Java LongAdder详解与应用实战

LongAdder是 Java 并发编程中为高并发计数而生的利器。下面这张表格能帮助你快速把握其全貌，之后我们再深入细节和实战。

特性维度	说明
设计目标	高并发场景下的高性能计数/累加操作，优化多线程写竞争。
核心思想	分而治之，分散热点：将单一变量的竞争压力分散到多个单元（`base`+ `Cell[]`），以空间换取时间。
关键数据结构	`base`(基础值) 和 `Cell[]`(单元数组) 。
写入流程	1. 无竞争或低竞争时，CAS 操作直接更新 `base`。 2. 竞争激烈时，线程通过哈希映射到 `Cell[]`中的某个单元进行更新，大幅减少冲突。
读取流程 (`sum()`)	返回 `base`与所有 `Cell`单元值的累加和。此操作不保证强一致性，是最终一致性的，因为在求和过程中可能有其他线程正在更新。
主要优点	高并发写入性能远超 `AtomicLong`，有效减少 CAS 空自旋，避免高竞争下的性能骤降。
主要缺点	更高的内存消耗；读取操作 (`sum()`) 非原子快照，是最终一致性的；不支持 `compareAndSet`等原子条件更新操作。
典型应用场景	高频统计计数器（如 API 调用次数、点击量）、监控指标收集、频率统计等"写多读少"且对读的实时精确性要求不高的场景。

💡 深入核心原理

要理解 LongAdder的高性能，需要深入其内部机制。

分散热点与动态扩容

初始时，所有线程都尝试通过 CAS 操作更新 base变量。当并发加剧，某个线程 CAS 更新 base失败时，系统会初始化一个 Cell数组（默认大小为 2）。每个线程会根据其唯一的哈希值（探针，Probe）被映射到数组的某个槽位（Cell），然后对该槽位内的值进行更新。随着竞争持续，如果线程在指定的 Cell上更新仍然失败，Cell数组会进行扩容（通常翻倍），直到达到与 CPU 核数相当的水平，以进一步分散竞争。这种设计将针对单一内存地址的激烈竞争，转化为对多个内存地址的相对平和的访问。
解决伪共享

Cell类使用 @sun.misc.Contended注解进行填充，以避免伪共享 （False Sharing）。伪共享是指多个看似不相关的变量因位于同一个 CPU 缓存行中，当一个处理器更新其中一个变量时，会导致整个缓存行失效，其他处理器即使使用该行内的其他变量，也需要重新从内存加载，造成性能损失。@Contended注解确保每个 Cell对象独立占据一个缓存行，从而提升缓存效率。
核心方法流程

add(long x)方法是其核心：
1. 首先检查 cells数组是否已初始化。若未初始化，则尝试直接 CAS 更新 base字段。
2. 若 CAS 更新 base失败（表明出现竞争），则进入冲突处理逻辑。
3. 检查 cells数组是否已初始化、当前线程映射的 Cell槽位是否存在、以及尝试 CAS 更新该 Cell的值。
4. 如果以上任意一步失败，则进入更复杂的 longAccumulate方法。该方法会处理 cells数组的初始化、扩容，以及为线程重新计算哈希值以寻找新的空闲槽位，确保更新最终能够完成。
sum()方法遍历 cells数组（如果已初始化），将所有非空 Cell的值与 base相加返回。由于此操作没有加锁，在并发更新时返回的是某个时刻的近似总值，具备最终一致性而非强一致性。

🛠️ 实战应用示例

LongAdder非常适用于以下场景：

API 请求统计与监控

可以轻松统计服务的请求量、成功/失败次数、总耗时等指标。

java 复制代码

public class ApiRequestMonitor {
    private final LongAdder requestCount = new LongAdder();
    private final LongAdder totalLatency = new LongAdder();

    public void recordRequest(long latency) {
        requestCount.increment();
        totalLatency.add(latency);
    }

    public MonitoringSnapshot getSnapshot() {
        // 注意：sum() 获取的是瞬时近似值
        return new MonitoringSnapshot(requestCount.sum(), totalLatency.sum());
    }
}

结合 ConcurrentHashMap 进行频率统计

这是一种常见且高效的模式，用于统计元素出现次数。

arduino 复制代码

ConcurrentMap<String, LongAdder> freqMap = new ConcurrentHashMap<>();

public void count(String word) {
    // 如果键不存在，则原子性地放入一个新的 LongAdder
    freqMap.computeIfAbsent(word, k -> new LongAdder())
           .increment(); // 然后递增
}
// 获取某个词的频率
long frequency = freqMap.getOrDefault(word, new LongAdder()).sum();

⚠️ 使用注意事项与最佳实践

理解一致性语义 ：LongAdder的 sum()方法是最终一致性的。如果你的业务场景要求在任何时刻读取都必须是完全精确的值（例如金融账户余额），那么 AtomicLong或锁机制更为合适。
关注内存占用 ：Cell数组和避免伪共享的填充会带来比 AtomicLong更高的内存开销。在内存受限或并发度不高的环境中，需要权衡利弊。
避免频繁调用 sum() ：sum()方法需要遍历 Cell数组，在数组较大时有一定开销。应避免在性能关键路径中频繁调用。
重置操作 ：reset()方法将 base和所有 Cell置零，但此操作非原子性。通常仅在确定没有并发更新时（如一个统计周期结束清零时）使用。

🔄 选型指南：LongAdder vs. AtomicLong

场景	推荐选择	理由
极高并发写入，对读的实时精确性要求不高（如统计、监控）	LongAdder	写吞吐量极高，通过分散竞争避免性能瓶颈。
低并发环境，或需要频繁读取精确瞬时值（如序列号生成、状态标志）	AtomicLong	读取 (`get()`) 是强一致性的单次 volatile 读，性能极高；接口丰富，支持 `compareAndSet`等复杂原子操作。
需要复杂的累加操作（如求最大值、最小值）	LongAccumulator	`LongAdder`是 `LongAccumulator`的一个特例（专用于加法）。`LongAccumulator`允许传入自定义二元运算符，功能更灵活。

💎 总结

LongAdder是 Java 并发工具包中"分而治之"思想的杰出代表。它通过空间换时间，巧妙地化解了高并发下的写入竞争，在统计、监控等"写多读少"的场景下表现卓越。

选择 LongAdder的关键在于明确：你是否愿意用读取操作的强一致性和更高的内存开销，来换取极高的并发写入性能。