并发编程之深入理解CAS

什么是 CAS

CAS,compare and swap的缩写，中文翻译成比较并交换。

CAS 操作包含三个操作数 —— 内存位置（V）、预期原值（A）和新值(B)。如果内存位置的值与预期原值相匹配，那么处理器会自动将该位置值更新为新值。否则，处理器不做任何操作。

为什么要使用 CAS

在并发中，我们需要对一个数据进行更改，如果使用锁来保证原子性，首先在性能方面会设计到底层操作系统内核线程切换，这个开销是很大的，如果使用 CAS 实现的话，相比较之下不会设计到内核切换，开销比较轻。

使用伪代码表示

if (value == expectedValue) {
value = newValue;
}

一个由比较和赋值两阶段组成的复合操作，CAS 可以看作是它们合并后的整体 ——一个不可分割的原子操作，并且其原子性是直接在硬件层面得到保障的。

CAS可以看做是乐观锁（对比数据库的悲观、乐观锁）的一种实现方式，Java原子类中的递增操作就通过CAS自旋实现的。 CAS是一种无锁算法，在不使用锁（没有线程被阻塞）的情况下实现多线程之间的变量同步。

1 首先读取内存中的实际值v 如果和自己的值E相等，计算赋值给更新的值 U 成功则返回 U
2 上面更新失败，则继续重试，成功则返回，失败则继续重试。

CAS应用

在Java中使用 CAS

CAS 操作是由 Unsafe 类提供支持的，该类定义了三种针对不同类型变量的 CAS 操作

可以看到是本地方法，是由 JVM 实现的。接收四个参数分别是

对象的实例，内存偏移量，字段期望值，字段新值。

CAS缺陷

CAS 虽然解决了原子性，但是有一些问题

ABA 问题
只能保证一个共享变量的原子操作
CAS 不成功，长时间会造成 CPU 空转，影响 CPU 开销

ABA问题

当有多个线程对一个原子类进行操作的时候，某个线程在短时间内将原子类的值A修改为B，又马上将其修改为A，此时其他线程不感知，还是会修改成功。

main 线程不清楚另一个线程对这个变量进行了修改，可能误认为没有更改过。 [图片上传失败...(image-637329-1667441369607)]

ABA问题的解决

可以在每一次修改时给一个版本号，这也就是乐观锁的由来。

比如 Java中AtomicStampedReference类就提供了这样的功能

三个线程 t1,t2,t3 分别对变量进行修改,最后t3在更改为初始值。

AtomicStampedReference<Integer> atomicStampedReference = new AtomicStampedReference<>(1, 1);

new Thread(() -> {
boolean b = atomicStampedReference.compareAndSet(1, 2, atomicStampedReference.getStamp(), atomicStampedReference.getStamp() + 1);
while (b) {
if (b) {
System.out.println(" t1 修改成功 ");
return;
} else {
System.out.println(" t1 修改失败 ");
}
}
}, "t1 ").start();

new Thread(() -> {
boolean b = atomicStampedReference.compareAndSet(2, 3, atomicStampedReference.getStamp(), atomicStampedReference.getStamp() + 1);
while (b) {
if (b) {
System.out.println(" t2 修改成功 ");
return;
} else {
System.out.println(" t2 修改失败 ");
}
}

}, "t2 ").start();

new Thread(() -> {
boolean b = atomicStampedReference.compareAndSet(3, 1, atomicStampedReference.getStamp(), atomicStampedReference.getStamp() + 1);
while (b) {
if (b) {
System.out.println(" t3 修改成功 ");
return;

} else {
System.out.println(" t3 修改失败 ");
}
}

}, "t3 ").start();

Thread.sleep(100);

System.out.println("版本号: " + atomicStampedReference.getStamp());
System.out.println("值: " + atomicStampedReference.getReference());

