并发原子类:用原子类来保证可见性和原子性
原子类保证原子性JUC是java.util.concurrent包的简称JUC有2大核心CAS和AQSCAS是java.util.concurrent.atomic包的基础即AtomicInteger和AtomicLong等是用CAS实现的我在volatile相关文章中分享过volatile只能保证可见性不能保证原子性。但原子类AtomicInteger等可以保证原子性原子类利用volatileCAS来保证原子性来看看怎么做到的吧。开5个线程每个线程将count加1000NotThreadSafepublicclassCountTest{publicstaticintcount0;publicstaticvoidmain(String[]args){//新建一个线程池ExecutorServiceserviceExecutors.newCachedThreadPool();//Java8 lambda表达式执行runnable接口for(inti0;i5;i){service.execute(()-{for(intj0;j1000;j){count;}});}//关闭线程池service.shutdown();try{TimeUnit.SECONDS.sleep(2);}catch(InterruptedExceptione){e.printStackTrace();}System.out.println(count count);}}由于这个代码是线程不安全的因为count不是原子操作所以最终结果有可能小于5000我们可以用synchronized保证操作的原子性和可见性ThreadSafepublicclassCountTest{publicstaticintcount0;publicstaticvoidmain(String[]args){ExecutorServiceserviceExecutors.newCachedThreadPool();for(inti0;i5;i){service.execute(()-{for(intj0;j1000;j){synchronized(CountTest.class){count;}}});}service.shutdown();try{TimeUnit.SECONDS.sleep(2);}catch(InterruptedExceptione){e.printStackTrace();}System.out.println(count count);}}synchronized属于悲观锁它有一个明显的缺点它不管数据存不存在竞争都加锁随着并发量增加且如果锁的时间比较长其性能开销将会变得很大。有没有办法解决这个问题答案是基于冲突检测的乐观锁。这种模式下已经没有所谓的锁概念了每个线程都直接先去执行操作检测是否与其他线程存在共享数据竞争如果没有则让此操作成功如果存在共享数据竞争则不断地重新执行操作直到成功为止重新尝试的过程叫自旋java.util.concurrent.atomic包就用到了CAS如AtomicInteger可以用于Integer类型的原子性操作可将上述代码改为如下也是线程安全的ThreadSafepublicclassCountTest{publicstaticAtomicIntegercountnewAtomicInteger(0);publicstaticvoidmain(String[]args){ExecutorServiceserviceExecutors.newCachedThreadPool();for(inti0;i5;i){service.execute(()-{for(intj0;j1000;j){count.getAndIncrement();}});}service.shutdown();try{TimeUnit.SECONDS.sleep(2);}catch(InterruptedExceptione){e.printStackTrace();}System.out.println(count count);}}CAS介绍CASCompare and Swap, 翻译成比较并交换。CAS有3个操作数内存值V旧的预期值A要修改的新值B。当且仅当预期值A和内存值V相同时将内存值V修改为B否则什么都不做。仔细看图CAS原理就是这么简单看源码加深一下印象。实现原理privatestaticfinalUnsafeunsafeUnsafe.getUnsafe();privatestaticfinallongvalueOffset;static{try{valueOffsetunsafe.objectFieldOffset(AtomicInteger.class.getDeclaredField(value));}catch(Exceptionex){thrownewError(ex);}}privatevolatileintvalue;AtomicInteger的值保存在value中通过volatile保证操作的可见性通过一个静态代码块来保证类被加载时valueOffset已经有值了Unsafe是一个不安全的类提供了一些对底层的操作我们是不能使用这个类的valueOffset 是AtomicInteger对象value成员变量在内存中的偏移量publicfinalintgetAndIncrement(){returnunsafe.getAndAddInt(this,valueOffset,1);}//第一个参数为当前这个对象如count.getAndIncrement()则这个参数则为count这个对象//第二个参数为AtomicInteger对象value成员变量在内存中的偏移量//第三个参数为要增加的值publicfinalintgetAndAddInt(Objectvar1,longvar2,intvar4){intvar5;do{//调用底层方法得到value值var5this.getIntVolatile(var1,var2);//通过var1和var2得到底层值,var5为当前值如果底层值当前值则将值设为var5var4并返回true否则返回false}while(!this.compareAndSwapInt(var1,var2,var5,var5var4));returnvar5;}这个方法是由其他语言实现的就不再分析publicfinalnativebooleancompareAndSwapInt(Objectvar1,longvar2,intvar4,intvar5);并发比较低的时候用CAS比较合适并发比较高用synchronized比较合适CAS的缺点1.