高并发中计数器的实现方式有哪些?
1.概述
转载:添加链接描述
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。
2.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AtomicLon
g。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。
高并发中计数器的实现方式有哪些?相关推荐
- 高并发中的 限流、熔断、降级、预热、背压你都知道是什么意思吗?
首先,我们需要明确一下这几个名词出现的场景:分布式高并发环境.如果你的产品卖相不好,没人鸟它,那它就用不着这几个属性.不需要任何加成,低并发系统就能工作的很好. 分布式系统是一个整体,调用关系错综复杂 ...
- mysql点击计数器_MySql计数器,如网站点击数,如何实现高性能高并发的计数器功能...
MySql计数器,如网站点击数,如何实现高性能高并发的计数器功能 Clicks: 5338 Date: 2014-03-29 23:30:42 Power By 李轩Lane TagMysql计数器高 ...
- 如何理解高并发中的协程?协程的实现和历史
<Libco是一个C/C++协程库,在微信服务中广泛使用> <协程到底是什么?> <如何理解高并发中的协程?协程的实现和历史> 目录 普通的函数 从普通函数到协程 ...
- 从根上理解高性能、高并发(五):深入操作系统,理解高并发中的协程
本文原题"程序员应如何理解高并发中的协程",转载请联系作者. 1.系列文章引言 1.1 文章目的 作为即时通讯技术的开发者来说,高性能.高并发相关的技术概念早就了然与胸,什么线程池 ...
- redis 的incr 高并发 原子性计数器
前言:6月底 公司录单的人比较多,由于先前的系统用的同步锁 ,我们是多服务实例,导致出现重复单号的问题,我想到的解决办法有两种 ,第一种是 Redis锁 第二种是自增key,下面实现的是用第二种方法 ...
- 程序员应如何理解高并发中的协程
来源 | 码农的荒岛求生 责编 | 晋兆雨 头图 | 付费下载于视觉中国 作为程序员,想必你多多少少听过协程这个词,这项技术近年来越来越多的出现在程序员的视野当中,尤其高性能高并发领域.当你的同学.同 ...
- 高并发中,那些不得不说的线程池与ThreadPoolExecutor类
摘要:从整体上认识下线程池中最核心的类之一--ThreadPoolExecutor,关于ThreadPoolExecutor的底层原理和源码实现,以及线程池中的其他技术细节的底层原理和源码实现. 本文 ...
- 实现高并发秒杀的七种方式
引言 商品秒杀-超卖 解决商品超卖 方式一(改进版加锁) 方式二(AOP版加锁) 方式三(悲观锁一) 方式四(悲观锁二) 方式五(乐观锁) 方式六(阻塞队列) 方式七(Disruptor队列) 小结 ...
- 20张图,带你搞懂高并发中的线程与线程池!
来源 | 码农的荒岛求生 从这篇开始将会开启高性能.高并发系列,本篇是该系列的开篇,主要关注多线程以及线程池. 一切要从CPU说起 你可能会有疑问,讲多线程为什么要从CPU说起呢?原因很简单,在这里没 ...
最新文章
- 爬虫之 lxml模块的安装与使用示例
- 视频监控智能算法的关键问题分析
- css3弹性盒子模型之box-flex
- MyBatis框架学习:<select>节点中的resultType和resultMap属性
- java.io.CharConversionException: Not an ISO 8859-1 character:
- PHP中的多行字符串传递给JavaScript方法两则
- 分治算法---汉诺塔
- virtualbox怎么共享文件夹 linux,Virtualbox中Ubuntu设置共享文件夹
- 大型网站技术架构(五)网站高可用架构
- idea中导入jdbc驱动步骤详解
- php 用户数,php-获得最高数量,产品/用户数
- Netty+SpringBoot+FastDFS+Html5实现聊天App详解(四)
- Pycharm中SQL语句提示SQL Dialect is Not Configured
- openai-gpt_为什么GPT-3感觉像是编程
- 计算机硬盘序列号是空白,为什么小弟我的获取硬盘序列号的代码,在有些电脑下没法获取到硬盘序列号,即返回值为空白...
- ET5.0 配置Excel
- Python爬虫——Scrapy Spiders
- linux原生桌面,亲手打造自己的Linux桌面环境
- 【数据库内核】数据库核心技术演进之路
- OJ 1308 让人头疼的“双十一”
热门文章
- 外媒:高通、微软和谷歌担忧英伟达收购Arm将损害竞争
- CES 2021落下帷幕 未来3年展会时间已公布
- 150家通用经销商决定退出凯迪拉克品牌 因不愿投资于销售电动车
- 高通骁龙888来了!新命名就是为了中国,小米11将全球首发
- 小米10至尊纪念版DXO第一 雷军:这是小米打拼三年第二次登顶
- 美国三大股指周五收高 费城半导体指数逆势微跌0.33%
- 丰巢快递将强制收费引网友吐槽,全国第一驿站表示继续免费
- 支付宝App采用华为方舟编译器几乎秒开?支付宝回应:华为好棒,加油
- 会玩!抖音上线拉春联特效 “拜个抖音年”活动参与人数超65万
- java httpresponse headres属性,Http Header里的Content-Type - 飞鸿影~ - 博客园