【078期】java.util.* 并发包下 LongAdder 和 AtomicLong 哪个性能更好，为什么？

点击上方“Java精选”，选择“设为星标”

别问别人为什么，多问自己凭什么！

下方留言必回，有问必答！

每天 08:00 更新文章，每天进步一点点...

概述

AtomicLong是作者Doug Lea在jdk1.5版本发布于java.util.concurrent.atomic并发包下的类。而LongAdder是道格·利（Doug Lea的中文名）在java8中发布的类。

有了AtomicLong为何还需要LongAdder？

在这里，就不得不分析一下AtomicLong的缺点了。

先来看一下AtomicLong.incrementAndGet()方法的源码

/**
 * Atomically increments by one the current value.
 *
 * @return the updated value
 */
public final long incrementAndGet() {
    return unsafe.getAndAddLong(this, valueOffset, 1L) + 1L;
}

接着跟踪Unsafe类的getAndAddLong方法

图：Unsafe类的getAndAddLong方法

可以清楚地看到，AtomicLong的原子性自增操作，是通过CAS实现的。

在多线程竞争不激烈的情况下，这样做是合适的。但是如果线程竞争激烈，会造成大量线程在原地打转、不停尝试去修改值，但是老是发现值被修改了，于是继续自旋。这样浪费了大量的CPU资源。

而且，由于AtomicLong持有的成员变量value是volatile关键字修饰的，线程修改了临界资源后，需要刷新到其他线程，也是要费一番功夫的。

画个图来理解：

图：volatile刷新共享内存。

而LongAdder也有一个volatile修饰的base值，但是当竞争激烈时，多个线程并不会一直自旋来修改这个值，而是采用了分段的思想。竞争激烈时，各个线程会分散累加到自己所对应的Cell[]数组的某一个数组对象元素中，而不会大家共用一个。

这样做，可以把不同线程对应到不同的Cell中进行修改，降低了对临界资源的竞争。本质上，是用空间换时间。

LongAdder 和 AtomicLong 的性能对比

分析了半天，没有证据，还是不能让人信服的。唯有证明一下，才能心服口服。

接下来，我会创建一个容量为1,000的固定线程池，然后提交100倍于线程池容量的线程，每个线程中，对临界资源进行+1操作。等所有线程执行结束后，统计运行时长，并关闭线程池。临界资源分别使用AtomicLong和LongAdder表示，来对比二者的区别。

首先尝试让每个线程进行100次+1操作，最后的累加结果应该为：线程数×100=1,000×100×100 = 10,000,000

AtomicLongDemo.java

import java.text.NumberFormat;
import java.util.ArrayList;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.Future;
import java.util.concurrent.atomic.AtomicLong;

/**
 * <pre>
 * 程序目的：演示 AtomicInteger、AtomicLong 在高并发下性能不好
 * 在16个线程下使用AtomicLong。
 * 每次值发生变化时，都会刷新回主内存，竞争激烈时，这样的 flush 和 refresh 操作耗费了很多资源，而且 CAS 也会经常失败
 * </pre>
 * created at 2020/8/11 06:11
 * @author lerry
 */
public class AtomicLongDemo {
 /**
  * 线程池内线程数
  */
 final static int POOL_SIZE = 1000;

 public static void main(String[] args) throws InterruptedException {
  long start = System.currentTimeMillis();

  AtomicLong counter = new AtomicLong(0);
  ExecutorService service = Executors.newFixedThreadPool(POOL_SIZE);

  ArrayList<Future> futures = new ArrayList<>(POOL_SIZE);
  for (int i = 0; i < POOL_SIZE * 100; i++) {
   futures.add(service.submit(new Task(counter)));
  }

  // 等待所有线程执行完
  for (Future future : futures) {
   try {
    future.get();
   }
   catch (ExecutionException e) {
    e.printStackTrace();
   }
  }

  NumberFormat numberFormat = NumberFormat.getInstance();
  System.out.printf("统计结果为：[%s]\n", numberFormat.format(counter.get()));
  System.out.printf("耗时：[%d]毫秒", (System.currentTimeMillis() - start));
  // 关闭线程池
  service.shutdown();
 }

 /**
  * 有一个 AtomicLong 成员变量，每次执行N次+1操作
  */
 static class Task implements Runnable {

  private final AtomicLong counter;

  public Task(AtomicLong counter) {
   this.counter = counter;
  }

  /**
   * 每个线程执行N次+1操作
   */
  @Override
  public void run() {
   for (int i = 0; i < 100; i++) {
    counter.incrementAndGet();
   }
  }// end run
 }// end class
}

