4.乐观锁

这一章主要介绍乐观锁。前面的管程部分讲了悲观锁，现在做一些总结：

悲观锁（Pessimistic Lock）：悲观锁认为数据在多线程或多进程环境下总是容易发生冲突/冲突的概率高，所以在数据操作前，直接加锁（独占），别的线程/进程不能再访问或只能阻塞等待。因此悲观锁实用与写操作多、共享资源竞争激烈以及一致性要求高的场景。但是如果面对读操作多的情况，使用悲观锁会导致线程切换进而导致额外开销，就不如乐观锁。

数据库层 ：SELECT ... FOR UPDATE，行锁、表锁
Java并发 ：synchronized，ReentrantLock，AQS独占锁等
其他：文件锁、操作系统互斥锁

乐观锁（Optimistic Lock）：乐观锁假定冲突发生的概率低，不加锁，先操作，最后再校验（即使有冲突，再补救）。因此乐观锁的过程是不涉及真实的锁，而是使用有冲突再补救的思想进行判断，因此不会涉及阻塞和互斥，性能较好，适用于读多写少的场景。但问题是如果在写多的场景下，会经常出现重试，也就会导致效率降低。且如果对于乐观锁的粒度要求高，会出现ABA问题。

CAS（Compare and Swap）机制 —— Java原子类AtomicInteger、AtomicReference等
版本号机制 — 每条数据/对象带版本号，更新时校对版本号
数据库乐观锁 ：如在UPDATE/DELETE时加条件“WHERE version = ?”，更新不成代表有别的事务改过了，重试

4.1 CAS

如果不加synchronized则会出现线程安全的问题，即cost不会为0。加synchronized则会解决线程安全的问题。即会因为多个线程操作amount可能会出现并发的问题。例如减余额的操作分为读取值、减余额，写回，这样两个线程都执行前两步，结果只扣了一次。

import java.util.ArrayList;
import java.util.List;
public class Main {public static void main(String[] args) {Account account = new AccountUnsafe(10000);Account.demo(account);}
}class AccountUnsafe implements Account {private Integer balance;public AccountUnsafe(Integer balance) {this.balance = balance;}@Overridepublic Integer getBalance() {synchronized (this) {return this.balance;}}@Overridepublic void withdraw(Integer amount) {this.balance -= amount;}
}interface Account{// 获取余额Integer getBalance();// 取款void withdraw(Integer 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(Account account) {List<Thread> ts = new ArrayList<>();for (int i = 0; i < 1000; i++) {ts.add(new Thread(() -> {account.withdraw(10);}));}long start = System.nanoTime();ts.forEach(Thread::start);ts.forEach(t -> {try {t.join();} catch (InterruptedException e) {e.printStackTrace();}});long end = System.nanoTime();System.out.println(account.getBalance()+ " cost: " + (end - start) / 1000_000 + " ms");}
}
// 无锁实现 也可以做到全售卖出 整个过程不涉及sync
class AccountCas implements Account {private AtomicInteger balance;public AccountCas(int balance) {this.balance = new AtomicInteger(balance);}@Overridepublic Integer getBalance() {return balance.get();}@Overridepublic void withdraw(Integer amount) {while(true) {// 获取余额的最新值int prev = balance.get();// 要修改的余额int next = prev - amount;// 真正修改if(balance.compareAndSet(prev, next)) {break;}}}}

无锁原理：

重点在于compareAndSet,即CAS。比较的双方如下：

prev：调用balance.get()时读取的余额值（旧值）。
balance的当前实际值：执行CAS时内存中的最新值。

也就是，检查balance的当前值是否等于prev（即判断是否有其他线程在此期间修改了余额）。如果是等于，则说明并未被修改，因此将next赋值给balance，并且立即写入主内存。反之则继续循环。

而怎么保证cas操作是原子的？现代处理器提供了专门的原子指令来实现CAS操作，即只有一条指令来进行CAS。

CAS和volatile：

我们使用的AtomicInteger，具体值是使用volatile进行修饰，因此会插入内存屏障保证其可见性。如果不加入volatile，则可能一直看不到最新值，导致一直死循环，因此CAS必须配合volatile才可以使用。

