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。

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 ...

高并发中计数器的实现方式有哪些？