本文主要是介绍LongAdder和AtomicLong的对比实验，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
LongAdder 的核心思想是热点分离，与 ConcurrentHashMap 的设计思想类似：将value值分离成一个数组，当多线程访问时，通过Hash算法将线程映射到数组的一个元素进行操作；而获取最终的value结果时，则将数组的元素求和。最终，通过 LongAdder 将内部操作对象从单个value值“演变”成一系列的数组元素，从而减小了内部竞争的粒度。
package cn.jaa.cas;import cn.jaa.util.Print;
import cn.jaa.util.ThreadUtil;
import org.junit.Test;import java.util.concurrent.CountDownLatch;
import java.util.concurrent.ThreadPoolExecutor;
import java.util.concurrent.atomic.AtomicLong;
import java.util.concurrent.atomic.LongAdder;/*** @Author: Jaa* @Description: LongAdder 和 AtomicLong 的对比测试* @Date 2024/4/13*/
public class LongAdderVSAtomicLongTest {// 每条线程的执行轮数final int TURNS = 1000000000;/*** 使用 AtomicLong 完成 10个线程 每个线程累加1000次*/@Testpublic void testAtomicLong() {// 并发任务数final int TASK_AMOUNT = 10;// 线程池，获取CPU密集型任务线程池ThreadPoolExecutor pool = ThreadUtil.getCpuIntenseTargetThreadPool();// 定义一个原子对象AtomicLong atomicLong = new AtomicLong(0);// 线程同步倒数闩CountDownLatch latch = new CountDownLatch(TASK_AMOUNT);long startTime = System.currentTimeMillis();for (int i = 0; i < TASK_AMOUNT; i++) {// 提交任务pool.submit(() -> {try {for (int j = 0; j < TURNS; j++) {// 执行累加操作atomicLong.incrementAndGet();}} catch (Exception e) {e.printStackTrace();}// 线程执行完毕，倒数闩减一latch.countDown();});}try {// 等待所有线程执行完毕，倒数闩完成所有的倒数操作latch.await();} catch (InterruptedException e) {e.printStackTrace();}float time = (System.currentTimeMillis() - startTime) / 1000F;// 输出统计结果Print.tcfo("运行的时长为：" + time);Print.tcfo("累加结果为：" + atomicLong.get());// [main|LongAdderVSAtomicLongTest.testAtomicLong]：运行的时长为：17.283// [main|LongAdderVSAtomicLongTest.testAtomicLong]：累加结果为：1000000000}/*** 使用 LongAdder 完成 10个线程累加1000万次*/@Testpublic void testLongAdder() {// 并发任务数final int TASK_AMOUNT = 10;// 线程池，获取CPU密集型任务线程池ThreadPoolExecutor pool = ThreadUtil.getCpuIntenseTargetThreadPool();// 定义一个 LongAdder 对象LongAdder longAdder = new LongAdder();// 线程同步倒数闩CountDownLatch latch = new CountDownLatch(TASK_AMOUNT);long startTime = System.currentTimeMillis();for (int i = 0; i < TASK_AMOUNT; i++) {// 提交任务pool.submit(() -> {try {for (int j = 0; j < TURNS; j++) {// 执行累加操作longAdder.add(1);}} catch (Exception e) {e.printStackTrace();}// 线程执行完毕，倒数闩减一latch.countDown();});}// 等待所有线程执行完毕，倒数闩完成所有的倒数操作try {latch.await();} catch (InterruptedException e) {e.printStackTrace();}float time = (System.currentTimeMillis() - startTime) / 1000F;// 输出统计结果Print.tcfo("运行的时长为：" + time);Print.tcfo("累加结果为：" + longAdder.longValue());// [main|LongAdderVSAtomicLongTest.testLongAdder]：运行的时长为：1.191// [main|LongAdderVSAtomicLongTest.testLongAdder]：累加结果为：1000000000}
}
为了进行速度的对比，可以多次运行以上用例多次，每一次运行可以修改 TASK_AMOUNT（次数常量）的值。测试5次，TASK_AMOUNT的值从1000到1?000?000?000，对比出来的速度倍数值如下图（参考，测试时间与计算机配置有关系）
通过对比实验可以看到：当有10个线程总计累加10?000次的时候，AtomicLong的性能更好。随着累加次数的增加，CAS操作的次数急剧增多，AtomicLong的性能急剧下降。从对比实验的结果可以看出，在CAS争用最为激烈的场景下，LongAdder的性能是AtomicLong的8倍。
这篇关于LongAdder和AtomicLong的对比实验的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
