Java 多线程学习（4）浅析 LongAdder、LongAccumulator 和 Striped64 的底层实现原理

转载请注明原创出处，谢谢！

HappyFeet的博客

LongAdder、LongAccumulator 和 Striped64，其实还有 DoubleAdder 和 DoubleAccumulator，这几个类是 j.u.c 包的作者 Doug Lea 在 JDK 1.8 版本的时候加进来的。

由于这几个类的实现几乎一模一样，所以这里仅以 LongAdder 为例，分析其底层实现原理。

1、LongAdder 和 AtomicLong

AtomicLong 是通过 CAS 来对一个 value 做原子更新操作。在竞争程度较低的时候，它的效率很高。但是在竞争激烈的情况下，CAS 很容易失败。

LongAdder 可以理解为加强版的 AtomicLong，但是又有一点点区别。

在竞争程度低的时候，LongAdder 和 AtomicLong 的特点是一样的。但是在竞争激烈的情况下，它的性能会优于 AtomicLong，不过它不能保证 sum 返回值的准确性（具体原因后面会讲到）。

下面我们来看看 LongAdder 为什么在竞争激烈的情形下性能要优于 AtomicLong。

2、LongAdder 的底层实现原理

transient volatile long base;
transient volatile Cell[] cells;

首先 LongAdder 维护了一个 base 值，这个值和 AtomicLong 中的 value 的作用一样；除此之外，它还维护了一个 Cell[] cells 数组，初始值为 null，只有在对 base 执行 CAS 更新失败时（说明竞争激烈）才会用到 cells 这个数组。

Cell 类很简单，里面就放了一个 value 和一个支持 CAS 更新 value 的 cas 方法。

并且如果看过 HashMap 底层实现的话，你会发现这个 cells 数组跟 HashMap 中的数组很像，特别像。它长度是 2 的 n 次幂，也是通过 h & (length - 1) 来获取数组的下标。

当 n 个线程同时执行 add 方法时，

对于 AtomicLong 来说只会有一个线程会执行成功，剩下的都会失败进入自旋，最终看起来就像是串行的在执行。
而对于 LongAdder，它会根据线程的 probe 值（ Thread 类中的 threadLocalRandomProbe 字段）求得一个 cells 的数组下标，获取到 cell 值。n 个线程被分散到不同的 cell 中，在执行 CAS 的时候也就不会失败了。

这里可以想一下如果出现哈希冲突，会是一个什么样的情况？

下面我们来看看 LongAdder 的核心实现逻辑：LongAdder 中的 add 方法和Striped64 中的 longAccumulate 方法。

（1）LongAdder 中的 add 方法

public void add(long x) {Cell[] as; long b, v; int m; Cell a;if ((as = cells) != null || !casBase(b = base, b + x)) {boolean uncontended = true;if (as == null || (m = as.length - 1) < 0 ||(a = as[getProbe() & m]) == null ||!(uncontended = a.cas(v = a.value, v + x)))longAccumulate(x, null, uncontended);}
}

流程图大致是这样子的：

（2）Striped64 中的 longAccumulate 方法：

final void longAccumulate(long x, LongBinaryOperator fn,boolean wasUncontended)

longAccumulate 方法很多个逻辑分支，就不一一分析每个 if 代表什么含义了，这里主要讲一讲它的思路。

（1）首先，它是一个死循环，只有在 x 的值成功加到 base 或者 cells 中才会跳出循环；
（2）它通过 probe & (length - 1) 将多个线程分流，分散到不同的 cells 中，从而减小了 CAS 失败的概率；
（3）cells 会随着竞争程度的升高而扩容，当达到最大值（大于等于 CPU 的数量）后不再扩容。

当超过 CPU 数量之后再扩容就没有意义了，可以思考一下为什么？
（4）通过 CAS 和一个 int 变量（cellsBusy）实现了一个自旋锁，在初始化和扩容 cells 的时候同步。

如果想知道 longAccumulate 方法每一个 if 具体做了啥，可以参考文末参考资料的第一个链接。

3、LongAdder 的特点及适用场景

从前面可以知道，LongAdder 把值加到了 base 和 cells 数组每个元素的 value 中，所以最终的结果应该是这些属性加起来。

我们来看它的 sum 方法实现：

public long sum() {Cell[] as = cells; Cell a;long sum = base;if (as != null) {for (int i = 0; i < as.length; ++i) {if ((a = as[i]) != null)sum += a.value;}}return sum;
}

sum 方法是返回当前总和，但这个返回值并不是一个原子快照。什么意思呢？

假如在 sum 的过程中，没有线程调用 add 方法，这种情况下返回的值是准确的；但在这个过程中，cell[0] 已经被加过了，这时恰好有一个线程调用了 add 方法，对 cell[0] 作了更新，但这个时候 sum 方法已经统计不到了，所以这种值不会被加进来。

所以它的特点总结起来就是：

在高并发下有更好的性能表现；
但高并发下不能保证 sum 返回值的准确性；

所以对于高并发、且对于统计值的精确性不是特别高的场景比较适合使用 LongAdder。

例如一些网站上的实时在线人数统计、实时弹幕条数这种。而如果对准确性有严格要求的话，就只能使用 AtomicLong 了。

4、一些思考

LongAdder 体现了用空间换时间的思想
到底哪些情况下会用到 LongAdder 呢？（由于目前并没有在业务上遇到过需要使用 LongAdder 的情况，所以只能根据它的特点思考可能使用会使用 LongAdder 的场景。）

最后写给自己的话：勤能补拙，有付出才会有回报！手动给自己点个赞~ (*╹▽╹*)

参考资料：

（1）LongAdder类学习笔记

（2）深入剖析LongAdder是咋干活的