[TOC]
AtomicLong
考虑一个最基本的情况，统计接口调用次数，一般用AtomicLong的incrementAndGet()，想查看就用Get()。
低并发用无锁比较合适，但是高并发用无锁，会让大量CPU处于空转，性能不高。
再由于使用Atomic系列变量经常用来统计个数，写操作是远大于读操作的，分布式思想应运而生。
与其让N个线程去写一个Atomic，不如让N个线程去写X个Atomic，最后需要get的时候汇总结果即可。AtomicLong就是基于这种思想。
LongAdder
Doug lea本人说过LongAdder是比AtomicLong高效的。
Cell解析
LongAdder最重要的成员变量就是Cell数组，Cell就是被改写的AtomicLong类。Cell源码如下。
@sun.misc.Contended static final class Cell {
volatile long value;
Cell(long x) { value = x; }
final boolean cas(long cmp, long val) {
return UNSAFE.compareAndSwapLong(this, valueOffset, cmp, val);
}
// Unsafe mechanics
private static final sun.misc.Unsafe UNSAFE;
private static final long valueOffset;
static {
try {
UNSAFE = sun.misc.Unsafe.getUnsafe();
Class<?> ak = Cell.class;
valueOffset = UNSAFE.objectFieldOffset
(ak.getDeclaredField("value"));
} catch (Exception e) {
throw new Error(e);
}
}
}
可以看到Cell基本实现和AtomicLong区别不大，除了unsafe优化以外，最大的区别在于加入了Contended注解。
@Contended，一言以蔽之就是去解决缓存行伪共享问题。
CacheLine是什么？
CPU三级缓存架构中，获取缓存的最小单位是CacheLine，概念和磁盘的最小获取单位以及内存的最小获取单位都为4K类似，CacheLine一般为64字节，具体多少可以通过相关命令去查看。
缓存一致协议（MESI）
当多个处理器都涉及L3共享缓存的更改时，各自的缓存中对应的区域会各不相同。为了解决缓存一致性问题，读写时需要根据一些协议来进，最常用的是MESI协议。
-
Modified（修改）：该缓存行仅出现在此cpu缓存中，缓存已被修改，和内存中不一致，等待同步至内存。
-
Exclusive（独占）：该缓存行仅出现在此cpu缓存中，缓存和内存中保持一致。
-
Shared（共享）：该缓存行可能出现在多个cpu缓存中，且多个cpu缓存的缓存行和内存中的数据一致。
-
Invalid（失效）：由于其他cpu修改了缓存行，导致本cpu中的缓存行失效。
当缓存行处于Shared状态时，会时刻监听其他cpu对使缓存行失效的指令（即其他cpu的写入操作），一旦监听到，将本cpu的缓存行标记为Invalid状态。
说白了，让缓存行失效是一种保证缓存一致的重要手段，但是这种手段会在某些情况下成为拖累效率的罪魁祸首。
伪共享（false sharing）问题
缓存一致性协议针对的是缓存行，如果某个cpu0和cpu1一起share了缓存行l1，这个缓冲行中有a和b两个连续数据。
当cpu0修改了a，根据MESI，cpu0要把l1设为invalid，然后写入内存。
当cpu1需要读l1，根据MESI，cpu1要从内存中重新加载l1。如果cpu1再需要修改b的话，那么就往复循环，所谓的sharing甚至不如没有缓存速度快！
伪共享解决方案
解决方案其实很简单粗暴，既然针对的是一个缓存行出现多个连续变量，那么就填充这些变量，让它们别挤在一行，典型的空间换时间。虽然让寸土寸金的缓存可用空间少了很多，但是优化了效率。
@Contended本质也就是在这个类中加入一些无用的long变量。
回到LongAdder，Cell数组为24字节（16字节的缓存头加上8字节的value），一个CacheLine能存下不止一个Cell，所以会面临伪共享问题，所以要用@Contended。
Add方法解析
// x:累加值
public void add(long x) {
// as:累加单元数组 b:未竞争时基础值
Cell[] as; long b, v; int m; Cell a;
// 进入if语句需要处于竞争状态
// 1.cells不为空，说明发生了竞争
// 2.对b进行CAS累加，如果成功则直接返回，如果不成功说明发生了竞争
if ((as = cells) != null || !casBase(b = base, b + x)) {
boolean uncontended = true;
// 以下为4个可以调用longAccumulate的条件
if (as == null || // as为空，需要创建as
(m = as.length - 1) < 0 || // as创建了但是长度为0
(a = as[getProbe() & m]) == null || // 当前线程的cell为空
!(uncontended = a.cas(v = a.value, v + x))) // 当前线程cell CAS失败
longAccumulate(x, null, uncontended); // 进入cell数组创建的流程
}
}
longAccumulate方法解析
有点复杂，留个坑，未来有空慢慢理顺。
两者性能测试
个人测试
对LongAdder、AtomicLong、同步变量同时使用进行测试。
4线程
Benchmark Mode Cnt Score Error Units
LongAdderTest.testAtomic thrpt 2 84567975.912 ops/s
LongAdderTest.testLockAdder thrpt 2 45816804.223 ops/s
LongAdderTest.testLongAdder thrpt 2 1409567837.928 ops/s
16线程
Benchmark Mode Cnt Score Error Units
LongAdderTest.testAtomic thrpt 2 0.083 ops/ns
LongAdderTest.testLockAdder thrpt 2 0.046 ops/ns
LongAdderTest.testLongAdder thrpt 2 1.410 ops/ns
可以发现在并发的情况下，testLongAdder > testAtomic > testLockAdder。
官方测试
