Java 8 并发: 原子变量和 ConcurrentMap

原文地址: Java 8 Concurrency Tutorial: Atomic Variables and ConcurrentMap

AtomicInteger

java.concurrent.atomic 包下有不少原子操做的类。 在有些状况下，原子操做能够在不使用 synchronized 关键字和锁的状况下解决多线程安全问题。

在内部，原子类大量使用 CAS, 这是大多数如今 CPU 支持的原子操做指令, 这些指令一般状况下比锁同步要快得多。若是须要同时改变一个变量, 使用原子类是极其优雅的。

如今选择一个原子类 AtomicInteger 做为例子

AtomicInteger atomicInt = new AtomicInteger(0);

ExecutorService executor = Executors.newFixedThreadPool(2);

IntStream.range(0, 1000)
    .forEach(i -> executor.submit(atomicInt::incrementAndGet));

stop(executor);

System.out.println(atomicInt.get());    // => 1000

使用 AtomicInteger 代替 Integer 能够在线程安全的环境中增长变量, 而不要同步访问变量。incrementAndGet() 方法是一个原子操做, 咱们能够在多线程中安全的调用。

AtomicInteger 支持多种的原子操做, updateAndGet() 方法接受一个 lambda 表达式，以便对整数作任何的算术运算。

AtomicInteger atomicInt = new AtomicInteger(0);

ExecutorService executor = Executors.newFixedThreadPool(2);

IntStream.range(0, 1000)
    .forEach(i -> {
        Runnable task = () ->
            atomicInt.updateAndGet(n -> n + 2);
        executor.submit(task);
    });

stop(executor);

System.out.println(atomicInt.get());    // => 2000

accumulateAndGet() 方法接受一个 IntBinaryOperator 类型的另外一种 lambda 表达式, 咱们是用这种方法来计算 1 -- 999 的和：

AtomicInteger atomicInt = new AtomicInteger(0);

ExecutorService executor = Executors.newFixedThreadPool(2);

IntStream.range(0, 1000)
    .forEach(i -> {
        Runnable task = () ->
            atomicInt.accumulateAndGet(i, (n, m) -> n + m);
        executor.submit(task);
    });

stop(executor);

System.out.println(atomicInt.get());    // => 499500

还有一些其余的原子操做类: AtomicBoolean AtomicLong AtomicReference

LongAdder

做为 AtomicLong 的替代, LongAdder 类能够用来连续地向数字添加值。

ExecutorService executor = Executors.newFixedThreadPool(2);

IntStream.range(0, 1000)
    .forEach(i -> executor.submit(adder::increment));

stop(executor);

System.out.println(adder.sumThenReset());   // => 1000

LongAdder 类和其余的整数原子操做类同样提供了 add() 和 increment() 方法, 同时也是线程安全的。但其内部的结果不是一个单一的值, 这个类的内部维护了一组变量来减小多线程的争用。实际结果能够经过调用 sum() 和 sumThenReset() 来获取。

当来自多线程的更新比读取更频繁时, 这个类每每优于其余的原子类。一般做为统计数据, 好比要统计 web 服务器的请求数量。 LongAdder 的缺点是会消耗更多的内存, 由于有一组变量保存在内存中。

LongAccumulator

LongAccumulator 是 LongAdder 的一个更通用的版本。它不是执行简单的添加操做, 类 LongAccumulator 围绕 LongBinaryOperator 类型的lambda表达式构建，如代码示例中所示：

LongBinaryOperator op = (x, y) -> 2 * x + y;
LongAccumulator accumulator = new LongAccumulator(op, 1L);

ExecutorService executor = Executors.newFixedThreadPool(2);

IntStream.range(0, 10)
    .forEach(i -> executor.submit(() -> accumulator.accumulate(i)));

stop(executor);

System.out.println(accumulator.getThenReset());     // => 2539

咱们使用函数 2 * x + y 和初始值1建立一个 LongAccumulator。 每次调用 accumulate(i) , 当前结果和值i都做为参数传递给`lambda 表达式。

像 LongAdder 同样, LongAccumulator 在内部维护一组变量以减小对线程的争用。

ConcurrentMap

ConcurrentMap 接口扩展了 Map 接口，并定义了最有用的并发集合类型之一。 Java 8 经过向此接口添加新方法引入了函数式编程。

在下面的代码片断中, 来演示这些新的方法：

ConcurrentMap<String, String> map = new ConcurrentHashMap<>();
map.put("foo", "bar");
map.put("han", "solo");
map.put("r2", "d2");
map.put("c3", "p0");

forEach() 接受一个类型为 BiConsumer 的 lambda 表达式, 并将 map 的 key 和 value 做为参数传递。

map.forEach((key, value) -> System.out.printf("%s = %s\n", key, value));

putIfAbsent() 方法只有当给定的 key 不存在时才将数据存入 map 中, 这个方法和 put 同样是线程安全的, 当多个线程访问 map 时不要作同步操做。

