LongAdder和AtomicLong哪个性能更好,为什么?


prtyaa
prtyaa 2023-12-31 21:23:27 50013 赞同 0 反对 0
分类: 资源
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

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:

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。

每个线程进行100次累加的运行结果

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?

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?

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?

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

如果您发现该资源为电子书等存在侵权的资源或对该资源描述不正确等,可点击“私信”按钮向作者进行反馈;如作者无回复可进行平台仲裁,我们会在第一时间进行处理!

评价 0 条
prtyaaL2
粉丝 1 资源 1949 + 关注 私信
最近热门资源
银河麒麟桌面操作系统备份用户数据  130
统信桌面专业版【全盘安装UOS系统】介绍  129
银河麒麟桌面操作系统安装佳能打印机驱动方法  120
银河麒麟桌面操作系统 V10-SP1用户密码修改  108
麒麟系统连接打印机常见问题及解决方法  30
最近下载排行榜
银河麒麟桌面操作系统备份用户数据 0
统信桌面专业版【全盘安装UOS系统】介绍 0
银河麒麟桌面操作系统安装佳能打印机驱动方法 0
银河麒麟桌面操作系统 V10-SP1用户密码修改 0
麒麟系统连接打印机常见问题及解决方法 0
作者收入月榜
1

prtyaa 收益393.62元

2

zlj141319 收益218元

3

1843880570 收益214.2元

4

IT-feng 收益210.13元

5

风晓 收益208.24元

6

777 收益172.71元

7

Fhawking 收益106.6元

8

信创来了 收益105.84元

9

克里斯蒂亚诺诺 收益91.08元

10

技术-小陈 收益79.5元

请使用微信扫码

加入交流群

请使用微信扫一扫!