继续循环，重新获取该字段的值，然后再次尝试进行 CAS 操作。

注意： 以上是JDK1.8的源码，在JDK1.9后底层实现逻辑略有改动，增加了@HotSpotIntrinsicCandidate 注解，这个注解允许 HotSpot VM 自己来写汇编或 IR 编译器来实现该方法以提供更加的性能。

CAS带来的三大问题

文章写到这里，终于进入了关键，CAS虽然作为一种不加锁就可以实现高效同步的手段，但它并非完美，仍然存在着很多问题，主要分为三个，分别是：ABA问题、长时间自旋、多个共享变量的原子操作，这三个问题也是面试官提及CAS时常问的，希望大家能够理解记住，避免像build哥初入职场时的尴尬！

ABA问题

这是CAS非常经典的问题，由于CAS是否执行成功，是需要将当前内存中的值与期望值做判断，根据是否相等，来决定是否修改原值的，若一个变量V在初始时的值为A，在赋值前去内存中检查它的值依旧是A，这时候我们就想当然认为它没有变过，然后就继续进行赋值操作了，很明显这里是有漏洞的，虽然赋值的操作用时可能很短，但在高并发时，这个A值仍然有可能被其他线程改为了B之后，又被改回了A，那对于我们最初的线程来说，是无法感知的。

很多人可能会问，既然这个变量从A->B->A，这个过程中，它不还是原来的值吗，过程不同但结果依旧没变呀，会导致什么问题呢？我们看下面这个例子：

小明在提款机，提取了50元，因为提款机卡住了，小明点击后，又点击了一次，产生了两个修改账户余额的线程（可以看做是线程1和线程2），假设小明账户原本有100元，因此两个线程同时执行把余额从100变为50的操作。线程1（提款机）：获取当前值100，期望更新为50。线程2（提款机）：获取当前值100，期望更新为50。线程1成功执行，CPU并没有调度线程2执行，这时，小华给小明转账50，这一操作产生了线程3，CPU调度线程3执行，这时候线程3成功执行，余额变为100。之后，线程2被CPU调度执行，此时，获取到的账户余额是100，CAS操作成功执行，更新余额为50！此时可以看到，实际余额应该为100（100-50+50），但是实际上变为了50（100-50+50-50）。

这就是ABA问题带来的错误，而对于一个银行的提款机来说，发生这种问题可以说是灾难性的，会大大降低客户对于这家银行的信任程度！

那有没有什么解决方案呢，答案是肯定的！在JDK 1.5 以后的 AtomicStampedReference 类就是用来解决 ABA 问题的，其中的 compareAndSet() 方法就是首先检查当前引用是否等于预期引用，并且当前标志是否等于预期标志，如果全部相等，则以原子方式将该引用和该标志的值设置为给定的更新值。

【源码解析4】

public boolean compareAndSet(V   expectedReference,V   newReference,int expectedStamp,int newStamp) {Pair<V> current = pair;returnexpectedReference == current.reference &&expectedStamp == current.stamp &&((newReference == current.reference &&newStamp == current.stamp) ||casPair(current, Pair.of(newReference, newStamp)));
}

长时间自旋

我们在前面说过CAS适用于读多写少的场景，若被使用在写多的场景，必然会产品大量的版本号不一致情况，从而导致很多线程自旋等待，这对CPU来说很糟糕，可以通过让JVM 能支持处理器提供的 pause 指令，这样对效率会有一定的提升。

PAUSE指令提升了自旋等待循环（spin-wait loop）的性能。当执行一个循环等待时，Intel P4或Intel Xeon处理器会因为检测到一个可能的内存顺序违规（memory order violation）而在退出循环时使性能大幅下降。PAUSE指令给处理器提了个醒：这段代码序列是个循环等待。处理器利用这个提示可以避免在大多数情况下的内存顺序违规，这将大幅提升性能。因为这个原因，所以推荐在循环等待中使用PAUSE指令。