java高并发系列

您所在的位置：网站首页 › 哪个io在并发情况下性能最好 › java高并发系列

java高并发系列

2024-04-16 07:57| 来源: 网络整理| 查看: 265

这是java高并发系列第32篇文章。

java环境：jdk1.8。

本文主要内容4种方式实现计数器功能，对比其性能介绍LongAdder介绍LongAccumulator

需求：一个jvm中实现一个计数器功能，需保证多线程情况下数据正确性。

我们来模拟50个线程，每个线程对计数器递增100万次，最终结果应该是5000万。

我们使用4种方式实现，看一下其性能，然后引出为什么需要使用LongAdder、LongAccumulator。

方式一：synchronized方式实现package com.itsoku.chat32; import java.util.ArrayList; import java.util.List; import java.util.concurrent.CompletableFuture; import java.util.concurrent.CountDownLatch; import java.util.concurrent.ExecutionException; import java.util.concurrent.atomic.LongAccumulator; /** * 跟着阿里p7学并发，微信公众号：javacode2018 */ public class Demo1 { static int count = 0; public static synchronized void incr() { count++; } public static void main(String[] args) throws ExecutionException, InterruptedException { for (int i = 0; i < 10; i++) { count = 0; m1(); } } private static void m1() throws InterruptedException { long t1 = System.currentTimeMillis(); int threadCount = 50; CountDownLatch countDownLatch = new CountDownLatch(threadCount); for (int i = 0; i < threadCount; i++) { new Thread(() -> { try { for (int j = 0; j < 1000000; j++) { incr(); } } finally { countDownLatch.countDown(); } }).start(); } countDownLatch.await(); long t2 = System.currentTimeMillis(); System.out.println(String.format("结果：%s,耗时(ms)：%s", count, (t2 - t1))); } }

输出：

结果：50000000,耗时(ms)：1437 结果：50000000,耗时(ms)：1913 结果：50000000,耗时(ms)：386 结果：50000000,耗时(ms)：383 结果：50000000,耗时(ms)：381 结果：50000000,耗时(ms)：382 结果：50000000,耗时(ms)：379 结果：50000000,耗时(ms)：379 结果：50000000,耗时(ms)：392 结果：50000000,耗时(ms)：384

平均耗时：390毫秒

方式2：AtomicLong实现package com.itsoku.chat32; import java.util.concurrent.CountDownLatch; import java.util.concurrent.ExecutionException; import java.util.concurrent.atomic.AtomicLong; /** * 跟着阿里p7学并发，微信公众号：javacode2018 */ public class Demo2 { static AtomicLong count = new AtomicLong(0); public static void incr() { count.incrementAndGet(); } public static void main(String[] args) throws ExecutionException, InterruptedException { for (int i = 0; i < 10; i++) { count.set(0); m1(); } } private static void m1() throws InterruptedException { long t1 = System.currentTimeMillis(); int threadCount = 50; CountDownLatch countDownLatch = new CountDownLatch(threadCount); for (int i = 0; i < threadCount; i++) { new Thread(() -> { try { for (int j = 0; j < 1000000; j++) { incr(); } } finally { countDownLatch.countDown(); } }).start(); } countDownLatch.await(); long t2 = System.currentTimeMillis(); System.out.println(String.format("结果：%s,耗时(ms)：%s", count, (t2 - t1))); } }

输出：

结果：50000000,耗时(ms)：971 结果：50000000,耗时(ms)：915 结果：50000000,耗时(ms)：920 结果：50000000,耗时(ms)：923 结果：50000000,耗时(ms)：910 结果：50000000,耗时(ms)：916 结果：50000000,耗时(ms)：923 结果：50000000,耗时(ms)：916 结果：50000000,耗时(ms)：912 结果：50000000,耗时(ms)：908

平均耗时：920毫秒

AtomicLong内部采用CAS的方式实现，并发量大的情况下，CAS失败率比较高，导致性能比synchronized还低一些。并发量不是太大的情况下，CAS性能还是可以的。

