java并发编程八 CAS 与 volatile和原子整数与原子引用

CAS 与 volatile

在java并发编程七六中，可以看到的 AtomicInteger 的解决方法，内部并没有用锁来保护共享变量的线程安全。那么它是如何实现的呢？

public void withdraw(Integer amount) {
 while(true) {
 // 需要不断尝试，直到成功为止
while (true) {
 // 比如拿到了旧值 1000
 int prev = balance.get();
 // 在这个基础上 1000-10 = 990
 int next = prev - amount;
 /*
 compareAndSet 正是做这个检查，在 set 前，先比较 prev 与当前值- 不一致了，next 作废，返回 false 表示失败
比如，别的线程已经做了减法，当前值已经被减成了 990
那么本线程的这次 990 就作废了，进入 while 下次循环重试- 一致，以 next 设置为新值，返回 true 表示成功
*/
if (balance.compareAndSet(prev, next)) {
 break;
            }
        }
    }
 }

其中的关键是 compareAndSet，它的简称就是 CAS （也有 Compare And Swap 的说法），它必须是原子操作。

慢动作分析

@Slf4j
 public class SlowMotion {
 public static void main(String[] args) {
 AtomicInteger balance = new AtomicInteger(10000);
 int mainPrev = balance.get();
 log.debug("try get {}", mainPrev);
 new Thread(() -> {
 sleep(1000);
 int prev = balance.get();
 balance.compareAndSet(prev, 9000);
 log.debug(balance.toString());
        }, 
"t1").start();
 sleep(2000);
 log.debug("try set 8000...");
 boolean isSuccess = balance.compareAndSet(mainPrev, 8000);
 log.debug("is success ? {}", isSuccess);
 if(!isSuccess){
 mainPrev = balance.get();
 log.debug("try set 8000...");
 isSuccess = balance.compareAndSet(mainPrev, 8000);
 log.debug("is success ? {}", isSuccess);
        }
    }
 private static void sleep(int millis) {
 try {
 Thread.sleep(millis);
        } 
catch (InterruptedException e) {
 e.printStackTrace();
        }
    }
 }

输出结果

2023-10-13 11:28:37.134 [main] try get 10000 
2023-10-13 11:28:38.154 [t1] 9000 
2023-10-13 11:28:39.154 [main] try set 8000... 
2023-10-13 11:28:39.154 [main] is success ? false 
2023-10-13 11:28:39.154 [main] try set 8000... 
2023-10-13 11:28:39.154 [main] is success ? true 

volatile

获取共享变量时，为了保证该变量的可见性，需要使用 volatile 修饰。
它可以用来修饰成员变量和静态成员变量，他可以避免线程从自己的工作缓存中查找变量的值，必须到主存中获取它的值，线程操作 volatile 变量都是直接操作主存。即一个线程对 volatile 变量的修改，对另一个线程可见。

CAS 必须借助 volatile 才能读取到共享变量的最新值来实现【比较并交换】的效果

为什么无锁效率高

• 无锁情况下，即使重试失败，线程始终在高速运行，没有停歇，而 synchronized 会让线程在没有获得锁的时候，发生上下文切换，进入阻塞。打个比喻
• 线程就好像高速跑道上的赛车，高速运行时，速度超快，一旦发生上下文切换，就好比赛车要减速、熄火，等被唤醒又得重新打火、启动、加速… 恢复到高速运行，代价比较大
• 但无锁情况下，因为线程要保持运行，需要额外 CPU 的支持，CPU 在这里就好比高速跑道，没有额外的跑道，线程想高速运行也无从谈起，虽然不会进入阻塞，但由于没有分到时间片，仍然会进入可运行状态，还是会导致上下文切换。
  

CAS 的特点

结合 CAS 和 volatile 可以实现无锁并发，适用于线程数少、多核 CPU 的场景下。

• CAS 是基于乐观锁的思想：最乐观的估计，不怕别的线程来修改共享变量，就算改了也没关系，我吃亏点再重试呗。
• synchronized 是基于悲观锁的思想：最悲观的估计，得防着其它线程来修改共享变量，我上了锁你们都别想改，我改完了解开锁，你们才有机会。
• CAS 体现的是无锁并发、无阻塞并发，请仔细体会这两句话的意思
  • 因为没有使用 synchronized，所以线程不会陷入阻塞，这是效率提升的因素之一
  • 但如果竞争激烈，可以想到重试必然频繁发生，反而效率会受影响

