AtomicInteger

java.concurrent.atomic 包下有很多原子操作的类。 在有些情况下，原子操作可以在不使用 synchronized 关键字和锁的情况下解决多线程安全问题。

在内部，原子类大量使用 CAS, 这是大多数现在 CPU 支持的原子操作指令, 这些指令通常情况下比锁同步要快得多。如果需要同时改变一个变量, 使用原子类是极其优雅的。

现在选择一个原子类 AtomicInteger 作为例子

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 可以在线程安全的环境中增加变量, 而不要同步访问变量。incrementAndGet() 方法是一个原子操作, 我们可以在多线程中安全的调用。

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

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 类型的另一种 lambda 表达式, 我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

LongAdder

作为 AtomicLong 的替代, LongAdder 类可以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 类和其他的整数原子操作类一样提供了 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少多线程的争用。实际结果可以通过调用 sum() 和 sumThenReset() 来获取。

当来自多线程的更新比读取更频繁时, 这个类往往优于其他的原子类。通常作为统计数据, 比如要统计 web 服务器的请求数量。 LongAdder 的缺点是会消耗更多的内存, 因为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作, 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

我们使用函数 2 * x + y 和初始值1创建一个 LongAccumulator。 每次调用 accumulate(i) , 当前结果和值i都作为参数传递给`lambda 表达式。

像 LongAdder 一样, LongAccumulator 在内部维护一组变量以减少对线程的争用。

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 通过向此接口添加新方法引入了函数式编程。

在下面的代码片段中, 来演示这些新的方法：

ConcurrentMap 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 作为参数传递。

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 一样是线程安全的, 当多个线程访问 map 时不要做同步操作。

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 作为参数传递，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, 不同的是它多一个参数, 用来更新指定 key 的 value

map.compute("foo", (key, value) -> value + value);

System.out.println(map.get("foo")); // barbar

ConcurrentHashMap

以上所有方法都是 ConcurrentMap 接口的一部分，因此可用于该接口的所有实现。 此外，最重要的实现 ConcurrentHashMap 已经进一步增强了一些新的方法来在 Map 上执行并发操作。

就像并行流一样，这些方法在 Java 8 中通过 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。 我的机器上有四个CPU内核可以实现三种并行性：

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

通过设置以下 JVM 参数可以减少或增加此值：

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

我们使用相同的示例来演示, 不过下面使用 ConcurrentHashMap 类型, 这样可以调用更多的方法。

ConcurrentHashMap map = new ConcurrentHashMap<>();

map.put("foo", "bar");

map.put("han", "solo");

map.put("r2", "d2");

map.put("c3", "p0");

Java 8 引入了三种并行操作：forEach, search 和 reduce。 每个操作都有四种形式, 分别用 key, value, entries和 key-value 来作为参数。

所有这些方法的第一个参数都是 parallelismThreshold 阀值。 该阈值表示操作并行执行时的最小收集大小。 例如, 如果传递的阈值为500，并且 map 的实际大小为499, 则操作将在单个线程上按顺序执行。 在下面的例子中，我们使用一个阈值来强制并行操作。

ForEach

方法 forEach() 能够并行地迭代 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，我们将当前线程名称打印到控制台。 请记住，在我的情况下，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 做搜索操作, 如果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。 搜索功能不应该取决于地图的实际处理顺序。 如果有多个匹配结果, 则结果可能是不确定的。

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。 第一个函数将每个键值对转换为任何类型的单个值。 第二个函数将所有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