Java 并发实践 — ConcurrentHashMap 与 CAS

转载 http://www.importnew.com/26035.html

最近在做接口限流时涉及到了一个有意思问题，牵扯出了关于concurrentHashMap的一些用法，以及CAS的一些概念。限流算法很多，我主要就以最简单的计数器法来做引。先抽象化一下需求：统计每个接口访问的次数。一个接口对应一个url，也就是一个字符串，每调用一次对其进行加一处理。可能出现的问题主要有三个：

1. 多线程访问，需要选择合适的并发容器
2. 分布式下多个实例统计接口流量需要共享内存
3. 流量统计应该尽可能不损耗服务器性能

但这次的博客并不是想描述怎么去实现接口限流，而是主要想描述一下遇到的问题，所以，第二点暂时不考虑，即不使用Redis。

说到并发的字符串统计，立即让人联想到的数据结构便是ConcurrentHashpMap<String,Long> urlCounter;
如果你刚刚接触并发可能会写出如代码清单1的代码

代码清单1：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46

public class CounterDemo1 {       private final Map<String, Long> urlCounter = new ConcurrentHashMap<>();       //接口调用次数+1     public long increase(String url) {         Long oldValue = urlCounter.get(url);         Long newValue = (oldValue == null) ? 1L : oldValue + 1;         urlCounter.put(url, newValue);         return newValue;     }       //获取调用次数     public Long getCount(String url){         return urlCounter.get(url);     }       public static void main(String[] args) {         ExecutorService executor = Executors.newFixedThreadPool(10);         final CounterDemo1 counterDemo = new CounterDemo1();         int callTime = 100000;         final String url = "http://localhost:8080/hello";         CountDownLatch countDownLatch = new CountDownLatch(callTime);         //模拟并发情况下的接口调用统计         for(int i=0;i<callTime;i++){             executor.execute(new Runnable() {                 @Override                 public void run() {                     counterDemo.increase(url);                     countDownLatch.countDown();                 }             });         }         try {             countDownLatch.await();         } catch (InterruptedException e) {             e.printStackTrace();         }         executor.shutdown();         //等待所有线程统计完成后输出调用次数         System.out.println("调用次数："+counterDemo.getCount(url));     } }   console output： 调用次数：96526

都说concurrentHashMap是个线程安全的并发容器，所以没有显示加同步，实际效果呢并不如所愿。

问题就出在increase方法，concurrentHashMap能保证的是每一个操作（put，get,delete…）本身是线程安全的，但是我们的increase方法，对concurrentHashMap的操作是一个组合，先get再put，所以多个线程的操作出现了覆盖。如果对整个increase方法加锁，那么又违背了我们使用并发容器的初衷，因为锁的开销很大。我们有没有方法改善统计方法呢？
代码清单2罗列了concurrentHashMap父接口concurrentMap的一个非常有用但是又常常被忽略的方法。

代码清单2：

1 2 3 4 5 6 7 8 9 10 11 12 13 14

/**  * Replaces the entry for a key only if currently mapped to a given value.  * This is equivalent to  *  <pre> {@code  * if (map.containsKey(key) && Objects.equals(map.get(key), oldValue)) {  *   map.put(key, newValue);  *   return true;  * } else  *   return false;  * }</pre>  *  * except that the action is performed atomically.  */ boolean replace(K key, V oldValue, V newValue);

这其实就是一个最典型的CAS操作，except that the action is performed atomically.这句话真是帮了大忙，我们可以保证比较和设置是一个原子操作，当A线程尝试在increase时，旧值被修改的话就回导致replace失效，而我们只需要用一个循环，不断获取最新值，直到成功replace一次，即可完成统计。

改进后的increase方法如下

代码清单3：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

public long increase2(String url) {         Long oldValue, newValue;         while (true) {             oldValue = urlCounter.get(url);             if (oldValue == null) {                 newValue = 1l;                 //初始化成功，退出循环                 if (urlCounter.putIfAbsent(url, 1l) == null)                     break;                 //如果初始化失败，说明其他线程已经初始化过了             } else {                 newValue = oldValue + 1;                 //+1成功，退出循环                 if (urlCounter.replace(url, oldValue, newValue))                     break;                 //如果+1失败，说明其他线程已经修改过了旧值             }         }         return newValue;     }   console output： 调用次数：100000

再次调用后获得了正确的结果，上述方案看上去比较繁琐，因为第一次调用时需要进行一次初始化，所以多了一个判断，也用到了另一个CAS操作putIfAbsent，他的源代码描述如下：

代码清单4：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

/**      * If the specified key is not already associated      * with a value, associate it with the given value.      * This is equivalent to      *  <pre> {@code      * if (!map.containsKey(key))      *   return map.put(key, value);      * else      *   return map.get(key);      * }</pre>      *      * except that the action is performed atomically.      *      * @implNote This implementation intentionally re-abstracts the      * inappropriate default provided in {@code Map}.      *      * @param key key with which the specified value is to be associated      * @param value value to be associated with the specified key      * @return the previous value associated with the specified key, or      *         {@code null} if there was no mapping for the key.      *         (A {@code null} return can also indicate that the map      *         previously associated {@code null} with the key,      *         if the implementation supports null values.)      * @throws UnsupportedOperationException if the {@code put} operation      *         is not supported by this map      * @throws ClassCastException if the class of the specified key or value      *         prevents it from being stored in this map      * @throws NullPointerException if the specified key or value is null,      *         and this map does not permit null keys or values      * @throws IllegalArgumentException if some property of the specified key      *         or value prevents it from being stored in this map      */      V putIfAbsent(K key, V value);

简单翻译如下：“如果（调用该方法时）key-value 已经存在，则返回那个 value 值。如果调用时 map 里没有找到 key 的 mapping，返回一个 null 值”。值得注意点的一点就是concurrentHashMap的value是不能存在null值的。实际上呢，上述的方案也可以把Long替换成AtomicLong，可以简化实现， ConcurrentHashMap

1 2 3 4 5 6 7 8 9 10 11

private AtomicLongMap<String> urlCounter3 = AtomicLongMap.create();   public long increase3(String url) {     long newValue = urlCounter3.incrementAndGet(url);     return newValue; }     public Long getCount3(String url) {     return urlCounter3.get(url); }

看一下他的源码就会发现，其实和代码清单3思路差不多，只不过功能更完善了一点。

和CAS很像的操作，我之前的博客中提到过数据库的乐观锁，用version字段来进行并发控制，其实也是一种compare and swap的思想。