可以看到结果最后值还是 1 但是版本号已经是 4 了，已经变了三个版本了。

reference即我们实际存储的变量，stamp是版本，每次修改可以通过+1保证版本唯一性。这样就可以保证每次修改后的版本也会往上递增。

另外还有AtomicMarkableReference类是 AtomicStampedReference 类的补充版，不关心修改了几次，只关心有没有修改过。

AtomicMarkableReference<Integer> atomicStampedReference = new AtomicMarkableReference<Integer>(1,false);

new Thread(() -> {
boolean b = atomicStampedReference.compareAndSet(1, 2,false,true);
while (b) {
if (b) {
System.out.println(" t1 修改成功 ");
return;
} else {
System.out.println(" t1 修改失败 ");
}
}
}, "t1 ").start();

new Thread(() -> {
boolean b = atomicStampedReference.compareAndSet(2, 1,true,false);
while (b) {
if (b) {
System.out.println(" t2 修改成功 ");
return;
} else {
System.out.println(" t2 修改失败 ");
}
}

}, "t2 ").start();

Thread.sleep(100);

System.out.println("版本号: " + atomicStampedReference.isMarked());
System.out.println("值: " + atomicStampedReference.getReference());

并发编程之深入理解CAS_数组_06

Atomic原子操作类

Java 中已经有了 CAS 为什么还需要提供Atomic原子操作类操作。

在 Java 并发编程中很容易出现一些并发安全问题，比如i++操作，多个贤臣根治性就有可能获取不到正确的值，解决这个问题最基本的操作室加锁保证线程安全，但是锁这个操作太重了，不是一种很高效的解决方案。

基于 CAS 操作，不需要底层一些线程内核的切换，可以使用 CAS 比较后更新，或者再进行重试。

如: 在有了 CAS 之后，synchronized 性能也变得提升了，不断的进行重试，重试一定次数失败后，实在不成功，进行内核的线程切换操作。

JDK 中为我们提供了Atomic原子操作类，保证线程对基本类型变量的操作，底层也是基于 CAS 来实现。

即使JDK 中不提供这些原子类，我们也可以自己去封装实现，区别点在于可能没 JDK 实现的那么优雅以及稳定。

在java.util.concurrent.atomic包里提供了一组原子操作类,可以分为这么几种类型：

基本类型：AtomicInteger、AtomicLong、AtomicBoolean
引用类型：AtomicReference、AtomicStampedRerence、AtomicMarkableReference；
数组类型：AtomicIntegerArray、AtomicLongArray、AtomicReferenceArray
对象属性原子修改器：AtomicIntegerFieldUpdater、AtomicLongFieldUpdater、 AtomicReferenceFieldUpdater
原子类型累加器（jdk1.8增加的类）：DoubleAccumulator、DoubleAdder、 LongAccumulator、LongAdder、Striped64

基本类型以AtomicInteger为例

以原子的方式将实例中的原值加1，返回的是自增前的旧值；

public final int getAndIncrement() {
return unsafe.getAndAddInt(this, valueOffset, 1);
}

getAndSet(int newValue)：将实例中的值更新为新值，并返回旧值

public final int getAndSet(int newValue) {
return unsafe.getAndSetInt(this, valueOffset, newValue);
}

先比较计算，成功则返回，失败则继续重试

以原子的方式将实例中的原值进行加1操作，并返回最终相加后的结果

public final int incrementAndGet() {
return unsafe.getAndAddInt(this, valueOffset, 1) + 1;
}

以原子方式将输入的数值与实例中原本的值相加，并返回最后的结果

public final int addAndGet(int delta) {
return unsafe.getAndAddInt(this, valueOffset, delta) + delta;
}

可以看到底层是使用unsasfe cpu指令级原子操作，并且值用volatile修饰对每个线程可见，保证可见性。

原子更新数组类型

//1 初始化
AtomicIntegerArray atomicIntegerArray = new AtomicIntegerArray(2);

// 2 初始化数组
//int array [] = {1,2};
//AtomicIntegerArray atomicIntegerArray = new AtomicIntegerArray(array);

//使用第一种初始化
//下表0 值设置 1
atomicIntegerArray.set(0,1);

System.out.println(atomicIntegerArray.get(0));;

//下表1 值设置 2
atomicIntegerArray.set(1,2);

System.out.println(atomicIntegerArray.get(1));;

//更新失败
System.out.println(atomicIntegerArray.compareAndSet(1, 1, 2));
//更新成功
System.out.println(atomicIntegerArray.compareAndSet(1, 2, 3));

