8.5 Java 8 并发教程：原子变量和 ConcurrentMap · java核心知识整理

## `AtomicInteger` `java.concurrent.atomic`包包含了许多实用的类，用于执行原子操作。如果你能够在多线程中同时且安全地执行某个操作，而不需要`synchronized`关键字或[上一章](https://www.kancloud.cn/imnotdown1019/java_core_full/1012271)中的锁，那么这个操作就是原子的。本质上，原子操作严重依赖于比较与交换（CAS），它是由多数现代CPU直接支持的原子指令。这些指令通常比同步块要快。所以在只需要并发修改单个可变变量的情况下，我建议你优先使用原子类，而不是[上一章](https://www.kancloud.cn/imnotdown1019/java_core_full/1012271)展示的锁。 > 译者注：对于其它语言，一些语言的原子操作用锁实现，而不是原子指令。现在让我们选取一个原子类，例如`AtomicInteger`： ~~~java AtomicInteger atomicInt = new AtomicInteger(0); ExecutorService executor = Executors.newFixedThreadPool(2); IntStream.range(0, 1000) .forEach(i -> executor.submit(atomicInt::incrementAndGet)); stop(executor); System.out.println(atomicInt.get()); // => 1000 ~~~ 通过使用`AtomicInteger`代替`Integer`，我们就能线程安全地并发增加数值，而不需要同步访问变量。`incrementAndGet()`方法是原子操作，所以我们可以在多个线程中安全调用它。 `AtomicInteger`支持多种原子操作。`updateAndGet()`接受lambda表达式，以便在整数上执行任意操作： ~~~java AtomicInteger atomicInt = new AtomicInteger(0); ExecutorService executor = Executors.newFixedThreadPool(2); IntStream.range(0, 1000) .forEach(i -> { Runnable task = () -> atomicInt.updateAndGet(n -> n + 2); executor.submit(task); }); stop(executor); System.out.println(atomicInt.get()); // => 2000 ~~~ `accumulateAndGet()`方法接受另一种类型`IntBinaryOperator`的lambda表达式。我们在下个例子中，使用这个方法并发计算0~1000所有值的和： ~~~java AtomicInteger atomicInt = new AtomicInteger(0); ExecutorService executor = Executors.newFixedThreadPool(2); IntStream.range(0, 1000) .forEach(i -> { Runnable task = () -> atomicInt.accumulateAndGet(i, (n, m) -> n + m); executor.submit(task); }); stop(executor); System.out.println(atomicInt.get()); // => 499500 ~~~ 其它实用的原子类有`AtomicBoolean`、`AtomicLong`和`AtomicReference`。 ## [](https://github.com/wizardforcel/modern-java-zh/blob/master/ch6.md#longadder)`LongAdder` `LongAdder`是`AtomicLong`的替代，用于向某个数值连续添加值。 ~~~java ExecutorService executor = Executors.newFixedThreadPool(2); IntStream.range(0, 1000) .forEach(i -> executor.submit(adder::increment)); stop(executor); System.out.println(adder.sumThenReset()); // => 1000 ~~~ `LongAdder`提供了`add()`和`increment()`方法，就像原子数值类一样，同样是线程安全的。但是这个类在内部维护一系列变量来减少线程之间的争用，而不是求和计算单一结果。实际的结果可以通过调用`sum()`或`sumThenReset()`来获取。当多线程的更新比读取更频繁时，这个类通常比原子数值类性能更好。这种情况在抓取统计数据时经常出现，例如，你希望统计Web服务器上请求的数量。`LongAdder`缺点是较高的内存开销，因为它在内存中储存了一系列变量。 ## [](https://github.com/wizardforcel/modern-java-zh/blob/master/ch6.md#longaccumulator)`LongAccumulator` `LongAccumulator`是`LongAdder`的更通用的版本。