String value = map.putIfAbsent("c3", "p1");
System.out.println(value);    // p0

getOrDefault() 方法返回给定 key 的 value, 当 key 不存在时返回给定的值。

String value = map.getOrDefault("hi", "there");
System.out.println(value);    // there

replaceAll() 方法接受一个 BiFunction 类型的 lambda 表达式, 并将 key 和 value 做为参数传递，用来更新 value。

map.replaceAll((key, value) -> "r2".equals(key) ? "d3" : value);
System.out.println(map.get("r2"));    // d3

compute() 方法和 replaceAll() 方法有些相同, 不一样的是它多一个参数, 用来更新指定 key 的 value

map.compute("foo", (key, value) -> value + value);
System.out.println(map.get("foo"));   // barbar

ConcurrentHashMap

以上全部方法都是 ConcurrentMap 接口的一部分，所以可用于该接口的全部实现。 此外，最重要的实现 ConcurrentHashMap 已经进一步加强了一些新的方法来在 Map 上执行并发操做。

就像并行流同样，这些方法在 Java 8 中经过 ForkJoinPool.commonPool()提供特殊的 ForkJoinPool 。该池使用预设的并行性, 这取决于可用内核的数量。 个人机器上有四个CPU内核能够实现三种并行性：

System.out.println(ForkJoinPool.getCommonPoolParallelism());  // 3

经过设置如下 JVM 参数能够减小或增长此值：

-Djava.util.concurrent.ForkJoinPool.common.parallelism=5

咱们使用相同的示例来演示, 不过下面使用 ConcurrentHashMap 类型, 这样能够调用更多的方法。

ConcurrentHashMap<String, String> map = new ConcurrentHashMap<>();
map.put("foo", "bar");
map.put("han", "solo");
map.put("r2", "d2");
map.put("c3", "p0");

Java 8 引入了三种并行操做：forEach, search 和 reduce。 每一个操做都有四种形式, 分别用 key, value, entries和 key-value 来做为参数。

全部这些方法的第一个参数都是 parallelismThreshold 阀值。 该阈值表示操做并行执行时的最小收集大小。 例如, 若是传递的阈值为500，而且 map 的实际大小为499, 则操做将在单个线程上按顺序执行。 在下面的例子中，咱们使用一个阈值来强制并行操做。

ForEach

方法 forEach() 可以并行地迭代 map 的键值对。 BiConsumer 类型的 lambda 表达式接受当前迭代的 key 和 value。 为了可视化并行执行，咱们将当前线程名称打印到控制台。 请记住，在个人状况下，底层的 ForkJoinPool 最多使用三个线程。

map.forEach(1, (key, value) ->
    System.out.printf("key: %s; value: %s; thread: %s\n",
        key, value, Thread.currentThread().getName()));

// key: r2; value: d2; thread: main
// key: foo; value: bar; thread: ForkJoinPool.commonPool-worker-1
// key: han; value: solo; thread: ForkJoinPool.commonPool-worker-2
// key: c3; value: p0; thread: main

Search

search() 方法接受一个 BiFunction 类型的 lambda 表达式, 它能对 map 作搜索操做, 若是当前迭代不符合所需的搜索条件，则返回 null。 请记住，ConcurrentHashMap 是无序的。 搜索功能不该该取决于地图的实际处理顺序。 若是有多个匹配结果, 则结果多是不肯定的。

String result = map.search(1, (key, value) -> {
    System.out.println(Thread.currentThread().getName());
    if ("foo".equals(key)) {
        return value;
    }
    return null;
});
System.out.println("Result: " + result);

// ForkJoinPool.commonPool-worker-2
// main
// ForkJoinPool.commonPool-worker-3
// Result: bar

下面是对 value 的搜索

String result = map.searchValues(1, value -> {
    System.out.println(Thread.currentThread().getName());
    if (value.length() > 3) {
        return value;
    }
    return null;
});

System.out.println("Result: " + result);

// ForkJoinPool.commonPool-worker-2
// main
// main
// ForkJoinPool.commonPool-worker-1
// Result: solo

Reduce

reduce() 方法接受两个类型为 BiFunction 的 lambda 表达式。 第一个函数将每一个键值对转换为任何类型的单个值。 第二个函数将全部这些转换后的值组合成一个结果, 其中火忽略 null 值。

String result = map.reduce(1,
    (key, value) -> {
        System.out.println("Transform: " + Thread.currentThread().getName());
        return key + "=" + value;
    },
    (s1, s2) -> {
        System.out.println("Reduce: " + Thread.currentThread().getName());
        return s1 + ", " + s2;
    });

System.out.println("Result: " + result);

// Transform: ForkJoinPool.commonPool-worker-2
// Transform: main
// Transform: ForkJoinPool.commonPool-worker-3
// Reduce: ForkJoinPool.commonPool-worker-3
// Transform: main
// Reduce: main
// Reduce: main
// Result: r2=d2, c3=p0, han=solo, foo=bar