当前位置:首页 > 文章列表 > 文章 > java教程 > CAS原理与乐观锁应用解析

CAS原理与乐观锁应用解析

2026-03-12 15:00:58 0浏览 收藏
本文深入剖析了CAS原子操作的核心原理与乐观锁实践中的关键陷阱,重点揭示了compareAndSet并非“绝对线程安全”的本质原因——它仅校验值的最终状态而忽略修改过程,从而引发隐蔽且危险的ABA问题;文章对比解析了AtomicStampedReference(通过主动维护递增版本号精准防控ABA)和AtomicMarkableReference(仅适用于开/关类二元标记场景)的设计差异与适用边界,并尖锐指出:真正的并发难题往往不在底层API,而在于将复杂业务语义错误简化为内存值比对——当订单状态回滚、链表节点重插或计数器反复重置时,技术方案必须回归业务建模本质,优先考虑状态机+显式锁的稳健性,或确保stamp严格承载业务版本逻辑,而非机械自增。

Java中的CAS原子操作原理_乐观锁实现与ABA问题的解决策略

为什么 compareAndSet 不等于“绝对线程安全”

因为 compareAndSet 只校验值是否被改过,不关心“怎么被改的”。比如一个 Integer 对象从 100 → 200 → 100,CAS 看起来没变,就允许更新,但中间可能已发生业务语义上的覆盖。这就是 ABA 问题的根源——它不是并发失败,而是逻辑错误。

常见错误现象:AtomicInteger 在循环计数或状态机中反复重置时,出现意料外的更新成功;用 AtomicReference 管理链表节点时,删除-重插导致结构错乱。

  • 使用场景:适合简单数值变更(如计数器)、无状态标志位(如 isInitialized);不适合带生命周期或引用关系的数据结构
  • 参数差异:compareAndSet(expected, updated) 中 expected 是按引用比较(==),对包装类必须注意缓存(如 Integer.valueOf(100) 在 -128~127 范围内复用对象)
  • 性能影响:无锁,避免阻塞,但高竞争下自旋重试会浪费 CPU;比 synchronized 在低争用时快,高争用时未必

AtomicStampedReference 怎么加“时间戳”防 ABA

它把变量值和一个整型版本号(stamp)打包成一对,compareAndSet 同时校验二者。哪怕值变回原样,只要 stamp 不同,操作就被拒绝。

关键点不是“时间戳”,而是“每次修改都递增的版本标识”。JVM 不保证 stamp 是时间相关,只保证你主动更新它。

  • 必须自己维护 stamp:每次调用 compareAndSet 前,要读当前值 + stamp,计算新值和新 stamp(通常 stamp + 1)
  • 不能直接暴露内部 stamp:getStamp() 返回的是快照值,多线程下可能已失效;应配合 get(int[] stampHolder) 原子读取值与 stamp
  • 示例中常见错:只更新值、忘了递增 stamp,结果跟裸 AtomicReference 行为一致

为什么 AtomicMarkableReference 只适合“标记切换”场景

它只带一个布尔标记(mark),不是数字版本号。适用于“开/关”“已处理/未处理”这类二元状态,无法区分多次翻转。

比如实现一个懒加载的单例:用 mark 标记“是否已初始化”,首次设为 true 后,后续 CAS 就不会再成功——这正是需要的;但如果要记录“第几次初始化”,它就不够用了。

  • 适用场景:资源开关、一次性状态流转(如 isClosed)、带标记的指针(如并发跳表中的逻辑删除)
  • 不适用场景:需要追踪修改次数、恢复到某次历史状态、或要求严格顺序编号的场合
  • 性能略优于 AtomicStampedReference:布尔值占空间小,CPU 缓存更友好;但语义窄,别硬套

ABA 真正难搞的地方不在 API,而在业务建模

用 AtomicStampedReference 能堵住 ABA 漏洞,但前提是:你知道哪一步操作该升版、哪一步不该升、升多少。比如链表节点删除时,是删节点本身升版,还是整个链表头升版?不同选择会导致完全不同的并发行为。

很多问题不是 CAS 不够强,而是把“业务状态变化”错误映射成了“内存值变化”。比如用 AtomicInteger 表示订单状态(1=待支付、2=已支付、3=已发货),一旦状态回滚(如发货失败退回到待支付),ABA 就悄悄发生了。

  • 真正要检查的,不是“值有没有变过”,而是“变的过程是否符合业务约束”
  • 复杂状态建议用显式状态机 + synchronized 或 ReentrantLock,别强行上原子类
  • 如果非要用原子引用,务必把业务版本(如订单版本号、更新时间戳)作为 stamp 的来源,而不是随便 ++

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《CAS原理与乐观锁应用解析》文章吧,也可关注golang学习网公众号了解相关技术文章。

SpringBoot动态枚举价格计算方法SpringBoot动态枚举价格计算方法
上一篇
SpringBoot动态枚举价格计算方法
京东快递查件入口及查询方法详解
下一篇
京东快递查件入口及查询方法详解
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。
    268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。
    321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。
    306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。
    283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。
    100次使用