AtomicLong属于JUC中的原子类，还不是很熟悉的可以看一下：JUC中原子类，一篇就够了

方式3：LongAdder实现

先介绍一下LongAdder，说到LongAdder，不得不提的就是AtomicLong，AtomicLong是JDK1.5开始出现的，里面主要使用了一个long类型的value作为成员变量，然后使用循环的CAS操作去操作value的值，并发量比较大的情况下，CAS操作失败的概率较高，内部失败了会重试，导致耗时可能会增加。

LongAdder是JDK1.8开始出现的，所提供的API基本上可以替换掉原先的AtomicLong。LongAdder在并发量比较大的情况下，操作数据的时候，相当于把这个数字分成了很多份数字，然后交给多个人去管控，每个管控者负责保证部分数字在多线程情况下操作的正确性。当多线程访问的时，通过hash算法映射到具体管控者去操作数据，最后再汇总所有的管控者的数据，得到最终结果。相当于降低了并发情况下锁的粒度，所以效率比较高，看一下下面的图，方便理解：

代码：

package com.itsoku.chat32; import java.util.concurrent.CountDownLatch; import java.util.concurrent.ExecutionException; import java.util.concurrent.atomic.AtomicLong; import java.util.concurrent.atomic.LongAdder; /** * 跟着阿里p7学并发，微信公众号：javacode2018 */ public class Demo3 { static LongAdder count = new LongAdder(); public static void incr() { count.increment(); } public static void main(String[] args) throws ExecutionException, InterruptedException { for (int i = 0; i < 10; i++) { count.reset(); m1(); } } private static void m1() throws ExecutionException, InterruptedException { long t1 = System.currentTimeMillis(); int threadCount = 50; CountDownLatch countDownLatch = new CountDownLatch(threadCount); for (int i = 0; i < threadCount; i++) { new Thread(() -> { try { for (int j = 0; j < 1000000; j++) { incr(); } } finally { countDownLatch.countDown(); } }).start(); } countDownLatch.await(); long t2 = System.currentTimeMillis(); System.out.println(String.format("结果：%s,耗时(ms)：%s", count.sum(), (t2 - t1))); } }

输出：

结果：50000000,耗时(ms)：206 结果：50000000,耗时(ms)：105 结果：50000000,耗时(ms)：107 结果：50000000,耗时(ms)：107 结果：50000000,耗时(ms)：105 结果：50000000,耗时(ms)：99 结果：50000000,耗时(ms)：106 结果：50000000,耗时(ms)：102 结果：50000000,耗时(ms)：106 结果：50000000,耗时(ms)：102

平均耗时：100毫秒

代码中new LongAdder()创建一个LongAdder对象，内部数字初始值是0，调用increment()方法可以对LongAdder内部的值原子递增1。reset()方法可以重置LongAdder的值，使其归0。

方式4：LongAccumulator实现

LongAccumulator介绍

LongAccumulator是LongAdder的功能增强版。LongAdder的API只有对数值的加减，而LongAccumulator提供了自定义的函数操作，其构造函数如下：

/** * accumulatorFunction：需要执行的二元函数（接收2个long作为形参，并返回1个long） * identity：初始值 **/ public LongAccumulator(LongBinaryOperator accumulatorFunction, long identity) { this.function = accumulatorFunction; base = this.identity = identity; }

