并发原子类:用原子类来保证可见性和原子性
原子类保证原子性JUC是java.util.concurrent包的简称JUC有2大核心CAS和AQSCAS是java.util.concurrent.atomic包的基础即AtomicInteger和AtomicLong等是用CAS实现的我在volatile相关文章中分享过volatile只能保证可见性不能保证原子性。但原子类AtomicInteger等可以保证原子性原子类利用volatileCAS来保证原子性来看看怎么做到的吧。开5个线程每个线程将count加1000NotThreadSafepublicclassCountTest{publicstaticintcount0;publicstaticvoidmain(String[]args){//新建一个线程池ExecutorServiceserviceExecutors.newCachedThreadPool();//Java8 lambda表达式执行runnable接口for(inti0;i5;i){service.execute(()-{for(intj0;j1000;j){count;}});}//关闭线程池service.shutdown();try{TimeUnit.SECONDS.sleep(2);}catch(InterruptedExceptione){e.printStackTrace();}System.out.println(count count);}}由于这个代码是线程不安全的因为count不是原子操作所以最终结果有可能小于5000我们可以用synchronized保证操作的原子性和可见性ThreadSafepublicclassCountTest{publicstaticintcount0;publicstaticvoidmain(String[]args){ExecutorServiceserviceExecutors.newCachedThreadPool();for(inti0;i5;i){service.execute(()-{for(intj0;j1000;j){synchronized(CountTest.class){count;}}});}service.shutdown();try{TimeUnit.SECONDS.sleep(2);}catch(InterruptedExceptione){e.printStackTrace();}System.out.println(count count);}}synchronized属于悲观锁它有一个明显的缺点它不管数据存不存在竞争都加锁随着并发量增加且如果锁的时间比较长其性能开销将会变得很大。有没有办法解决这个问题答案是基于冲突检测的乐观锁。这种模式下已经没有所谓的锁概念了每个线程都直接先去执行操作检测是否与其他线程存在共享数据竞争如果没有则让此操作成功如果存在共享数据竞争则不断地重新执行操作直到成功为止重新尝试的过程叫自旋java.util.concurrent.atomic包就用到了CAS如AtomicInteger可以用于Integer类型的原子性操作可将上述代码改为如下也是线程安全的ThreadSafepublicclassCountTest{publicstaticAtomicIntegercountnewAtomicInteger(0);publicstaticvoidmain(String[]args){ExecutorServiceserviceExecutors.newCachedThreadPool();for(inti0;i5;i){service.execute(()-{for(intj0;j1000;j){count.getAndIncrement();}});}service.shutdown();try{TimeUnit.SECONDS.sleep(2);}catch(InterruptedExceptione){e.printStackTrace();}System.out.println(count count);}}CAS介绍CASCompare and Swap, 翻译成比较并交换。CAS有3个操作数内存值V旧的预期值A要修改的新值B。当且仅当预期值A和内存值V相同时将内存值V修改为B否则什么都不做。仔细看图CAS原理就是这么简单看源码加深一下印象。实现原理privatestaticfinalUnsafeunsafeUnsafe.getUnsafe();privatestaticfinallongvalueOffset;static{try{valueOffsetunsafe.objectFieldOffset(AtomicInteger.class.getDeclaredField(value));}catch(Exceptionex){thrownewError(ex);}}privatevolatileintvalue;AtomicInteger的值保存在value中通过volatile保证操作的可见性通过一个静态代码块来保证类被加载时valueOffset已经有值了Unsafe是一个不安全的类提供了一些对底层的操作我们是不能使用这个类的valueOffset 是AtomicInteger对象value成员变量在内存中的偏移量publicfinalintgetAndIncrement(){returnunsafe.getAndAddInt(this,valueOffset,1);}//第一个参数为当前这个对象如count.getAndIncrement()则这个参数则为count这个对象//第二个参数为AtomicInteger对象value成员变量在内存中的偏移量//第三个参数为要增加的值publicfinalintgetAndAddInt(Objectvar1,longvar2,intvar4){intvar5;do{//调用底层方法得到value值var5this.getIntVolatile(var1,var2);//通过var1和var2得到底层值,var5为当前值如果底层值当前值则将值设为var5var4并返回true否则返回false}while(!this.compareAndSwapInt(var1,var2,var5,var5var4));returnvar5;}这个方法是由其他语言实现的就不再分析publicfinalnativebooleancompareAndSwapInt(Objectvar1,longvar2,intvar4,intvar5);并发比较低的时候用CAS比较合适并发比较高用synchronized比较合适CAS的缺点1.