当前位置:首页 > 文章列表 > 文章 > java教程 > AtomicInteger原子操作原理与使用解析

AtomicInteger原子操作原理与使用解析

2026-02-28 16:15:35 0浏览 收藏
本文深入剖析了AtomicInteger的底层原子机制——它摒弃传统synchronized锁,依托CPU级CAS指令(通过Unsafe.compareAndSwapInt实现),实现无阻塞、高效率的线程安全计数;清晰对比了incrementAndGet与getAndIncrement在语义和返回值上的本质区别,揭示了普通++操作在多线程下丢失更新的根本原因,并强调了compareAndSet必须配合循环重试才能真正发挥无锁优势;同时不回避CAS的局限性,如ABA问题及其适用边界,帮助开发者从“会用API”跃升到“懂原理、知取舍、避陷阱”的实战水准。

在Java中AtomicInteger如何实现原子操作_Java并发安全工具说明

AtomicInteger底层靠的是CAS还是synchronized

AtomicInteger不依赖 synchronized,核心是CPU级别的CAS(Compare-And-Swap)指令,由 Unsafe.compareAndSwapInt 实现。JVM会将它编译为对应平台的原子汇编指令(如x86的 cmpxchg),无需加锁,也没有线程阻塞开销。

注意:CAS不是万能的——存在ABA问题,但 AtomicInteger 不处理这个(因为它只关心数值是否变化,不关心“变过几次”;若需ABA防护,得用 AtomicStampedReference)。

incrementAndGet() 和 getAndIncrement() 的行为差异

两者都原子地加1,但返回值不同:

  • incrementAndGet() 返回**更新后的新值**(先加再取)
  • getAndIncrement() 返回**更新前的旧值**(先取再加)

例如初始值为5:

AtomicInteger ai = new AtomicInteger(5);
int a = ai.incrementAndGet(); // a == 6,ai.get() == 6
int b = ai.getAndIncrement(); // b == 6,ai.get() == 7

选哪个取决于业务逻辑对“序号”或“计数器”的语义要求——比如生成唯一ID通常用 incrementAndGet(),而日志计数器可能更倾向 getAndIncrement()。

为什么不能直接用 ++ 操作符替代 AtomicInteger

++ 是三步操作:读内存 → 计算+1 → 写回内存。在多线程下,两个线程可能同时读到相同旧值,各自+1后再写回,导致只加了一次(丢失一次更新)。

而 AtomicInteger.addAndGet(1) 或 incrementAndGet() 把这三步打包成一个不可分割的硬件操作,失败时自动重试(自旋),保证结果正确。

常见误用场景:

  • 把 AtomicInteger 当普通 int 传参后做 ++:参数传递的是副本,原对象不受影响
  • 在循环里反复调用 get() 再手动 set():这已脱离原子性保障

compareAndSet() 的典型使用模式和陷阱

compareAndSet(expectedValue, newValue) 是最灵活的原子操作,常用于实现无锁算法或条件更新。

典型用法示例(实现一个简单的“首次初始化”):

AtomicInteger flag = new AtomicInteger(0);
// 只有第一次调用会成功,返回 true
if (flag.compareAndSet(0, 1)) {
    initialize();
}

容易踩的坑:

  • 预期值写错:比如用 flag.get() 的瞬时快照作为 expectedValue,但该值可能已被其他线程改过,导致CAS失败——这不是bug,是设计使然,需要配合循环重试(即自旋)
  • 把 compareAndSet 当作“乐观锁”却忽略重试逻辑,结果失败后静默跳过,造成逻辑遗漏
  • 在高竞争场景下,频繁CAS失败会带来明显CPU自旋开销,此时需评估是否改用 ReentrantLock 等显式锁

真正难的不是调用API,而是判断什么时候该用CAS、什么时候该让出CPU、以及如何避免ABA在业务语义中引发歧义。

今天关于《AtomicInteger原子操作原理与使用解析》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

微信聊天记录迁移方法及换机指南微信聊天记录迁移方法及换机指南
上一篇
微信聊天记录迁移方法及换机指南
火车票官网订票步骤详解
下一篇
火车票官网订票步骤详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    372次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    443次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    449次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    395次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    220次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码