LongAdder和AtomicLong的区别？

#### 1. **基本概念** - **`AtomicLong`**： - 基于 **CAS（Compare-And-Swap）** 实现，是 JDK 提供的一种用于保证线程安全的原子性递增操作。 - 在多线程环境下，如果存在高并发竞争，`CAS` 操作可能会导致大量重试，从而影响性能。 - **`LongAdder`**： - JDK 1.8 引入，为了解决 `AtomicLong` 在高并发情况下性能不佳的问题。 - 通过分段技术，利用多个计数单元（`Cell`）分散并发竞争，提升性能。 #### 2. **实现原理** ##### **`AtomicLong` 实现原理** - 基于 `CAS`（硬件支持的原子性指令）。 - 底层通过 `Unsafe` 类的 `compareAndSet` 方法直接操作内存，实现对 `volatile` 变量的原子更新。 常见方法： ```java public final boolean compareAndSet(long expect, long update) { return unsafe.compareAndSwapLong(this, valueOffset, expect, update); } ``` - 竞争激烈时可能会出现频繁的 `CAS` 重试，从而降低性能。 ##### **`LongAdder` 实现原理** - 基于 **分段累加** 的思想，依赖于 `Striped64` 抽象类实现。 - `LongAdder` 通过一个 `base` 变量和一个 `cells` 数组来存储计数值： - `base`：低竞争时，直接通过 `CAS` 更新。 - `cells`：高竞争时，根据当前线程的哈希值将其分散到 `cells` 数组的不同位置，每个 `Cell` 独立存储一个计数值。 工作流程： 1. 先尝试通过 `CAS` 更新 `base`。 2. 如果 `CAS` 失败，说明竞争激烈，当前线程会尝试分配或使用一个 `Cell`。 3. 最终结果通过遍历 `base` 和所有 `Cell` 的值累加得出。 代码示例（`sum` 方法）： ```java public long sum() { Cell[] as = cells; long sum = base; if (as != null) { for (Cell a : as) { if (a != null) { sum += a.value; } } } return sum; } ``` #### 3. **优缺点** | 特性 | `AtomicLong` | `LongAdder` | |------------------|--------------------------------------|-----------------------------------------| | 实现机制 | 单点更新，基于 `CAS` | 分段累加，基于 `CAS` 和 `Cell` 分散竞争 | | 性能 | 并发竞争高时性能较差（频繁重试） | 并发竞争高时性能更优 | | 内存开销 | 占用空间小 | 空间换时间，占用更多内存 | | 数据准确性 | 精确 | 并发统计中可能会有短暂不精确 | #### 4. **适用场景** - **`AtomicLong`**： - 适合低并发场景。 - 对数据精确度要求较高的业务，例如银行账户余额更新。 - **`LongAdder`**： - 适合高并发场景。 - 对数据精确度要求相对较低的业务，例如网站访问量、点赞数、统计计数等。 #### 5. **`LongAdder` 的结果可能不准确** 在并发更新时，`LongAdder` 的累加结果可能并非一个精确的“快照”，因为： - `sum` 方法在计算总和时，可能有其他线程正在对 `base` 或 `cells` 进行更新。 - JDK 源码明确说明： > Returns the current sum. The returned value is NOT an atomic snapshot; invocation in the absence of concurrent updates returns an accurate result, but concurrent updates that occur while the sum is being calculated might not be incorporated. 尽管如此，对于一些统计类场景，这种“不精确性”通常是可以接受的。 #### 6. **扩展：`DoubleAdder`** - `DoubleAdder` 是 JDK 1.8 提供的另一个分段累加类，专门用于浮点数的原子操作。 - 与 `LongAdder` 实现原理相同，只是存储的数据类型变成了 `double`。 ### 总结 - `AtomicLong` 适合低并发、精确度要求高的场景。 - `LongAdder` 适合高并发、对数据精确度要求不高的场景。 - `LongAdder` 通过分散竞争有效提升性能，但在计算过程中可能会有一定的不精确性，具体选用需视业务需求而定。