4种方式实现计数器功能，对比其性能
介绍LongAdder
介绍LongAccumulator
需求：一个jvm中实现一个计数器功能，需保证多线程情况下数据正确性。
我们来模拟50个线程，每个线程对计数器递增100万次，最终结果应该是5000万。
我们使用4种方式实现，看一下其性能，然后引出为什么需要使用LongAdder、LongAccumulator。
方式一：synchronized方式实现 package com.itsoku.chat32; import java.util.ArrayList; import java.util.List; import java.util.concurrent.CompletableFuture; import java.util.concurrent.CountDownLatch; import java.util.concurrent.ExecutionException; import java.util.concurrent.atomic.LongAccumulator; /** * 跟着阿里p7学并发，微信公众号：javacode2018 */ public class Demo1 { static int count = 0; public static synchronized void incr() { count++; } public static void main(String[] args) throws ExecutionException, InterruptedException { for (int i = 0; i < 10; i++) { count = 0; m1(); } } private static void m1() throws InterruptedException { long t1 = System.currentTimeMillis(); int threadCount = 50; CountDownLatch countDownLatch = new CountDownLatch(threadCount); for (int i = 0; i < threadCount; i++) { new Thread(() -> { try { for (int j = 0; j < 1000000; j++) { incr(); } } finally { countDownLatch.countDown(); } }).start(); } countDownLatch.await(); long t2 = System.currentTimeMillis(); System.out.println(String.format("结果：%s,耗时(ms)：%s", count, (t2 - t1))); } }输出：
结果：50000000,耗时(ms)：1437 结果：50000000,耗时(ms)：1913 结果：50000000,耗时(ms)：386 结果：50000000,耗时(ms)：383 结果：50000000,耗时(ms)：381 结果：50000000,耗时(ms)：382 结果：50000000,耗时(ms)：379 结果：50000000,耗时(ms)：379 结果：50000000,耗时(ms)：392 结果：50000000,耗时(ms)：384平均耗时：390毫秒
方式2：AtomicLong实现 package com.itsoku.chat32; import java.util.concurrent.CountDownLatch; import java.util.concurrent.ExecutionException; import java.util.concurrent.atomic.AtomicLong; /** * 跟着阿里p7学并发，微信公众号：javacode2018 */ public class Demo2 { static AtomicLong count = new AtomicLong(0); public static void incr() { count.incrementAndGet(); } public static void main(String[] args) throws ExecutionException, InterruptedException { for (int i = 0; i < 10; i++) { count.set(0); m1(); } } private static void m1() throws InterruptedException { long t1 = System.currentTimeMillis(); int threadCount = 50; CountDownLatch countDownLatch = new CountDownLatch(threadCount); for (int i = 0; i < threadCount; i++) { new Thread(() -> { try { for (int j = 0; j < 1000000; j++) { incr(); } } finally { countDownLatch.countDown(); } }).start(); } countDownLatch.await(); long t2 = System.currentTimeMillis(); System.out.println(String.format("结果：%s,耗时(ms)：%s", count, (t2 - t1))); } }输出：
结果：50000000,耗时(ms)：971 结果：50000000,耗时(ms)：915 结果：50000000,耗时(ms)：920 结果：50000000,耗时(ms)：923 结果：50000000,耗时(ms)：910 结果：50000000,耗时(ms)：916 结果：50000000,耗时(ms)：923 结果：50000000,耗时(ms)：916 结果：50000000,耗时(ms)：912 结果：50000000,耗时(ms)：908平均耗时：920毫秒
AtomicLong内部采用CAS的方式实现，并发量大的情况下，CAS失败率比较高，导致性能比synchronized还低一些。并发量不是太大的情况下，CAS性能还是可以的。
AtomicLong属于JUC中的原子类，还不是很熟悉的可以看一下：
方式3：LongAdder实现先介绍一下LongAdder，说到LongAdder，不得不提的就是AtomicLong，AtomicLong是JDK1.5开始出现的，里面主要使用了一个long类型的value作为成员变量，然后使用循环的CAS操作去操作value的值，并发量比较大的情况下，CAS操作失败的概率较高，内部失败了会重试，导致耗时可能会增加。
LongAdder是JDK1.8开始出现的，所提供的API基本上可以替换掉原先的AtomicLong。LongAdder在并发量比较大的情况下，操作数据的时候，相当于把这个数字分成了很多份数字，然后交给多个人去管控，每个管控者负责保证部分数字在多线程情况下操作的正确性。当多线程访问的时，通过hash算法映射到具体管控者去操作数据，最后再汇总所有的管控者的数据，得到最终结果。相当于降低了并发情况下锁的粒度，所以效率比较高，看一下下面的图，方便理解：
代码：
package com.itsoku.chat32; import java.util.concurrent.CountDownLatch; import java.util.concurrent.ExecutionException; import java.util.concurrent.atomic.AtomicLong; import java.util.concurrent.atomic.LongAdder; /** * 跟着阿里p7学并发，微信公众号：javacode2018 */ public class Demo3 { static LongAdder count = new LongAdder(); public static void incr() { count.increment(); } public static void main(String[] args) throws ExecutionException, InterruptedException { for (int i = 0; i < 10; i++) { count.reset(); m1(); } } private static void m1() throws ExecutionException, InterruptedException { long t1 = System.currentTimeMillis(); int threadCount = 50; CountDownLatch countDownLatch = new CountDownLatch(threadCount); for (int i = 0; i < threadCount; i++) { new Thread(() -> { try { for (int j = 0; j < 1000000; j++) { incr(); } } finally { countDownLatch.countDown(); } }).start(); } countDownLatch.await(); long t2 = System.currentTimeMillis(); System.out.println(String.format("结果：%s,耗时(ms)：%s", count.sum(), (t2 - t1))); } }