`LongAccumulator`以类型为`LongBinaryOperator`lambda表达式构建，而不是仅仅执行加法操作，像这段代码展示的那样： ~~~java LongBinaryOperator op = (x, y) -> 2 * x + y; LongAccumulator accumulator = new LongAccumulator(op, 1L); ExecutorService executor = Executors.newFixedThreadPool(2); IntStream.range(0, 10) .forEach(i -> executor.submit(() -> accumulator.accumulate(i))); stop(executor); System.out.println(accumulator.getThenReset()); // => 2539 ~~~ 我们使用函数`2 * x + y`创建了`LongAccumulator`，初始值为1。每次调用`accumulate(i)`的时候，当前结果和值`i`都会作为参数传入lambda表达式。 `LongAccumulator`就像`LongAdder`那样，在内部维护一系列变量来减少线程之间的争用。 ## [](https://github.com/wizardforcel/modern-java-zh/blob/master/ch6.md#concurrentmap)`ConcurrentMap` `ConcurrentMap`接口继承自`Map`接口，并定义了最实用的并发集合类型之一。Java8通过将新的方法添加到这个接口，引入了函数式编程。在下面的代码中，我们使用这个映射示例来展示那些新的方法： ~~~java ConcurrentMap<String, String> map = new ConcurrentHashMap<>(); map.put("foo", "bar"); map.put("han", "solo"); map.put("r2", "d2"); map.put("c3", "p0"); ~~~ `forEach()`方法接受类型为`BiConsumer`的lambda表达式，以映射的键和值作为参数传递。它可以作为`for-each`循环的替代，来遍历并发映射中的元素。迭代在当前线程上串行执行。 ~~~java map.forEach((key, value) -> System.out.printf("%s = %s\n", key, value)); ~~~ 新方法`putIfAbsent()`只在提供的键不存在时，将新的值添加到映射中。至少在`ConcurrentHashMap`的实现中，这一方法像`put()`一样是线程安全的，所以你在不同线程中并发访问映射时，不需要任何同步机制。 ~~~java String value = map.putIfAbsent("c3", "p1"); System.out.println(value); // p0 ~~~ `getOrDefault()`方法返回指定键的值。在传入的键不存在时，会返回默认值： ~~~java String value = map.getOrDefault("hi", "there"); System.out.println(value); // there ~~~ `replaceAll()`接受类型为`BiFunction`的lambda表达式。`BiFunction`接受两个参数并返回一个值。函数在这里以每个元素的键和值调用，并返回要映射到当前键的新值。 ~~~java map.replaceAll((key, value) -> "r2".equals(key) ? "d3" : value); System.out.println(map.get("r2")); // d3 ~~~ `compute()`允许我们转换单个元素，而不是替换映射中的所有值。这个方法接受需要处理的键，和用于指定值的转换的`BiFunction`。 ~~~java map.compute("foo", (key, value) -> value + value); System.out.println(map.get("foo")); // barbar ~~~ 除了`compute()`之外还有两个变体：`computeIfAbsent()`和`computeIfPresent()`。这些方法的函数式参数只在键不存在或存在时被调用。最后，`merge()`方法可以用于以映射中的现有值来统一新的值。这个方法接受键、需要并入现有元素的新值，以及指定两个值的合并行为的`BiFunction`。 ~~~java map.merge("foo", "boo", (oldVal, newVal) -> newVal + " was " + oldVal); System.out.println(map.get("foo")); // boo was foo ~~~ ## [](https://github.com/wizardforcel/modern-java-zh/blob/master/ch6.md#concurrenthashmap)`ConcurrentHashMap` 所有这些方法都是`ConcurrentMap`接口的一部分，因此可在所有该接口的实现上调用。此外，最重要的实现`ConcurrentHashMap`使用了一些新的方法来改进，便于在映射上执行并行操作。就像并行流那样，这些方法使用特定的`ForkJoinPool`，由Java8中的`ForkJoinPool.commonPool()`提供。该池使用了取决于可用核心数量的预置并行机制。我的电脑有四个核心可用，这会使并行性的结果为3： ~~~java System.out.println(ForkJoinPool.getCommonPoolParallelism()); // 3 ~~~ 这个值可以通过设置下列JVM参数来增减： ~~~ -Djava.util.concurrent.ForkJoinPool.common.parallelism=5 ~~~ 我们使用相同的映射示例来展示，但是这次我们使用具体的`ConcurrentHashMap`实现而不是`ConcurrentMap`接口，所以我们可以访问这个类的所有公共方法： ~~~java ConcurrentHashMap<String, String> map = new ConcurrentHashMap<>(); map.put("foo", "bar"); map.put("han", "solo"); map.put("r2", "d2"); map.put("c3", "p0"); ~~~ Java8引入了三种类型的并行操作：`forEach`、`search`和`reduce`。