示例代码：

package com.itsoku.chat32; import java.util.concurrent.CountDownLatch; import java.util.concurrent.ExecutionException; import java.util.concurrent.atomic.LongAccumulator; import java.util.concurrent.atomic.LongAdder; /** * 跟着阿里p7学并发，微信公众号：javacode2018 */ public class Demo4 { static LongAccumulator count = new LongAccumulator((x, y) -> x + y, 0L); public static void incr() { count.accumulate(1); } public static void main(String[] args) throws ExecutionException, InterruptedException { for (int i = 0; i < 10; i++) { count.reset(); m1(); } } private static void m1() throws ExecutionException, InterruptedException { long t1 = System.currentTimeMillis(); int threadCount = 50; CountDownLatch countDownLatch = new CountDownLatch(threadCount); for (int i = 0; i < threadCount; i++) { new Thread(() -> { try { for (int j = 0; j < 1000000; j++) { incr(); } } finally { countDownLatch.countDown(); } }).start(); } countDownLatch.await(); long t2 = System.currentTimeMillis(); System.out.println(String.format("结果：%s,耗时(ms)：%s", count.longValue(), (t2 - t1))); } }

输出：

结果：50000000,耗时(ms)：138 结果：50000000,耗时(ms)：111 结果：50000000,耗时(ms)：111 结果：50000000,耗时(ms)：103 结果：50000000,耗时(ms)：103 结果：50000000,耗时(ms)：105 结果：50000000,耗时(ms)：101 结果：50000000,耗时(ms)：106 结果：50000000,耗时(ms)：102 结果：50000000,耗时(ms)：103

平均耗时：100毫秒

LongAccumulator的效率和LongAdder差不多，不过更灵活一些。

调用new LongAdder()等价于new LongAccumulator((x, y) -> x + y, 0L)。

从上面4个示例的结果来看，LongAdder、LongAccumulator全面超越同步锁及AtomicLong的方式，建议在使用AtomicLong的地方可以直接替换为LongAdder、LongAccumulator，吞吐量更高一些。

java高并发系列目录

1.java高并发系列-第1天:必须知道的几个概念

2.java高并发系列-第2天:并发级别

3.java高并发系列-第3天:有关并行的两个重要定律

4.java高并发系列 - 第4天:JMM相关的一些概念

5.java并发系列第5天-深入理解进程和线程

6.java高并发系列 - 第6天:线程的基本操作

7.java高并发系列 - 第7天:volatile与Java内存模型

8.java高并发系列 - 第8天:线程组

9.java高并发系列 - 第9天:用户线程和守护线程

10.java高并发系列 - 第10天:线程安全和synchronized关键字

11.java高并发系列 - 第11天:线程中断的几种方式

12.java高并发系列 - 第12天JUC:ReentrantLock重入锁

13.java高并发系列 - 第13天:JUC中的Condition对象

14.java高并发系列 - 第14天:JUC中的LockSupport工具类

15.java高并发系列 - 第15天：JUC中的Semaphore（信号量）

16.java高并发系列 - 第16天：JUC中等待多线程完成的工具类CountDownLatch

17.java高并发系列 - 第17天：JUC中的循环栅栏CyclicBarrier的6种使用场景

18.java高并发系列 - 第18天：JAVA线程池，这一篇就够了

19.java高并发系列 - 第19天：JUC中的Executor框架详解1

20.java高并发系列 - 第20天：JUC中的Executor框架详解2

21.java高并发系列 -第21天：java中的CAS

22.java高并发系列 -第22天：JUC底层工具类Unsafe，高手必须要了解

23.java高并发系列 -第23天：JUC中原子类，一篇就够了

24.java高并发系列 -第24天：ThreadLocal、InheritableThreadLocal（通俗易懂）

25.java高并发系列 -第25天：掌握JUC中的阻塞队列

26.java高并发系列 -第26篇：学会使用JUC中常见的集合，常看看！

27.java高并发系列 -第27天：实战篇，接口性能提升几倍原来这么简单

28.java高并发系列 -第28天：实战篇，微服务日志的伤痛，一并帮你解决掉

29.java高并发系列 -第29天：高并发中常见的限流方式

30.java高并发系列 -第30天：JUC中工具类CompletableFuture，必备技能

31.java高并发系列 -第31天：获取线程执行结果，这6种方法你都知道？

【本文地址】

公司简介

联系我们

今日新闻

推荐新闻

专题文章