LongAdder和AtomicLong哪个性能更好【图文分析原因】

今天爱分享给大家带来LongAdder和AtomicLong哪个性能更好【图文分析原因】,希望能够帮助到大家。

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

LongAdder和AtomicLong哪个性能更好【图文分析原因】插图

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:

LongAdder和AtomicLong哪个性能更好【图文分析原因】插图(1)

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;

/**
 * 
 * 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
 * 

* 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 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;

/**
 * 
 * 程序目的:和 AtomicLong 进行性能对比
 * 

* 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 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

LongAdder和AtomicLong哪个性能更好【图文分析原因】插图(2)

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?

LongAdder和AtomicLong哪个性能更好【图文分析原因】插图(3)

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?
LongAdder和AtomicLong哪个性能更好【图文分析原因】插图(4)

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?

LongAdder和AtomicLong哪个性能更好【图文分析原因】插图(5)

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。

人已赞赏
Java

SpringCloud Gateway自定义filter获取body中的数据为空【解决办法】

2020-10-29 15:44:44

Java

马拉车算法 解决回文串问题【算法分析】

2020-10-29 15:53:14

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