无锁效率：

无锁的效率更高，因为cas的自选操作不需要切换上下文，而sync需要切换上下文，多出开销。但是CAS需要额外的cpu的支持，不然就没有实际意义。也因此最好线程数不要超过cpu数，超过了再自旋也没有意义。

总结：

cas是乐观锁的思想，即认为发生冲突的情况很少，遇到冲突则会重试。而sync是悲观锁，假设冲突经常发生。
cas是无锁且无阻塞的并发。即真的不加锁，且状态不改变不是阻塞态。如果竞争如果十分激烈，重试经常发生则会效率降低。

4.2 无锁线程安全工具，原子类

原子类的全部方法都保证了原子性，其原子性的原因仍为cas+volatile。例如AtomicInteger的源码有一个int value代表值，这个变量就是使用volatile修饰，每次读取一定读取到最新值，不会脏读。CAS则是指令保证的。

这里说一下，Integer、String等类都是线程安全的，也就是不可变类，即一旦创建状态就不可以修改。也因此多线程的读写不会影响对象本身。但下面的操作就发生了读-写-改的操作，多线程下这样的操作就不是原子的，因此原子类就是解决类似读-写-改这样的多次操作，从而保证多线程下的原子性。

Integer a = 1;
// Thread A
a = a + 1;        // 等价于 int tmp = a.intValue(); tmp++; a = new Integer(tmp); 
// Thread B
a = a + 1;

4.2.1 原子整数

有如下方法，方法都保证原子性：

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 = 10, 返回 10）
System.out.println(i.addAndGet(5));// 更新并获取，适合复杂操作。即将得到的value值*10再获取，输出为100.
System.out.println(i.updateAndGet(value -> value*10));

因此有了上面的原子的方法，我们之前的代码就可以做如下修改。更改后的代码不需要在手动写CAS进行循环判断，而是交给getAndAdd方法，其内部也是CAS的操作。

@Override
public void withdraw(Integer amount) {/*while(true) {// 获取余额的最新值int prev = balance.get();// 要修改的余额int next = prev - amount;// 真正修改if(balance.compareAndSet(prev, next)) {break;}}*/balance.getAndAdd(delta: -1*amount);
}

updateAndGet原理：

思想还是使用compareAndSet进行判断。不过需要传入一个一元的操作符来代表操作。

public final int updateAndGet(IntUnaryOperator updateFunction) {int prev, next;do {prev = get();next = updateFunction.applyAsInt(prev);} while (!compareAndSet(prev, next));return next;
}

4.2.2 原子引用

想保护的不一定都是基本数据类型，因此使用原子引用类型。比如我们把上面的例子的Integer类型替换为BigDecimal类型，那就不能使用AtomicInteger类型，可以使用原子引用类型。

class DecimalAccountCas implements DecimalAccount {private AtomicReference<BigDecimal> balance; // 在泛型的部分加入需要替换的类型public DecimalAccountCas(BigDecimal balance) { // 构造函数，传入balancethis.balance = new AtomicReference<>(balance);}@Overridepublic BigDecimal getBalance() {return balance.get();}@Overridepublic void withdraw(BigDecimal amount) {while(true) {BigDecimal prev = balance.get();BigDecimal next = prev.subtract(amount);if (balance.compareAndSet(prev, next)) {break;}}}
}

原子引用的ABA问题：

例如有如下一段代码：

public class Test {static AtomicReference<String> ref = new AtomicReference<>("A");public static void main(String[] args) throws InterruptedException {Log.debug("main start...");// 获取值 AString prev = ref.get();other();sleep(1);// 尝试改为 CLog.debug("change A->C {}", ref.compareAndSet(prev, update: "C"));}private static void other() {new Thread(() -> {Log.debug("change A->B {}", ref.compareAndSet(ref.get(), update: "B"));}, name: "t1").start();sleep(0.5);new Thread(() -> {Log.debug("change B->A {}", ref.compareAndSet(ref.get(), update: "A"));}, name: "t2").start();}
}

