Java 8 并發: 原子變量和 ConcurrentMap

原文地址: Java 8 Concurrency Tutorial: Atomic Variables and ConcurrentMap

AtomicInteger

java.concurrent.atomic 包下有很多原子操作的類。在有些情況下，原子操作可以在不使用 synchronized 關鍵字和鎖的情況下解決多線程安全問題。

在內部，原子類大量使用 CAS, 這是大多數現在 CPU 支持的原子操作指令, 這些指令通常情況下比鎖同步要快得多。如果需要同時改變一個變量, 使用原子類是極其優雅的。

現在選擇一個原子類 AtomicInteger 作為例子

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復制代碼

使用 AtomicInteger 代替 Integer 可以在線程安全的環境中增加變量, 而不要同步訪問變量。incrementAndGet() 方法是一個原子操作, 我們可以在多線程中安全的調用。

AtomicInteger 支持多種的原子操作, updateAndGet() 方法接受一個 lambda 表達式，以便對整數做任何的算術運算。

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
復制代碼

accumulateAndGet() 方法接受一個 IntBinaryOperator 類型的另一種 lambda 表達式, 我們是用這種方法來計算 1 -- 999 的和：

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
復制代碼

還有一些其他的原子操作類: AtomicBoolean AtomicLong AtomicReference

LongAdder

作為 AtomicLong 的替代, LongAdder 類可以用來連續地向數字添加值。

ExecutorService executor = Executors.newFixedThreadPool(2);IntStream.range(0, 1000).forEach(i -> executor.submit(adder::increment));stop(executor);System.out.println(adder.sumThenReset());   // => 1000
復制代碼

LongAdder 類和其他的整數原子操作類一樣提供了 add() 和 increment() 方法, 同時也是線程安全的。但其內部的結果不是一個單一的值, 這個類的內部維護了一組變量來減少多線程的爭用。實際結果可以通過調用 sum() 和 sumThenReset() 來獲取。

當來自多線程的更新比讀取更頻繁時, 這個類往往優于其他的原子類。通常作為統計數據, 比如要統計 web 服務器的請求數量。 LongAdder 的缺點是會消耗更多的內存, 因為有一組變量保存在內存中。

LongAccumulator

LongAccumulator 是 LongAdder 的一個更通用的版本。它不是執行簡單的添加操作, 類 LongAccumulator 圍繞 LongBinaryOperator 類型的lambda表達式構建，如代碼示例中所示：

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
復制代碼

我們使用函數 2 * x + y 和初始值1創建一個 LongAccumulator。每次調用 accumulate(i) , 當前結果和值i都作為參數傳遞給``lambda` 表達式。

像 LongAdder 一樣, LongAccumulator 在內部維護一組變量以減少對線程的爭用。

ConcurrentMap

ConcurrentMap 接口擴展了 Map 接口，并定義了最有用的并發集合類型之一。 Java 8 通過向此接口添加新方法引入了函數式編程。

在下面的代碼片段中, 來演示這些新的方法：

ConcurrentMap<String, String> map = new ConcurrentHashMap<>();
map.put("foo", "bar");
map.put("han", "solo");
map.put("r2", "d2");
map.put("c3", "p0");
復制代碼

forEach() 接受一個類型為 BiConsumer 的 lambda 表達式, 并將 map 的 key 和 value 作為參數傳遞。

map.forEach((key, value) -> System.out.printf("%s = %s\n", key, value));
復制代碼

putIfAbsent() 方法只有當給定的 key 不存在時才將數據存入 map 中, 這個方法和 put 一樣是線程安全的, 當多個線程訪問 map 時不要做同步操作。

String value = map.putIfAbsent("c3", "p1");
System.out.println(value);    // p0
復制代碼

getOrDefault() 方法返回給定 key 的 value, 當 key 不存在時返回給定的值。

String value = map.getOrDefault("hi", "there");
System.out.println(value);    // there
復制代碼

replaceAll() 方法接受一個 BiFunction 類型的 lambda 表達式, 并將 key 和 value 作為參數傳遞，用來更新 value。

map.replaceAll((key, value) -> "r2".equals(key) ? "d3" : value);
System.out.println(map.get("r2"));    // d3
復制代碼

compute() 方法和 replaceAll() 方法有些相同, 不同的是它多一個參數, 用來更新指定 key 的 value

map.compute("foo", (key, value) -> value + value);
System.out.println(map.get("foo"));   // barbar
復制代碼

ConcurrentHashMap

以上所有方法都是 ConcurrentMap 接口的一部分，因此可用于該接口的所有實現。此外，最重要的實現 ConcurrentHashMap 已經進一步增強了一些新的方法來在 Map 上執行并發操作。

就像并行流一樣，這些方法在 Java 8 中通過 ForkJoinPool.commonPool()提供特殊的 ForkJoinPool 。該池使用預設的并行性, 這取決于可用內核的數量。我的機器上有四個CPU內核可以實現三種并行性：

System.out.println(ForkJoinPool.getCommonPoolParallelism());  // 3
復制代碼

通過設置以下 JVM 參數可以減少或增加此值：

-Djava.util.concurrent.ForkJoinPool.common.parallelism=5
復制代碼

我們使用相同的示例來演示, 不過下面使用 ConcurrentHashMap 類型, 這樣可以調用更多的方法。

ConcurrentHashMap<String, String> map = new ConcurrentHashMap<>();
map.put("foo", "bar");
map.put("han", "solo");
map.put("r2", "d2");
map.put("c3", "p0");
復制代碼

Java 8 引入了三種并行操作：forEach, search 和 reduce。每個操作都有四種形式, 分別用 key, value, entries和 key-value 來作為參數。

所有這些方法的第一個參數都是 parallelismThreshold 閥值。該閾值表示操作并行執行時的最小收集大小。例如, 如果傳遞的閾值為500，并且 map 的實際大小為499, 則操作將在單個線程上按順序執行。在下面的例子中，我們使用一個閾值來強制并行操作。

ForEach

方法 forEach() 能夠并行地迭代 map 的鍵值對。 BiConsumer 類型的 lambda 表達式接受當前迭代的 key 和 value。為了可視化并行執行，我們將當前線程名稱打印到控制臺。請記住，在我的情況下，底層的 ForkJoinPool 最多使用三個線程。

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
復制代碼

Search

search() 方法接受一個 BiFunction 類型的 lambda 表達式, 它能對 map 做搜索操作, 如果當前迭代不符合所需的搜索條件，則返回 null。請記住，ConcurrentHashMap 是無序的。搜索功能不應該取決于地圖的實際處理順序。如果有多個匹配結果, 則結果可能是不確定的。

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
復制代碼

下面是對 value 的搜索

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
復制代碼

Reduce

reduce() 方法接受兩個類型為 BiFunction 的 lambda 表達式。第一個函數將每個鍵值對轉換為任何類型的單個值。第二個函數將所有這些轉換后的值組合成一個結果, 其中火忽略 null 值。

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
復制代碼