只能保证对一个变量的原子性操作当对一个共享变量执行操作时我们可以使用循环CAS的方式来保证原子操作但是对多个共享变量操作时循环CAS就无法保证操作的原子性这个时候就可以用锁来保证原子性。2.长时间自旋会给CPU带来压力我们可以看到getAndAddInt方法执行时如果CAS失败会一直进行尝试。如果CAS长时间一直不成功可能会给CPU带来很大的开销。3.ABA问题如果内存地址V初次读取的值是A并且在准备赋值的时候检查到它的值仍然为A那我们就能说它的值没有被其他线程改变过了吗如果在这段期间它的值曾经被改成了B后来又被改回为A那CAS操作就会误认为它从来没有被改变过。这个漏洞称为CAS操作的“ABA”问题。Java并发包为了解决这个问题提供了一个带有标记的原子引用类“AtomicStampedReference”它可以通过控制变量值的版本来保证CAS的正确性。因此在使用CAS前要考虑清楚“ABA”问题是否会影响程序并发的正确性如果需要解决ABA问题改用传统的互斥同步可能会比原子类更高效。除了AtomicInteger外Java还提供了很多其他类型的原子类按照作用分类如下原子更新数组元素AtomicIntegerArray原子更新整型数组中的元素AtomicLongArray原子更新长整型数组中的元素AtomicReferenceArray原子更新引用类型数组中的元素AtomicIntegerArrayarraynewAtomicIntegerArray(newint[]{1,2,3});// 1System.out.println(array.getAndAdd(0,5));// 6System.out.println(array.get(0));原子更新引用类型AtomicReference原子更新引用类型AtomicStampedReference原子更新引用类型对比版本号AtomicMarkableReference原子更新引用类型对比bool值DataAllArgsConstructorpublicclassUser{privateStringname;privateIntegerage;}AtomicReferenceUserreferencenewAtomicReference(newUser(a,1));// AtomicTest.User(namea, age1)System.out.println(reference.getAndSet(newUser(b,2)));// AtomicTest.User(nameb, age2)System.out.println(reference.get());AtomicStampedReference更新的时候通过对比版本号来解决ABA的问题// 1为版本号AtomicStampedReferenceStringreferencenewAtomicStampedReference(a,1);// 将a更为b同时将版本号加1// trueSystem.out.println(reference.compareAndSet(a,b,reference.getStamp(),reference.getStamp()1));// 更新失败因为版本号不一致// falseSystem.out.println(reference.compareAndSet(b,c,1,reference.getStamp()));// bSystem.out.println(reference.getReference());AtomicMarkableReference更新的时候通过对比bool值来解决ABA的问题AtomicMarkableReferenceStringreferencenewAtomicMarkableReference(a,false);// trueSystem.out.println(reference.compareAndSet(a,b,reference.isMarked(),!reference.isMarked()));原子更新字段AtomicIntegeFieldUpdater原子更新整型字段类AtomicLongFieldUpdater原子更新长整型字段类AtomicReferenceFieldUpdater原子更新引用类型字段类更新类的属性必须使用public volatile修饰保证可见性DataAllArgsConstructorpublicclassPerson{privateStringname;publicvolatileintage;}PersonpersonnewPerson(a,1);AtomicIntegerFieldUpdaterupdaterAtomicIntegerFieldUpdater.newUpdater(Person.class,age);// 2System.out.println(updater.incrementAndGet(person));

