【多线程：cas】原子更新器 原子累加器 缓存一致性问题

01.原子更新器

介绍

原子更新器又叫字段更新器，作用是成员变量更新时保证原子性
AtomicReferenceFieldUp：成员变量为引用类型时
AtomicIntegerFiledUpdater：成员变量是整型
AtomicLongFiledUpdater：成员变量是长整型
这里拿AtomicReferenceFieldUp举例

AtomicReferenceFieldUp

@Slf4j(topic = "c.Test40")
public class Test40 {

    public static void main(String[] args) {
        Student stu = new Student();

        AtomicReferenceFieldUpdater updater =
                AtomicReferenceFieldUpdater.newUpdater(Student.class, String.class, "name");

        System.out.println(updater.compareAndSet(stu, null, "张三"));
        System.out.println(stu);
    }
}

class Student {
    volatile String name;

    @Override
    public String toString() {
        return "Student{" +
                "name='" + name + '\'' +
                '}';
    }
}

结果

true
Student{name='张三'}

解释
可以看出cas操作成功，并且打印结果也说明更新成功，不过要注意一点，因为cas操作要求必须是可见的 所以成员变量必须用volatile修饰

02.原子累加器：LongAdder

介绍

累加器顾名思义就是累加的，不过可能有同学回问之前不是已经有getAndIncrement()这个方法了吗？为什么还需要专门的累加器，原因很简单就是这个原子累加器效率更高。

代码

public class Test41 {
    public static void main(String[] args) {
        for (int i = 0; i < 5; i++) {
            demo(
                    () -> new AtomicLong(0),
                    (adder) -> adder.getAndIncrement()
            );
        }
        System.out.println("s");
        for (int i = 0; i < 5; i++) {
            demo(
                    () -> new LongAdder(),
                    adder -> adder.increment()
            );
        }
    }

    /*
    () -> 结果    提供累加器对象
    (参数) ->     执行累加操作
     */
    private static <T> void demo(Supplier<T> adderSupplier, Consumer<T> action) {
        T adder = adderSupplier.get();
        List<Thread> ts = new ArrayList<>();
        // 4 个线程，每人累加 50 万
        for (int i = 0; i < 4; i++) {
            ts.add(new Thread(() -> {
                for (int j = 0; j < 500000; j++) {
                    action.accept(adder);
                }
            }));
        }
        long start = System.nanoTime();
        ts.forEach(t -> t.start());
        ts.forEach(t -> {
            try {
                t.join();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        });

        long end = System.nanoTime();
        System.out.println(adder + " cost:" + (end - start) / 1000_000);
    }
}

结果

2000000 cost:42
2000000 cost:27
2000000 cost:34
2000000 cost:27
2000000 cost:35
s
2000000 cost:16
2000000 cost:13
2000000 cost:6
2000000 cost:6
2000000 cost:6

解释
可以明显看出原子累加器效率要高很多。性能提升的原因很简单，就是在有竞争时，设置多个累加单元，Therad-0 累加 Cell[0]，而 Thread-1 累加 Cell[1]... 最后将结果汇总。这样它们在累加时操作的不同的 Cell 变量，因此减少了 CAS 重试失败，从而提高性能。

03.LongAdder源码

LongAdder类有几个关键域

    // 累加单元数组，懒惰初始化
    transient volatile Cell[] cells;

    // 基础值，如果没有竞争，则用cas累加这个域
    transient volatile long base;

    // 在cells创建或者扩容时 置为1 表示加锁
    transient volatile int cellBusy;

cas锁：cellBusy实现

@Slf4j(topic = "c.Test42")  
public class LockCas {  
    // 0 没加锁  
    // 1 加锁  
    private AtomicInteger state = new AtomicInteger(0);  
  
    public void lock() {  
        while (true) {  
            if (state.compareAndSet(0, 1)) {  
                break;  
            }  
        }  
    }  
  
    public void unlock() {  
        log.debug("unlock...");  
        state.set(0);  
    }  
  
    public static void main(String[] args) {  
        LockCas lock = new LockCas();  
        new Thread(() -> {  
            log.debug("begin...");  
            lock.lock();  
            try {  
                log.debug("lock...");  
                sleep(1);  
            } finally {  
                lock.unlock();  
            }  
        }).start();  
  
        new Thread(() -> {  
            log.debug("begin...");  
            lock.lock();  
            try {  
                log.debug("lock...");  
            } finally {  
                lock.unlock();  
            }  
        }).start();  
    }  
}

解释
state就相当于我们的cellBusy，加锁时用cas把0变为1 之后其他线程再想执行这段代码发现cas比较值不同 cas失败相当于获取锁失败，之后解锁时此线程调用set方法把state重新置为0 实现解锁

缓存一致性：Cell类源码

Cell类的源码很容易理解，不过它的注解引起了我们的 @sun.misc.Contended，这个注解是为了防止缓存行伪共享 也就是缓存一致性

缓存一致性

我们之前了解过java内存模型(JMM)和上面的图十分的相似 把cpu换位线程 把缓存换位工作内存就基本一样了，其实JMM并不是真实存在的它是jvm层面上对操作系统内存模型的模拟，上面的图片就是我们电脑里的真实内存形式。
cpu可以直接从内存中获取数据，但是速度相对缓存而言慢了好几倍，所以通常我们的处理形式就是把内存中的数据拷贝到缓存中去，然后cpu从缓存中获取数据，但是这样就会出现一个问题 那就是缓存一致性。
什么是缓存一致性

我们来看这张图，假如我们现在有一个Cell数组，cell[0] cell[1]，我们知道数组是在内存中是挨着的，而我们的缓存以缓存行的形式存放这 一个缓存行对应一块内存(64byte) 而我们现在的这个Cell数组 占48byte(一个cell占24byte)，我们把数组从内存中拷贝到缓存中时 并不是只拷贝你需要的那个数据 而是拷贝一整个缓存行的数据 避免了多次拷贝数据导致性能降低，也就是cpu1会拷贝这个数组 cpu2也会拷贝这个数组，cpu1负责改变cell[0]的数据，cpu2赋值改变cell[1]的数据，但是最终同步数据到内存只会有一个成功 也就是势必有一个cpu的缓存中的数组失效，导致只改变了一个数据 假如只改变了cell[0]的数据 那么cpu肯定就需要再次拷贝这整个数组修改cell[1]，这样相当于一个数组我们修改了两次才成功 如果数组元素多了呢 性能就会大大降低，这个就是缓存一致性问题。
如何解决缓存一致性问题
解决方法很简单就是上述提到的 @sun.misc.Contended 这个注解，这个注解的作用是在此注解对象或字段的前后各增加128byte 也就是前后各占一个缓存行的大小，这样的好处是 保证数据绝对不在一个缓存行内，使得 cpu读取的数据是单独的 避免对方缓存行失效的问题。解决缓存一致性的方法是典型的以空间换时间处理方式。