juc-atomic原子类之七:LongAdder
LongAdder基本原理和思想
我们都知道AtomicLong
是通过无限循环不停的采取CAS的方法去设置value,直到成功为止。那么当并发数比较多或出现更新热点时,就会导致CAS的失败机率变高,重试次数更多,越多的线程重试,CAS失败的机率越高,形成恶性循环,从而降低了效率。而LongAdder的原理就是降低对value更新的并发数,也就是将对单一value的变更压力分散到多个value值上,降低单个value的“热度”
我们知道LongAdder
的大致原理之后,再来详细的了解一下它的具体实现,其中也有很多值得借鉴的并发编程的技巧。
可以看到和AtomicLong基本类似,同样有增加、减少等操作,那么如何实现原子的增加呢?
public void add(long x) { // as就类似我们上述说的备用窗口列表 Cell[] as; // 这里的b就是常规窗口的值,v是你被分派到的那个窗口的value值(可能是常规窗口也可能是备用窗口) long b, v; // m是备用窗口的长度, // 上面我们讲过getProbe()方法就是获取用户id的方法 // getProbe() & m 其实就是 用户id % 窗口总数,窗口分派的算法 int m; // a就是你被派遣到的那个窗口 Cell a; // 1.首先如果cells==null,说明备用窗口没有开放, // 全都执行casBase争抢常规窗口,cas成功则争抢成功,然后办完事就退出了 // 如果争抢失败 casBase == false,则会进入if代码内重试 // 2. 如果cells != null,说明备用窗口开发了,不用去争抢常规窗口了, // 直接就进入争抢备用窗口 if ((as = cells) != null || !casBase(b = base, b + x)) { boolean uncontended = true; //字面意思也可以看出来uncontended意思是没有竞争的 // 3. as == null || as.length - 1 < 0 说明备用窗口列表尚未开放 if (as == null || (m = as.length - 1) < 0 || // 4. as[getProbe() & m] 你被派遣到的那个备用窗口 // (a = as[getProbe() & m]) == null 你被派遣到的那个备用窗口还没人工作 (a = as[getProbe() & m]) == null || // 5. a.cas() 就是你被分派到窗口a后,去尝试争抢窗口a的权限 // 如果 uncontented就是你争抢的结果,如果!uncnotented == true,说明你争抢失败了 !(uncontended = a.cas(v = a.value, v + x))) // 相当于上面操作都失败之后的一种兜底方案 longAccumulate(x, null, uncontended); } }
流程图:
这四部分分别为
- as == null:说明备用窗口没有开放
- casBase(b = base, b + x):x此时为1,A、casBase是Stiped64的方法
-
final boolean casBase(long cmp, long val) { return UNSAFE.compareAndSwapLong(this, BASE, cmp, val); }
由于此处的x为1,那么该方法就是对
Striped64
的BASE
的值进行累加并返回是否成功,顺带一提这里的BASE
是base
值所对应的内存偏移量,所以casBase(b = base, b + x)
就是对base
进行CAS操作,执行成功的话操作就结束了,那么什么时候会不成功呢,当然就是并发量大的时候,结合之前分析的longValue()
方法,这里就可以得出一个结论——当并发不大的时候只对base
进行更新,获取值得时候当然也只从base
获取即可,这个时候其实和AtomicLong
的原理几乎一模一样。
- (m = as.length - 1) < 0
- (a = as[getProbe() & m]) == null
- !(uncontended = a.cas(v = a.value, v + x))
这里的四个条件其实并不是并列的,而是递进式的,1和2判断cells
数组是否为空,3取cells
数组中的任意一个元素a判断是否为空,4是对a进行cas操作并将执行结果赋值标志位uncontended
。从这里可以给出第二个结论,当竞争激烈到一定程度无法对base
进行累加操作时,会对cells
数组中某个元素进行更新。
B、Striped64的cell:我们可以看到一个Cell的类,那这个类是是LongAdder
的父类Striped64
中的Cell
数组类型的成员变量。每个Cell
对象中都包含一个volatile的变量的value值,并提供对这个value值的CAS操作,且更改这个变量唯一的方式通过cas。LongAdder的高明之处可能在于将之前单个节点的并发分散到各个节点的(cell数组),这样从而提高在高并发时候的效率。
最后来看一下当上述条件无法全部满足时调用的Striped64.longAccumulate(x, null, uncontended)
方法。
LongAdder类,我们来看一下如何统计计数的sum方法:
/** * Returns the current sum. The returned value is <em>NOT</em> an * atomic snapshot; invocation in the absence of concurrent * updates returns an accurate result, but concurrent updates that * occur while the sum is being calculated might not be * incorporated. * * @return the sum */ 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; }
当计数的时候,将base和各个cell元素里面的值进行叠加,从而得到计算总数的目的。这里的问题是在计数的同时如果修改cell元素,有可能导致计数的结果不准确。
LongAdder在AtomicLong的基础上将单点的更新压力分散到各个节点,在低并发的时候通过对base的直接更新可以很好的保障和AtomicLong的性能基本保持一致,而在高并发的时候通过分散提高了性能。
缺点是LongAdder在统计的时候如果有并发更新,可能导致统计的数据有误差。