相关新闻

AI Agent性能衰减原因与Anthropic评估指南解析

AI Agent性能衰减原因与Anthropic评估指南解析

1. 为什么你的AI Agent总被吐槽"变蠢"?最近在开发者社区里,经常看到这样的吐槽:"我的AI Agent刚上线时表现很好,怎么用着用着就变蠢了?"作为从业者,我深有体会。上周就遇到一个案例&am…

2026/7/28 21:43:01阅读更多 →
Java高级主题:深入解析ThreadLocal的数据结构设计原理及其源代码实现

Java高级主题:深入解析ThreadLocal的数据结构设计原理及其源代码实现

ThreadLocal可以实现完全基于无锁且也不是基于CAS的线程隔离需求,让每个线程可以有自己的本地实例,但如果对ThreadLocal底层设计不了解,那么对甚至无法正确ThreadLocal及其可能出现的内存泄露问题。可以说ThreadLocal的源代码设计也一种非常优秀的可支持“高并发”的实现。 …

2026/7/28 21:43:01阅读更多 →
瑞德克斯平台:投教内容的要点盘点

瑞德克斯平台:投教内容的要点盘点

外汇市场信息更新频繁,平台口碑的形成更依赖长期一致性:入口是否好找、说明是否前后一致、提示是否稳定出现。围绕瑞德克斯平台,下面从稳定体验与信息呈现等角度做一次正面观察。外汇相关平台的价值,体现在长期一致性与信息呈现的…

2026/7/28 21:41:00阅读更多 →
能源路由器厂商全景解析:技术路线、核心产品与选型参考

能源路由器厂商全景解析:技术路线、核心产品与选型参考

随着AI数据中心单机柜功耗从8kW向120kW甚至更高水平跃升,传统AC 10kV/380V工频变压器加UPS的供电模式正面临越来越大的压力。低压大电流带来的线损、散热和布线难题,驱动行业加速探索从"多级变换"向"一级直供"的架构演进。在这一背景…

2026/7/28 22:41:20阅读更多 →
Poppins字体完整指南:如何免费获取这款现代几何无衬线字体

Poppins字体完整指南:如何免费获取这款现代几何无衬线字体

Poppins字体完整指南:如何免费获取这款现代几何无衬线字体 【免费下载链接】Poppins Poppins, a Devanagari Latin family for Google Fonts. 项目地址: https://gitcode.com/gh_mirrors/po/Poppins Poppins是一款结合了天城文和拉丁文的现代几何无衬线字体…

2026/7/28 22:41:20阅读更多 →
提供一些高密度UPS的具体型号:智算时代兆瓦级供电方案选型深度解析

提供一些高密度UPS的具体型号:智算时代兆瓦级供电方案选型深度解析

数据中心正在经历一场以功率密度为核心的系统级重构。单机柜功耗从过去的5至8kW跃升至40至120kW甚至更高,一个万卡GPU集群的供电需求轻松突破数兆瓦。在这种趋势下,高密度UPS已经从可选项变为智算中心配电架构中的核心决策项。了解当前市场上主流高密度U…

2026/7/28 22:41:20阅读更多 →
企业办公AI系统定制服务商本地部署与文档智能开发方案推荐

企业办公AI系统定制服务商本地部署与文档智能开发方案推荐

要说我们公司最头疼的事儿,文档处理绝对排前三。销售合同、采购合同、技术文档、客户资料、内部制度……每年光是处理这些文档的人力成本就大几十万。而且最要命的是,很多文档还涉及商业机密,绝对不能外传。所以当我开始找企业办公AI系统定制…

2026/7/28 22:41:20阅读更多 →
免费终极指南:如何快速部署本地化Meta-Llama-3.1-8B-Instruct-GGUF大语言模型

免费终极指南:如何快速部署本地化Meta-Llama-3.1-8B-Instruct-GGUF大语言模型

免费终极指南:如何快速部署本地化Meta-Llama-3.1-8B-Instruct-GGUF大语言模型 【免费下载链接】Meta-Llama-3.1-8B-Instruct-GGUF 项目地址: https://ai.gitcode.com/hf_mirrors/bartowski/Meta-Llama-3.1-8B-Instruct-GGUF 你是否厌倦了依赖云端AI服务的高…