原子整数

J.U.C 并发包提供了：

• AtomicBoolean
• AtomicInteger
• AtomicLong

以 AtomicInteger 为例

AtomicInteger i = new AtomicInteger(0);
 // 获取并自增（i = 0, 结果 i = 1, 返回 0），类似于 i++
 System.out.println(i.getAndIncrement());
 // 自增并获取（i = 1, 结果 i = 2, 返回 2），类似于 ++i
 System.out.println(i.incrementAndGet());
 // 自减并获取（i = 2, 结果 i = 1, 返回 1），类似于 --i
 System.out.println(i.decrementAndGet());
 // 获取并自减（i = 1, 结果 i = 0, 返回 1），类似于 i-
System.out.println(i.getAndDecrement());
 // 获取并加值（i = 0, 结果 i = 5, 返回 0）
System.out.println(i.getAndAdd(5));
 // 加值并获取（i = 5, 结果 i = 0, 返回 0）
System.out.println(i.addAndGet(-5));
 // 获取并更新（i = 0, p 为 i 的当前值, 结果 i = -2, 返回 0）
// 其中函数中的操作能保证原子，但函数需要无副作用
System.out.println(i.getAndUpdate(p -> p - 2));
 // 更新并获取（i = -2, p 为 i 的当前值, 结果 i = 0, 返回 0）
// 其中函数中的操作能保证原子，但函数需要无副作用
System.out.println(i.updateAndGet(p -> p + 2));
 // 获取并计算（i = 0, p 为 i 的当前值, x 为参数1, 结果 i = 10, 返回 0）
// 其中函数中的操作能保证原子，但函数需要无副作用
// getAndUpdate 如果在 lambda 中引用了外部的局部变量，要保证该局部变量是 final 的
// getAndAccumulate 可以通过 参数1 来引用外部的局部变量，但因为其不在 lambda 中因此不必是 final
 System.out.println(i.getAndAccumulate(10, (p, x) -> p + x));
 // 计算并获取（i = 10, p 为 i 的当前值, x 为参数1, 结果 i = 0, 返回 0）
// 其中函数中的操作能保证原子，但函数需要无副作用
System.out.println(i.accumulateAndGet(-10, (p, x) -> p + x));

原子引用

为什么需要原子引用类型？

• AtomicReference
• AtomicMarkableReference
• AtomicStampedReference

有如下方法

public interface DecimalAccount {
 // 获取余额
BigDecimal getBalance();
 // 取款
void withdraw(BigDecimal amount);
 /**
 * 方法内会启动 1000 个线程，每个线程做 -10 元 的操作
* 如果初始余额为 10000 那么正确的结果应当是 0
 */
 static void demo(DecimalAccount account) {
 List<Thread> ts = new ArrayList<>();
 for (int i = 0; i < 1000; i++) {
 ts.add(new Thread(() -> {
 account.withdraw(BigDecimal.TEN);
            }));
        }
 ts.forEach(Thread::start);
 ts.forEach(t -> {
 try {
 t.join();
            } catch (InterruptedException e) {
 e.printStackTrace();
            }
            });
            System.out.println(account.getBalance());
 }
 }

试着提供不同的 DecimalAccount 实现，实现安全的取款操作

不安全实现

class DecimalAccountUnsafe implements DecimalAccount {
 BigDecimal balance;
 public DecimalAccountUnsafe(BigDecimal balance) {
 this.balance = balance;
    }
    @Override
 public BigDecimal getBalance() {
 return balance;
    }
 @Override
 public void withdraw(BigDecimal amount) {
 BigDecimal balance = this.getBalance();
 this.balance = balance.subtract(amount);
    }
 }

安全实现-使用锁

lass DecimalAccountSafeLock implements DecimalAccount {
 private final Object lock = new Object();
 BigDecimal balance;
 public DecimalAccountSafeLock(BigDecimal balance) {
 this.balance = balance;
    }
 @Override
 public BigDecimal getBalance() {
 return balance;
    }
    @Override
 public void withdraw(BigDecimal amount) {
 synchronized (lock) {
 BigDecimal balance = this.getBalance();
 this.balance = balance.subtract(amount);
        }
    }
 }

安全实现-使用 CAS

class DecimalAccountSafeCas implements DecimalAccount {
 AtomicReference<BigDecimal> ref;
 public DecimalAccountSafeCas(BigDecimal balance) {
 ref = new AtomicReference<>(balance);
    }
 @Override
 public BigDecimal getBalance() {
 return ref.get();
    }
 @Override
 public void withdraw(BigDecimal amount) {
 while (true) {
 BigDecimal prev = ref.get();
 BigDecimal next = prev.subtract(amount);
 if (ref.compareAndSet(prev, next)) {
 break;
            }
        }
    }
 }

测试代码

DecimalAccount.demo(new DecimalAccountUnsafe(new BigDecimal("10000")));
 DecimalAccount.demo(new DecimalAccountSafeLock(new BigDecimal("10000")));
 DecimalAccount.demo(new DecimalAccountSafeCas(new BigDecimal("10000")));

运行结果

4310 cost: 425 ms 
0 cost: 285 ms 
0 cost: 274 ms