java高并发系列 - 第32天：高并发中计数器的实现方式有哪些？
这是java高并发系列第32篇文章。java
java环境：jdk1.8。算法
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，需保证多线程状况下数据正确性。安全
咱们来模拟50个线程，每一个线程对计数器递增100万次，最终结果应该是5000万。微信
咱们使用4种方式实现，看一下其性能，而后引出为何须要使用LongAdder、LongAccumulator。多线程
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：并发
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毫秒框架
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：jvm
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ide
AtomicLong内部采用CAS的方式实现，并发量大的状况下，CAS失败率比较高，致使性能比synchronized还低一些。并发量不是太大的状况下，CAS性能仍是能够的。函数
AtomicLong属于JUC中的原子类，还不是很熟悉的能够看一下：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做为成员变量，而后使用循环的CAS操做去操做value的值，并发量比较大的状况下，CAS操做失败的几率较高，内部失败了会重试，致使耗时可能会增长。
LongAdder是JDK1.8开始出现的，所提供的API基本上能够替换掉原先的AtomicLong。LongAdder在并发量比较大的状况下，操做数据的时候，至关于把这个数字分红了不少份数字，而后交给多我的去管控，每一个管控者负责保证部分数字在多线程状况下操做的正确性。当多线程访问的时，经过hash算法映射到具体管控者去操做数据，最后再汇总全部的管控者的数据，获得最终结果。至关于下降了并发状况下锁的粒度，因此效率比较高，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()建立一个LongAdder对象，内部数字初始值是0，调用increment()方法能够对LongAdder内部的值原子递增1。reset()方法能够重置LongAdder的值，使其归0。
方式4：LongAccumulator实现
LongAccumulator介绍
LongAccumulator是LongAdder的功能加强版。LongAdder的API只有对数值的加减，而LongAccumulator提供了自定义的函数操做，其构造函数以下：
/**
* accumulatorFunction：须要执行的二元函数（接收2个long做为形参，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差很少，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的地方能够直接替换为LongAdder、LongAccumulator，吞吐量更高一些。
java高并发系列目录
- 第1天:必须知道的几个概念
- 第2天:并发级别
- 第3天:有关并行的两个重要定律
- 第4天:JMM相关的一些概念
- 第5天:深刻理解进程和线程
- 第6天:线程的基本操做
- 第7天:volatile与Java内存模型
- 第8天:线程组
- 第9天：用户线程和守护线程
- 第10天:线程安全和synchronized关键字
- 第11天:线程中断的几种方式
- 第12天JUC:ReentrantLock重入锁
- 第13天:JUC中的Condition对象
- 第14天:JUC中的LockSupport工具类，必备技能
- 第15天：JUC中的Semaphore（信号量）
- 第16天：JUC中等待多线程完成的工具类CountDownLatch，必备技能
- 第17天：JUC中的循环栅栏CyclicBarrier的6种使用场景
- 第18天：JAVA线程池，这一篇就够了
- 第19天：JUC中的Executor框架详解1
- 第20天：JUC中的Executor框架详解2
- 第21天：java中的CAS，你须要知道的东西
- 第22天：JUC底层工具类Unsafe，高手必需要了解
- 第23天：JUC中原子类，一篇就够了
- 第24天：ThreadLocal、InheritableThreadLocal（通俗易懂）
- 第25天：掌握JUC中的阻塞队列
- 第26篇：学会使用JUC中常见的集合，常看看！
- 第27天：实战篇，接口性能提高几倍原来这么简单
- 第28天：实战篇，微服务日志的伤痛，一并帮你解决掉
- 第29天：高并发中常见的限流方式
- 第30天：JUC中工具类CompletableFuture，必备技能
- 第31天：获取线程执行结果，这6种方法你都知道？
阿里p7一块儿学并发，公众号：路人甲java，天天获取最新文章！
相关文章
- 1. java并发系列 - 第29天：高并发中常见的限流方式
- 2. java高并发系列 - 第2天:并发级别
- 3. java高并发系列 - 第13天:JUC中的Condition对象
- 4. 高并发第一天——详解高并发中的术语之并发/并行
- 5. java高并发系列 - 第11天:线程中断的几种方式
- 6. java高并发系列 - 第3天:有关并行的两个重要定律
- 7. java高并发系列-第3天:有关并行的两个重要定律
- 8. [高并发]Java高并发编程系列开山篇--线程实现
- 9. 高并发计数器
- 10. java高并发系列 - 第7天:volatile与Java内存模型
- 更多相关文章...
- • 高并发系统的分析和设计 - 红包项目实战
- • Rust 并发编程 - RUST 教程
- • Docker容器实战(七) - 容器眼光下的文件系统
- • ☆基于Java Instrument的Agent实现
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章