2026/7/28 22:41:20阅读更多 →
M9A自动化引擎架构解析:如何构建基于图像识别的游戏智能代理系统

M9A自动化引擎架构解析:如何构建基于图像识别的游戏智能代理系统

M9A自动化引擎架构解析:如何构建基于图像识别的游戏智能代理系统 【免费下载链接】M9A 重返未来:1999 小助手 | Assistant For Reverse: 1999 项目地址: https://gitcode.com/gh_mirrors/m9/M9A M9A是基于MaaFramework图像识别框架构建的《重返未…

2026/7/28 22:39:20阅读更多 →
覆盖国产 + 海外 + 开源模型,OpenClaw 2.7.9 Windows/Mac 双端部署详解

覆盖国产 + 海外 + 开源模型,OpenClaw 2.7.9 Windows/Mac 双端部署详解

🔹 工具基础介绍 OpenClaw 是开源生态中一款实用性较强的本地智能工具,凭借本地离线运行、可视化图形操作和任务自动化三大核心特性,赢得了众多用户的青睐。与普通在线对话AI工具不同,它属于能够直接操控本机软硬件的智能数字员工…

2026/7/28 4:06:39阅读更多 →
伺服阀焊完微漏毁整机?精密激光焊接三关锁住高压

伺服阀焊完微漏毁整机?精密激光焊接三关锁住高压

所谓液压伺服阀体的精密激光焊接,是用激光束对阀座壳体(通常为不锈钢或铝合金)进行密封焊接,使阀体在21-35MPa的高压液压油或压缩气体中长期运行而不发生介质泄漏。液压伺服阀是高端液压系统的"大脑"。从航空航天飞行控…

2026/7/28 2:08:06阅读更多 →
D2DX:三步实现《暗黑破坏神2》高清宽屏体验的终极指南

D2DX:三步实现《暗黑破坏神2》高清宽屏体验的终极指南

D2DX:三步实现《暗黑破坏神2》高清宽屏体验的终极指南 【免费下载链接】d2dx D2DX is a complete solution to make Diablo II run well on modern PCs, with high fps and better resolutions. 项目地址: https://gitcode.com/gh_mirrors/d2/d2dx 你是否还在…

2026/7/28 1:38:28阅读更多 →
告别臃肿!3步让你的暗影精灵笔记本重获新生

告别臃肿!3步让你的暗影精灵笔记本重获新生

告别臃肿!3步让你的暗影精灵笔记本重获新生 【免费下载链接】OmenSuperHub Control Omen laptop performance, fan speeds, and keyboard lighting, and unlock power limits. 项目地址: https://gitcode.com/gh_mirrors/om/OmenSuperHub 你是否也曾为官方Om…

2026/7/28 0:00:29阅读更多 →
RAG必踩坑!财报法规检索不准?这款开源工具让答案浮出水面,准确率飙升98.7%!

RAG必踩坑!财报法规检索不准?这款开源工具让答案浮出水面,准确率飙升98.7%!

做 RAG 的人应该都踩过这个致命的坑:把几百页的财报、法规、技术手册扔给向量库,问一个具体问题,搜出来的全是沾边但没用的内容 —— 关键信息要么被硬切块拆碎了,要么藏在几十条结果的最下面。语义相似≠真正相关,这个…

2026/7/28 0:00:29阅读更多 →
抖音视频文案提取工具全指南:免费2026版、手机App、在线工具一网打尽

抖音视频文案提取工具全指南:免费2026版、手机App、在线工具一网打尽

2026年做短视频运营,从抖音上扒文案早就不是偷偷抄笔记的事了。我刚开始做内容的时候,每天刷半小时抖音,手动把爆款视频的口播敲进备忘录,一条2分钟的视频得花十来分钟,碰到语速快的还要反复回听。后来试了一圈工具&am…

2026/7/28 0:00:29阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/28 20:22:24阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/28 3:17:03阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/28 2:35:58阅读更多 →