只能保证对一个变量的原子性操作当对一个共享变量执行操作时我们可以使用循环CAS的方式来保证原子操作但是对多个共享变量操作时循环CAS就无法保证操作的原子性这个时候就可以用锁来保证原子性。2.长时间自旋会给CPU带来压力我们可以看到getAndAddInt方法执行时如果CAS失败会一直进行尝试。如果CAS长时间一直不成功可能会给CPU带来很大的开销。3.ABA问题如果内存地址V初次读取的值是A并且在准备赋值的时候检查到它的值仍然为A那我们就能说它的值没有被其他线程改变过了吗如果在这段期间它的值曾经被改成了B后来又被改回为A那CAS操作就会误认为它从来没有被改变过。这个漏洞称为CAS操作的“ABA”问题。Java并发包为了解决这个问题提供了一个带有标记的原子引用类“AtomicStampedReference”它可以通过控制变量值的版本来保证CAS的正确性。因此在使用CAS前要考虑清楚“ABA”问题是否会影响程序并发的正确性如果需要解决ABA问题改用传统的互斥同步可能会比原子类更高效。除了AtomicInteger外Java还提供了很多其他类型的原子类按照作用分类如下原子更新数组元素AtomicIntegerArray原子更新整型数组中的元素AtomicLongArray原子更新长整型数组中的元素AtomicReferenceArray原子更新引用类型数组中的元素AtomicIntegerArrayarraynewAtomicIntegerArray(newint[]{1,2,3});// 1System.out.println(array.getAndAdd(0,5));// 6System.out.println(array.get(0));原子更新引用类型AtomicReference原子更新引用类型AtomicStampedReference原子更新引用类型对比版本号AtomicMarkableReference原子更新引用类型对比bool值DataAllArgsConstructorpublicclassUser{privateStringname;privateIntegerage;}AtomicReferenceUserreferencenewAtomicReference(newUser(a,1));// AtomicTest.User(namea, age1)System.out.println(reference.getAndSet(newUser(b,2)));// AtomicTest.User(nameb, age2)System.out.println(reference.get());AtomicStampedReference更新的时候通过对比版本号来解决ABA的问题// 1为版本号AtomicStampedReferenceStringreferencenewAtomicStampedReference(a,1);// 将a更为b同时将版本号加1// trueSystem.out.println(reference.compareAndSet(a,b,reference.getStamp(),reference.getStamp()1));// 更新失败因为版本号不一致// falseSystem.out.println(reference.compareAndSet(b,c,1,reference.getStamp()));// bSystem.out.println(reference.getReference());AtomicMarkableReference更新的时候通过对比bool值来解决ABA的问题AtomicMarkableReferenceStringreferencenewAtomicMarkableReference(a,false);// trueSystem.out.println(reference.compareAndSet(a,b,reference.isMarked(),!reference.isMarked()));原子更新字段AtomicIntegeFieldUpdater原子更新整型字段类AtomicLongFieldUpdater原子更新长整型字段类AtomicReferenceFieldUpdater原子更新引用类型字段类更新类的属性必须使用public volatile修饰保证可见性DataAllArgsConstructorpublicclassPerson{privateStringname;publicvolatileintage;}PersonpersonnewPerson(a,1);AtomicIntegerFieldUpdaterupdaterAtomicIntegerFieldUpdater.newUpdater(Person.class,age);// 2System.out.println(updater.incrementAndGet(person));

