Java长计数器优化方法与技巧

在高并发场景下，Java 中频繁更新计数器时，传统 AtomicLong 因所有线程争抢同一变量导致 CAS 失败率高、性能急剧下降，而 LongAdder 通过“分段累加”策略将竞争分散到多个独立单元，显著降低线程冲突，使写操作几乎无锁、吞吐量提升可达 5–10 倍；它特别适合请求统计、监控指标等“多写少读”的场景，API 简洁易用（increment/add/sum），虽牺牲了强实时一致性与少量内存，却以极小改造成本换来巨大性能收益——如果你的应用正被高频计数拖慢，LongAdder 很可能就是那个简单却关键的优化突破口。

在高并发场景下，多个线程频繁更新同一个计数器时，使用 LongAdder 比传统的 AtomicLong 性能更好。这是因为 LongAdder 采用“分段累加”的策略，减少线程间的竞争。

为什么选择 LongAdder？

当大量线程同时对一个共享变量进行递增操作时，比如用 AtomicLong 的 incrementAndGet() 方法，所有线程都会争抢同一个变量的锁（实际上是 CAS 操作），导致大量线程重试，性能下降。

LongAdder 的设计思想是：把总和拆成多个单元，每个线程在自己对应的单元上做累加，最后再把所有单元的值加起来。这样大大减少了线程冲突。

• 写操作（add/increment）高度并发，几乎无竞争
• 读操作（sum）相对较少，适合“多写少读”场景
• 在高并发下性能远超 AtomicLong

基本使用方法

LongAdder 的 API 简单直观，常用方法包括 increment()、add(long) 和 sum()。

示例代码：

import java.util.concurrent.atomic.LongAdder;

LongAdder counter = new LongAdder();

// 多个线程中调用
counter.increment(); // 自增1
counter.add(5);      // 增加指定值

// 获取最终总和（可能有延迟）
long total = counter.sum();

注意：sum() 返回的是当前所有分段值的总和，但在调用期间如果有其他线程正在修改，结果可能不是完全实时的——但这在大多数统计场景中是可以接受的。

适用场景与注意事项

LongAdder 最适合用于高并发下的计数统计，例如请求计数、监控指标收集等。

• 如果读操作非常频繁且要求强一致性，仍应考虑 AtomicLong 或 synchronized
• LongAdder 占用更多内存（内部维护一个数组），低并发下优势不明显
• 每次调用 sum() 都会遍历所有单元求和，不要在 tight loop 中频繁调用
• 支持 reset() 清零，也可通过 sumThenReset() 一次性获取并重置

对比 AtomicLong 示例

假设 100 个线程各执行 10000 次自增：

• AtomicLong：所有线程竞争一个变量，CAS 失败率高，性能下降明显
• LongAdder：线程分散到不同单元，冲突少，吞吐量提升可达数倍

性能测试表明，在高并发写场景中，LongAdder 的吞吐量通常是 AtomicLong 的 5~10 倍甚至更高。

基本上就这些。如果你的应用中有高频更新的计数需求，换用 LongAdder 是一个简单又有效的优化手段。

终于介绍完啦！小伙伴们，这篇关于《Java长计数器优化方法与技巧》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识，快来关注吧！