无锁编程与LongAdder：高并发计数器的性能优化
一、AtomicLong的性能瓶颈 1.1 高并发下的问题 // 1000个线程，每个线程累加100万次 AtomicLong counter = new AtomicLong(0); ExecutorService executor = Executors.newFixedThreadPool(1000); for (int i = 0; i < 1000; i++) { executor.submit(() -> { for (int j = 0; j < 1_000_000; j++) { counter.incrementAndGet(); // CAS操作 } }); } // 耗时：约 15秒（高并发场景） 性能瓶颈： CAS自旋：高并发时，CAS失败率高，大量自旋消耗CPU 缓存失效：所有线程竞争同一个变量，导致CPU缓存频繁失效（Cache Line伪共享） 串行化：本质上是串行执行，无法充分利用多核CPU 1.2 LongAdder的解决方案 // 同样的场景，使用LongAdder LongAdder counter = new LongAdder(); ExecutorService executor = Executors.newFixedThreadPool(1000); for (int i = 0; i < 1000; i++) { executor.submit(() -> { for (int j = 0; j < 1_000_000; j++) { counter.increment(); // 分段累加 } }); } long result = counter.sum(); // 最终求和 // 耗时：约 2秒（高并发场景） // 性能提升：约 7.5倍！ 为什么更快？ ...