并发编程之深入理解CAS_数组_10

可以看到基本方法一直，只不过数组是对 Index 操作的

原子更新引用类型

AtomicReference作用是对普通对象的封装，它可以保证你在修改对象引用时的线程安全性

还有 AtomicMarkableReference AtomicStampedReference 上面有例子

对象属性原子修改器

对于AtomicIntegerFieldUpdater 的使用稍微有一些限制和约束，约束如下：（1）字段必须是volatile类型的，在线程之间共享变量时保证立即可见.eg:volatile int value = 3 （2）字段的描述类型（修饰符public/protected/default/private）与调用者与操作对象字段的关系一致。也就是说调用者能够直接操作对象字段，那么就可以反射进行原子操作。但是对于父类的字段，子类是不能直接操作的，尽管子类可以访问父类的字段。（3）只能是实例变量，不能是类变量，也就是说不能加static关键字。（4）只能是可修改变量，不能使final变量，因为final的语义就是不可修改。实际上final的语义和 volatile是有冲突的，这两个关键字不能同时存在。（5）对于AtomicIntegerFieldUpdater和AtomicLongFieldUpdater只能修改int/long类型的字段，不能修改其包装类型（Integer/Long）。

AtomicIntegerFieldUpdater<Test> atomicIntegerFieldUpdater =
AtomicIntegerFieldUpdater.newUpdater(Test.class,"i");

// AtomicLongFieldUpdater 类型是long 和 AtomicIntegerFieldUpdater 一样
// AtomicLongFieldUpdater<Test> atomicLongFieldUpdater = AtomicLongFieldUpdater.newUpdater(Test.class,"i");

Test test = new Test();
//设置字段值
atomicIntegerFieldUpdater.set(test,10);

IntStream.rangeClosed(1,2).forEach(x->{
new Thread(()->{
for (int i = 0; i < 20; i++) {
Integer andDecrement = atomicIntegerFieldUpdater.getAndIncrement(test);
System.out.println(Thread.currentThread().getName() + " : " + andDecrement);

}
}).start();
});

如果要修改包装类型就需要使用 AtomicReferenceFieldUpdater。

Test2 test2 = new Test2();
//反省擦除会报错必须制定类型
// AtomicReferenceFieldUpdater atomicReferenceFieldUpdater = AtomicReferenceFieldUpdater.newUpdater(Test2.class,Integer.class,"i");
AtomicReferenceFieldUpdater<Test2,Integer> atomicReferenceFieldUpdater = AtomicReferenceFieldUpdater.newUpdater(Test2.class,Integer.class,"i");
test2.i=1;
atomicReferenceFieldUpdater.compareAndSet(test2,1,2);
System.out.println(atomicReferenceFieldUpdater.get(test2));

LongAdder/DoubleAdder详解

AtomicLong 、 AtomicInteger 是利用了底层的CAS操作来提供并发性的。我们都知道CAS 会在cpu上不断的重试，当线程数量少还可以接收，大量并发情况下，会出现大量失败并且不断的自旋重试，导致 CPU 空转，严重影响性能。

为了解决高并发下 AtomicLong 、 AtomicInteger 自旋瓶颈问题，引入LongAdder/DoubleAdder类。

AtomicLong中有个内部变量value保存着实际的long值，所有的操作都是针对该变量进行。

也就是说，高并发环境下，value变量其实是一个热点，也就是N个线程竞争一个热点。LongAdder的基本思路就是分散热点，将value值分散到一个数组中，不同线程会命中到数组的不同槽中，各个线程只对自己槽中的那个值进行CAS操作，这样热点就被分散了，冲突的概率就小很多。如果要获取真正的long值，只要将各个槽中的变量值累加返回。

LongAdder内部有一个base变量，一个Cell[]数组： base变量：非竞态条件下，直接累加到该变量上 Cell[]数组：竞态条件下，累加个各个线程自己的槽Cell[i]中。

定义了一个内部Cell类，这就是我们之前所说的槽，每个Cell对象存有一个value值，可以通过 Unsafe来CAS操作它的值 [图片上传失败...(image-9ea409-1667441369606)]

