当前位置:首页 > 文章列表 > 文章 > java教程 > Java无锁计数器实现技巧

Java无锁计数器实现技巧

2026-05-10 14:45:50 0浏览 收藏
本文深入解析了如何在Java中利用while循环结合AtomicInteger的CAS(比较并交换)机制实现高效、线程安全的无锁计数器,强调其核心在于“读取—计算—条件判断—原子更新—失败重试”的自旋重试模式;不仅给出了incrementAndGetOldValue和带阈值限制的tryIncrementToLimit等典型实现,更关键地揭示了避免常见陷阱的要点:条件判断必须紧邻get()置于循环内以保证快照一致性,循环体必须幂等且无副作用,同时兼顾性能与可读性——优先使用内置原子方法,仅在需复合原子操作时手写CAS循环,并合理运用onSpinWait优化高竞争场景。

如何在 Java 中利用 while 循环配合 AtomicInteger 实现无锁的循环计数器逻辑

在 Java 中,用 while 循环配合 AtomicInteger 实现无锁计数器,核心是利用其 compareAndSet(CAS)方法实现“乐观锁”式更新,避免 synchronized 带来的线程阻塞。关键不是写个 while 就行,而是要确保循环体里做的是原子性重试逻辑。

理解 CAS 重试模式的本质

AtomicInteger.compareAndSet(expected, newValue) 只有当当前值等于 expected 时才把值设为 newValue,并返回是否成功。失败说明值已被其他线程修改,此时应重新读取最新值,再计算新目标值,继续尝试——这就是典型的 CAS 自旋重试。

例如实现一个线程安全的“加 1 并返回旧值”操作:

public int incrementAndGetOldValue(AtomicInteger counter) {
    int current;
    int next;
    do {
        current = counter.get();
        next = current + 1;
    } while (!counter.compareAndSet(current, next));
    return current;
}

避免常见陷阱:不要在循环中做非幂等或耗时操作

CAS 循环可能重试多次,因此循环体内必须满足两个条件:

  • 所有计算逻辑必须是纯函数式的(不依赖外部可变状态、不产生副作用)
  • 不能包含 I/O、锁、sleep、随机数生成等可能阻塞或不可重入的操作
  • 如果需要基于旧值做复杂判断(比如“只在大于 100 时才加 1”),要把判断逻辑放进循环内,并确保 compareAndSet 的 expected 仍反映该判断所依据的真实前提

实现带条件的无锁计数逻辑(如限流计数器)

比如实现一个“最多允许累加到 1000,超了就停止”的计数器:

public boolean tryIncrementToLimit(AtomicInteger counter, int limit) {
    int current;
    int next;
    do {
        current = counter.get();
        if (current >= limit) {
            return false; // 已达上限,不再递增
        }
        next = current + 1;
    } while (!counter.compareAndSet(current, next));
    return true;
}

注意:这里的 if (current >= limit) 判断必须放在循环内,且紧邻 get() 之后,才能保证“读取-判断-尝试更新”三者对同一快照生效。若把判断提到循环外,就会因并发导致误判。

性能与可读性的平衡建议

虽然 CAS 循环无锁,但高竞争下会频繁重试,带来 CPU 开销。实际使用中建议:

  • 优先考虑 AtomicInteger.incrementAndGet() 等内置方法,它们已高度优化,语义清晰
  • 仅当需要复合操作(如“先检查再更新”且中间不能被干扰)时,才手写 CAS 循环
  • 必要时可用 Thread.onSpinWait()(Java 9+)提示 CPU 当前处于自旋等待,提升能效
  • 避免嵌套多层 CAS 逻辑;复杂状态建议改用 AtomicReference 封装整个对象

本篇关于《Java无锁计数器实现技巧》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

Win10游戏帧率查看技巧大全Win10游戏帧率查看技巧大全
上一篇
Win10游戏帧率查看技巧大全
Golang结构体深拷贝实现技巧
下一篇
Golang结构体深拷贝实现技巧
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。
    415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。
    496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。
    503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。
    449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。
    281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