这些操作中每个都以四种形式提供，接受以键、值、元素或键值对为参数的函数。所有这些方法的第一个参数是通用的`parallelismThreshold`。这一阈值表示操作并行执行时的最小集合大小。例如，如果你传入阈值500，而映射的实际大小是499，那么操作就会在单线程上串行执行。在下一个例子中，我们使用阈值1，始终强制并行执行来展示。 ### [](https://github.com/wizardforcel/modern-java-zh/blob/master/ch6.md#foreach)`forEach` `forEach()`方法可以并行迭代映射中的键值对。`BiConsumer`以当前迭代元素的键和值调用。为了将并行执行可视化，我们向控制台打印了当前线程的名称。要注意在我这里底层的`ForkJoinPool`最多使用三个线程。 ~~~java map.forEach(1, (key, value) -> System.out.printf("key: %s; value: %s; thread: %s\n", key, value, Thread.currentThread().getName())); // key: r2; value: d2; thread: main // key: foo; value: bar; thread: ForkJoinPool.commonPool-worker-1 // key: han; value: solo; thread: ForkJoinPool.commonPool-worker-2 // key: c3; value: p0; thread: main ~~~ ### [](https://github.com/wizardforcel/modern-java-zh/blob/master/ch6.md#search)`search` `search()`方法接受`BiFunction`并为当前的键值对返回一个非空的搜索结果，或者在当前迭代不匹配任何搜索条件时返回`null`。只要返回了非空的结果，就不会往下搜索了。要记住`ConcurrentHashMap`是无序的。搜索函数应该不依赖于映射实际的处理顺序。如果映射的多个元素都满足指定搜索函数，结果是非确定的。 ~~~java String result = map.search(1, (key, value) -> { System.out.println(Thread.currentThread().getName()); if ("foo".equals(key)) { return value; } return null; }); System.out.println("Result: " + result); // ForkJoinPool.commonPool-worker-2 // main // ForkJoinPool.commonPool-worker-3 // Result: bar ~~~ 下面是另一个例子，仅仅搜索映射中的值： ~~~java String result = map.searchValues(1, value -> { System.out.println(Thread.currentThread().getName()); if (value.length() > 3) { return value; } return null; }); System.out.println("Result: " + result); // ForkJoinPool.commonPool-worker-2 // main // main // ForkJoinPool.commonPool-worker-1 // Result: solo ~~~ ### [](https://github.com/wizardforcel/modern-java-zh/blob/master/ch6.md#reduce)`reduce` `reduce()`方法已经在Java 8 的数据流之中用过了，它接受两个`BiFunction`类型的lambda表达式。第一个函数将每个键值对转换为任意类型的单一值。第二个函数将所有这些转换后的值组合为单一结果，并忽略所有可能的`null`值。 ~~~java String result = map.reduce(1, (key, value) -> { System.out.println("Transform: " + Thread.currentThread().getName()); return key + "=" + value; }, (s1, s2) -> { System.out.println("Reduce: " + Thread.currentThread().getName()); return s1 + ", " + s2; }); System.out.println("Result: " + result); // Transform: ForkJoinPool.commonPool-worker-2 // Transform: main // Transform: ForkJoinPool.commonPool-worker-3 // Reduce: ForkJoinPool.commonPool-worker-3 // Transform: main // Reduce: main // Reduce: main // Result: r2=d2, c3=p0, han=solo, foo=bar ~~~