这一段代码的main线程会sleep 1s，期间other会主动改动ref的值为B再改为A，但是main线程无法判断是否有其他线程更改过。因此，CAS无法判断是否有其他线程进行修改。虽然大部分情况这种问题不会导致真正的问题，因为最后main判断的数据仍然为A，但是如果希望只要发生修改就返回false，则仅仅比较值是不够的，还需要增加一个版本号。每次修改都会更改版本号。需要替换原子引用，使用AtomicStampedReference，即原子版本号引用。

如下代码，other中的两个线程都可以修改，并且会递增版本号，但是main线程则会由于版本号对不上CAS失败。

public class AtomicStampedReferenceExample {static AtomicStampedReference<String> ref = new AtomicStampedReference<>("A", 0);public static void main(String[] args) throws InterruptedException {Log.debug("main start...");// 获取值 AString prev = ref.getReference();int stamp = ref.getStamp();other();// 尝试改为 CLog.debug("change A->C {}", ref.compareAndSet(prev, "C", stamp, stamp + 1));}private static void other() {new Thread(() -> {int stamp = ref.getStamp();Log.debug("change A->B {}", ref.compareAndSet(ref.getReference(), "B", stamp, stamp + 1));}, "t1").start();sleep(0.5);new Thread(() -> {int stamp = ref.getStamp();Log.debug("change B->A {}", ref.compareAndSet(ref.getReference(), "A", stamp, stamp + 1));}, "t2").start();}
}

有时候，不关心更改多少次而是是否做过更改，因此就可以使用AtomicMarkableReference。

ABA问题主要是在乐观锁/CAS并发更新时，内存（或数据/引用）先变成A→B，然后又变回A，因此会误以为没有被修改，实则被修改了。主要出现在原子引用/CAS操作时出现。

4.2.3 原子数组

是一种原子的，可以在多线程下使用的数组。其实就是可以替换数组，也就是int[]

private static <T> void demo(Supplier<T[]> arraySupplier,Function<T[], Integer> lengthFun,BiConsumer<T[], Integer> putConsumer,Consumer<T[]> printConsumer) {List<Thread> ts = new ArrayList<>();T[] array = arraySupplier.get();int length = lengthFun.apply(array);for (int i = 0; i < length; i++) {// 每个线程对数组作10000次操作ts.add(new Thread(() -> {for (int j = 0; j < 10000; j++) {putConsumer.accept(array, j % length);}}));}
}
// 测试函数
demo(// 换成Atomic就不会出错// 如果是() -> new int[10] 就会因为线程不安全导致出错。() -> new AtomicIntegerArray(length: 10),(array) -> array.length(),(array, index) -> array.getAndIncrement(index),array -> System.out.println(array)
);

4.2.4字段更新器：

字段更新器，是更新一个类的某个字段的方式，这个字段必须要被volatile进行修饰。例如一个class里有一个叫account的属性，那么可以通过字段更新器进行原子更改（使用原子方法，例如cas，getAndAnd）。相比于直接使用原子整数或者原子引用，字段更新器不会额外创建原子对象，因此开销更小。但是属性一定要被volatile修饰，且不能为static。

import java.util.concurrent.atomic.AtomicIntegerFieldUpdater;public class FieldUpdaterExample {static class BankAccount {private volatile int balance; // 必须是 volatileprivate static final AtomicIntegerFieldUpdater<BankAccount> updater =AtomicIntegerFieldUpdater.newUpdater(BankAccount.class, "balance"); // 对BankAccount的balance字段进行更改。public void withdraw(int amount) {updater.addAndGet(this, -amount); // 原子扣减}public int getBalance() {return balance;}}public static void main(String[] args) {BankAccount account = new BankAccount();account.withdraw(100); // 原子操作System.out.println("Balance: " + account.getBalance());}
}

对于除了Integer的对象，也有对应类型的字段更新器：

AtomicIntegerFieldUpdater //用于 int 类型字段。
AtomicLongFieldUpdater //用于 long 类型字段。
AtomicReferenceFieldUpdater //用于引用类型字段（如 String、自定义对象）。