LongAdder中add方法

Cell[] 是否初始化，cells是null 则没有则初始化，casBase 方法 b=base值，这个是cas原子操作，表明没有竞争。如果出现了冲突，则再判断 cells 是否初始化，出现冲突更新base 更新base冲突则查看一个线程base原子操作，另一个失败则进行 cells初始化初始化了则定位hash 指定到 Cell 数组指定曹中，使用cas更新每个槽里的值

最后将每个槽和base相加起来

由于计算总和时没有对Cell数组进行加锁，所以在累加过程中可能有其他线程对Cell中的值进行了修改，也有可能对数组进行了扩容，所以sum返回的值并不是非常精确的，其返回值并不是一个调用sum方法时的原子快照值。

longAccumelate 这个方法很长

final void longAccumulate(long x, LongBinaryOperator fn,
boolean wasUncontended) {
int h;
if ((h = getProbe()) == 0) {
ThreadLocalRandom.current(); // force initialization
h = getProbe();
wasUncontended = true;
}
boolean collide = false; // True if last slot nonempty
for (;;) {
Cell[] as; Cell a; int n; long v;
if ((as = cells) != null && (n = as.length) > 0) {
if ((a = as[(n - 1) & h]) == null) {
if (cellsBusy == 0) { // Try to attach new Cell
Cell r = new Cell(x); // Optimistically create
if (cellsBusy == 0 && casCellsBusy()) {
boolean created = false;
try { // Recheck under lock
Cell[] rs; int m, j;
if ((rs = cells) != null &&
(m = rs.length) > 0 &&
rs[j = (m - 1) & h] == null) {
rs[j] = r;
created = true;
}
} finally {
cellsBusy = 0;
}
if (created)
break;
continue; // Slot is now non-empty
}
}
collide = false;
}
else if (!wasUncontended) // CAS already known to fail
wasUncontended = true; // Continue after rehash
else if (a.cas(v = a.value, ((fn == null) ? v + x :
fn.applyAsLong(v, x))))
break;
else if (n >= NCPU || cells != as)
collide = false; // At max size or stale
else if (!collide)
collide = true;
else if (cellsBusy == 0 && casCellsBusy()) {
try {
if (cells == as) { // Expand table unless stale
Cell[] rs = new Cell[n << 1];
for (int i = 0; i < n; ++i)
rs[i] = as[i];
cells = rs;
}
} finally {
cellsBusy = 0;
}
collide = false;
continue; // Retry with expanded table
}
h = advanceProbe(h);
}
else if (cellsBusy == 0 && cells == as && casCellsBusy()) {
boolean init = false;
try { // Initialize table
if (cells == as) {
Cell[] rs = new Cell[2];
rs[h & 1] = new Cell(x);
cells = rs;
init = true;
}
} finally {
cellsBusy = 0;
}
if (init)
break;
}
else if (casBase(v = base, ((fn == null) ? v + x :
fn.applyAsLong(v, x))))
break; // Fall back on using base
}
}

大致的逻辑是

只有从未出现过并发冲突的时候，base基数才会使用到，一旦出现了并发冲突，之后所有的操作都只针对Cell[]数组中的单元Cell。

如果Cell[]数组未初始化，会调用父类的longAccumelate去初始化Cell[]，如果Cell[]已经初始化但是冲突发生在Cell单元内，则也调用父类的longAccumelate，此时可能就需要对Cell[]扩容了。

这也是LongAdder设计的精妙之处：尽量减少热点冲突，不到最后万不得已，尽量将CAS操作延迟。

LongAccumulator

LongAccumulator是LongAdder的增强版。LongAdder只能针对数值的进行加减运算。 LongAccumulator内部原理和LongAdder几乎完全一样，都是使用了父类Striped64的longAccumulate方法。

//自定义算法
LongAccumulator longAccumulator = new LongAccumulator((x,y)-> x + y,10);
for (int i = 1; i <= 100; i++) {
int finalI = i;
new Thread(()->{
longAccumulator.accumulate(finalI);

}).start();
}

try {
TimeUnit.SECONDS.sleep(5);
} catch (InterruptedException e) {
e.printStackTrace();
}
System.out.println(longAccumulator.get());

CAS 和加锁相比，CAS 更加轻量，但也带来了两个问题一个是ABA问题、一个是自旋时间问题。

并发编程之深入理解CAS