相关新闻

AI Agent性能衰减原因与Anthropic评估指南解析

AI Agent性能衰减原因与Anthropic评估指南解析

1. 为什么你的AI Agent总被吐槽"变蠢"?最近在开发者社区里,经常看到这样的吐槽:"我的AI Agent刚上线时表现很好,怎么用着用着就变蠢了?"作为从业者,我深有体会。上周就遇到一个案例&am…

2026/7/28 21:42:48 阅读更多 →
SmolForge轻量引擎:自定义皮肤与动画系统开发实战

SmolForge轻量引擎:自定义皮肤与动画系统开发实战

如果你正在为游戏或应用开发寻找一个轻量级、易扩展的渲染引擎,最近 SmolForge 的更新可能值得你关注。这个原本就以"小巧"(Smol)著称的引擎,在最新版本中加入了自定义皮肤和动画功能,这不仅仅是"又多两…

2026/7/28 21:41:47 阅读更多 →
企业AI智能测试落地实施方案

企业AI智能测试落地实施方案

关注 霍格沃兹软件测试开发 公众号,回复「资料」, 领取人工智能测试开发技术合集 企业 AI 落地的关键 越来越多企业正在尝试引入AI。为了尽快验证效果,不少团队已经投入了大量人力,借助各类开源方案搭建智能体并完成了部分自动化能力的探索。…

2026/7/28 21:41:47 阅读更多 →

最新新闻

小龙虾Skill 全局共享配置总结

小龙虾Skill 全局共享配置总结

问题现象skill agent 的 workspace 下有 5 个自定义 skills(ppt-intro、ppt-report、ppt-solution、ppt-tech、ys-collector),但其他 agent(如 xtao)无法使用。根因分析原因说明工作域隔离OpenClaw 默认只在各 agent 自…

2026/7/29 22:25:28 阅读更多 →
WAIC 2026闭幕:机器人从跳舞变成拧螺丝

WAIC 2026闭幕:机器人从跳舞变成拧螺丝

一、展会风向的肉眼可见转折1、从“动作秀”到“任务秀”的硬指标2026年7月17到20日,上海WAIC 2026展览面积首破10万平方米,1100多家企业参展,300多款全球首发,现场意向合作162亿元。 最显眼的变化不是机器人走得更稳,…

2026/7/29 22:25:28 阅读更多 →
ProjectAlice高级配置技巧:优化语音交互体验的10个实用方法

ProjectAlice高级配置技巧:优化语音交互体验的10个实用方法

ProjectAlice高级配置技巧:优化语音交互体验的10个实用方法 【免费下载链接】ProjectAlice Main repository of Project Alice, contains main unit source code 项目地址: https://gitcode.com/gh_mirrors/pr/ProjectAlice ProjectAlice是一款强大的开源语音…

2026/7/29 22:25:28 阅读更多 →
西安客折扣卡系统开发实战:从架构到部署完整指南

西安客折扣卡系统开发实战:从架构到部署完整指南

# 西安客折扣卡系统开发实战:从架构到部署完整指南## 一、系统架构设计:从后端到前端的完整技术栈西安客折扣卡系统开发的核心目标是实现电商CPS(按成交付费)收益的自动化与规模化。根据当前主流的电商开源项目与行业方案&#xf…

2026/7/29 22:25:28 阅读更多 →
开发Specificity Graph插件:扩展图表功能的API详解

开发Specificity Graph插件:扩展图表功能的API详解

开发Specificity Graph插件:扩展图表功能的API详解 【免费下载链接】specificity-graph Generate interactive Specificity Graphs for your CSS 项目地址: https://gitcode.com/gh_mirrors/sp/specificity-graph Specificity Graph是一款用于生成CSS特异性交…

2026/7/29 22:25:28 阅读更多 →
Android Audio Latency测试

Android Audio Latency测试

Audio Latency 通常是一个非常棘手的问题,它的核心点在于播放音乐的过程中,如果延迟低就容易发生卡顿;延迟高就比较流畅,但过高的延迟会带来音画同步的问题,用户会感觉慢半拍。所以延迟和流畅就像天平的两端一样&#…

2026/7/29 22:24:28 阅读更多 →

日新闻

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

一、本文介绍 🔥本文在RT-DETR多模态融合目标检测中引入RLAB残差线性注意力模块,可在不同模态特征交互阶段进行多次残差细化,使可见光、红外等特征在尺度、语义和空间位置上更好对齐;随后将细化特征与解码器输出拼接并生成Q、K、V,通过线性注意力自适应强化关键通道、目…

2026/7/29 0:00:23 阅读更多 →
AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础 在上一期「AI编程系列」中,我们学习了如何构建一个基础的 AI 问答系统,通过简单的输入输出让模型回应问题。但现实世界中的 AI 应用往往需要处理更复杂的场景:…

2026/7/29 0:00:23 阅读更多 →
AI智能体开发实战:从工具调用到企业级部署

AI智能体开发实战:从工具调用到企业级部署

1. 从被动问答到主动执行:AI Agent的范式转变过去两年,大语言模型最显著的应用形态是聊天机器人——用户提问,AI回答。但真正的生产力革命发生在2023年下半年:当AI学会主动调用工具完成任务时,生产力工具的历史被彻底改…

2026/7/29 0:00:23 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/29 22:18:20 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/29 14:34:28 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/29 15:00:03 阅读更多 →

月新闻