4.2.5 原子累加器

顾名思义，就是做累加操作的。

4.3 LongAdder

用于在高并发的场景下替代AtomicLong，因为AtomicLong是基于CAS的，如果在高并发下多线程进行竞争可能会导致性能瓶颈。而LongAdder将计数分散到多个变量（多个cell），不同的线程竞争不同的cell，进而减少竞争。

有如下关键字段：

transient volatile Cell[] cells;transient volatile long base;transient volatile int cellsBusy; // 表示cells初始化/扩容等是否在进行中

base：计数基础值。并发不高时，线程直接尝试 CAS 操作它。
cells：Cell 数组，高并发时，线程 hash 到不同 Cell 进行累加。
cellsBusy：自旋锁，保证 cells 操作线程安全。

而这里的cell本质是一个包含 volatile long 的对象，并能支持自身的 CAS 操作。

// 防止缓存行的伪共享
@sun.misc.Contended
static final class Cell {volatile long value;Cell(long x) { value = x; }final boolean cas(long cmp, long val) {return UNSAFE.compareAndSwapLong(this, valueOffset, cmp, val);}
}

这里的注解是防止伪共享。什么是伪共享呢？伪共享 是多线程并发编程中的一种性能隐患。当多个线程操作不同变量 ，但这些变量共享同一个CPU缓存行时，如果线程频繁写操作这些变量，会导致缓存行反复失效（cache line flush），极大降低并发性能。这种情况下虽然线程没有真正访问同一份数据，但会“间接竞争”同一缓存行。

cpu是分级缓存的，我们这里只假设有一个cache，对于多核cpu来说，每个cpu则会配置一个cache。但是内存只有一份。一个cache行和内存行的大小是相同的，都是64字节，而存储的cell则是24字节（对象头16+一个long变量8），**也就是说一个内存行可以存储两个cell。**如果一个cpu1将cell0的值+1，而另一个cpu2只是将cell1+1，那么对应到内存中会触发同一cache line的竞争和cache一致性协议（如MESI）下的共享失效（false sharing），因此会导致一致性问题。

解决方法也就是加入注解：Cell 填充(padding)——@sun.misc.Contended

@sun.misc.Contended
static final class Cell {volatile long value;// ...
}

JVM看到 @Contended，会自动帮Cell对象在value前后填充一些“无用字节”（padding），防止同一个Cell数组里的Cell落在同一缓存行，提高并发写性能。简单来说，也就是每个cell独占一个cache行，不会出现多个cell挤在一个cache行的情况。

常用方法：

add(long x)：
增加指定的值（x可以是正数或负数，即加也可以减）。
increment()：
自增1，等价于add(1)。
decrement()：
自减1，等价于add(-1)。
sum()：
获取当前所有Cell+base的累计和（近似实时值，不是强一致性）。这里是即使快照，可能在取得sum的时候有其他线程进行修改，但只是获取的值可能是上一个版本的值，但是能保证值是正确的。
sumThenReset()：
获取累计和，并顺带清空为0（适合做周期性采集和清空，比如监控流量时段统计）。
reset()：
直接重置所有统计为0，但不返回和。

源码如下：这里的cells就是Longadder的cells数组，而cells是懒创建的，没有竞争时就不创建cells。base也是Longadder的base字段，如果base的CAS失败，则说明出现竞争。这两点都说明竞争出现了，进入if分支。如果没有发生竞争，则在casBase的地方就直接进行了累加。

第二个if分支则是查看是否要进入复杂分支，即简单路径是否失败。

public void add(long x) {Cell[] as; long b, v;int m;Cell a;// 1. 如果cells数组已初始化 或 base的CAS失败 if ((as = cells) != null || !casBase(b = base, b + x)) {boolean uncontended = true;// 2. 尝试定位到cell if (as == null || (m = as.length - 1) < 0 ||(a = as[getProbe() & m]) == null ||!(uncontended = a.cas(v = a.value, v + x)))// 3. 碰撞等特殊情况，进入更复杂的处理longAccumulate(x, null, uncontended);}
}