AtomicInteger原子操作原理与使用解析
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。

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
- 上一篇
- 微信聊天记录迁移方法及换机指南
- 下一篇
- 火车票官网订票步骤详解
-
- 文章 · java教程 | 10小时前 | Java · JVM · JVM Native Memory Tracking NMT jcmd 原生内存 JVM内存排查
- JVM 原生内存上涨但堆稳定,怎样用 NMT 分类定位
- 414浏览 收藏
-
- 文章 · java教程 | 12小时前 | Java · 性能优化 · Stream · Java教程 · Java Stream Spliterator 并行流 parallelStream Stream副作用
- Stream 并行化前先判断什么:数据规模、拆分与副作用
- 405浏览 收藏
-
- 文章 · java教程 | 14小时前 | Java教程 · sealed interface Java密封类 模式匹配switch 支付结果 穷尽检查
- 密封类建模支付结果:穷尽分支与扩展边界
- 270浏览 收藏
-
- 文章 · java教程 | 17小时前 | 数据校验 · api设计 · Java教程 · 参数校验 Java record API DTO Jakarta Validation 紧凑规范构造器 跨字段校验
- Java Record 作为 API DTO 时,校验逻辑放在哪里
- 370浏览 收藏
-
- 文章 · java教程 | 19小时前 | 线程池 · 异常处理 · 并发编程 · Java教程 · CompletableFuture · 异步任务 completablefuture allOf Handle 结果汇总 CompletionException
- CompletableFuture 组合独立任务:allOf 结果汇总与失败归属
- 482浏览 收藏
-
- 文章 · java教程 | 21小时前 |
- StructuredTaskScope 如何表达并发任务的共同生命周期
- 425浏览 收藏
-
- 文章 · java教程 | 1天前 | 并发编程 · Java教程 · java arena MemorySegment WrongThreadException FFM API
- Java MemorySegment 怎么限制跨线程访问范围
- 132浏览 收藏
-
- 文章 · java教程 | 1天前 | Java · Java 24 Java Class-File API CodeTransform ClassTransform CodeAttribute
- Java Class-File API 怎么转换方法代码属性
- 199浏览 收藏
-
- 文章 · java教程 | 1天前 | Java · Stream · java Stream Gatherer Integrator.Greedy
- Java Gatherer Integrator.Greedy 什么时候可以声明贪婪处理
- 112浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java FileChannel transferTo 为什么可能只传输部分字节
- 229浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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
- 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
- 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
-
- 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
- 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
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览