LongAdderDemo.java

import java.text.NumberFormat;
import java.util.ArrayList;
import java.util.concurrent.ExecutionException;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.Future;
import java.util.concurrent.atomic.LongAdder;

/**
 * <pre>
 * 程序目的：和 AtomicLong 进行性能对比
 * </pre>
 * created at 2020/8/11 06:25
 * @author lerry
 */
public class LongAdderDemo {
 /**
  * 线程池内线程数
  */
 final static int POOL_SIZE = 1000;

 public static void main(String[] args) throws InterruptedException {
  long start = System.currentTimeMillis();

  LongAdder counter = new LongAdder();
  ExecutorService service = Executors.newFixedThreadPool(POOL_SIZE);

  ArrayList<Future> futures = new ArrayList<>(POOL_SIZE);
  for (int i = 0; i < POOL_SIZE * 100; i++) {
   futures.add(service.submit(new LongAdderDemo.Task(counter)));
  }

  // 等待所有线程执行完
  for (Future future : futures) {
   try {
    future.get();
   }
   catch (ExecutionException e) {
    e.printStackTrace();
   }
  }

  NumberFormat numberFormat = NumberFormat.getInstance();
  System.out.printf("统计结果为：[%s]\n", numberFormat.format(counter.sum()));
  System.out.printf("耗时：[%d]毫秒", (System.currentTimeMillis() - start));
  // 关闭线程池
  service.shutdown();
 }

 /**
  * 有一个 LongAdder 成员变量，每次执行N次+1操作
  */
 static class Task implements Runnable {

  private final LongAdder counter;

  public Task(LongAdder counter) {
   this.counter = counter;
  }

  /**
   * 每个线程执行N次+1操作
   */
  @Override
  public void run() {
   for (int i = 0; i < 100; i++) {
    counter.increment();
   }
  }// end run
 }// end class
}

备注：AtomicLong的运行结果截图和LongAdder的运行结果截图放在了一起，AtomicLong的在上、LongAdder的在下。另外，关注Java精选公众号，回复“Java面试”，送你一份在线免费刷面试题宝典！

每个线程进行100次累加的运行结果

图：100次累加的执行结果

可以看到，AtomicLong耗时516毫秒,LongAdder耗时438毫秒，516➗438≈1.18，前者耗时是后者的一倍多一点。区别好像不是很大。

进行1,000次累加呢？

图：1000次累加的执行结果

可以看到，AtomicLong耗时3034毫秒,LongAdder耗时575毫秒，3034➗575≈5.28，前者耗时是后者的5倍多。区别开始变得明显。

进行10,000次累加呢？

图：10,000次累加的执行结果

可以看到，AtomicLong耗时30868毫秒,LongAdder耗时2167毫秒，30868➗2167≈14.24，前者耗时是后者的14倍多。差距变得更大了。

进行50,000次累加呢？

图：50,000次累加的执行结果

可以看到，AtomicLong耗时148375毫秒,LongAdder耗时9754毫秒，148375➗9754≈15.21，前者耗时是后者的15倍多。差距进一步扩大。

结论

在每个线程执行的累加数量变多时，LongAdder比AtomicLong性能优势越发明显。

LongAdder由于采用了分段理念，降低了线程间的竞争冲突，而AtomicLong却因多个线程并行竞争同一个value值，从而影响了性能。

在低竞争的情况下，AtomicLong 和 LongAdder 这两个类具有相似的特征，吞吐量也是相似的，因为竞争不高。

但是在竞争激烈的情况下，LongAdder 的预期吞吐量要高得多，经过试验，LongAdder 的吞吐量大约是 AtomicLong 的十倍，不过凡事总要付出代价，LongAdder 在保证高效的同时，也需要消耗更多的空间。

环境说明

• java -version

java version "1.8.0_251"
Java(TM) SE Runtime Environment (build 1.8.0_251-b08)
Java HotSpot(TM) 64-Bit Server VM (build 25.251-b08, mixed mode)

• OS：macOS High Sierra 10.13.4

作者：快乐柠檬

blog.csdn.net/limenghua9112/article/details/107950744

期往精选  点击标题可跳转

 - 小程序，3000+ 道面试题在线刷，最新、最全 Java 面试题！

文章有帮助的话，在看，转发吧！