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 |
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? |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |