并发编程-硬件加持的CAS操作够快么？

Talk is cheap

CAS(Compare And Swap)，即比较并交换。是解决多线程并行情况下使用锁造成性能损耗的一种机制，CAS操作包含三个操作数——内存位置（V）、预期原值（A）和新值(B)。如果内存位置的值与预期原值相匹配，那么处理器会自动将该位置值更新为新值。否则，处理器不做任何操作。无论位置V的值是否等于A， 都将返回V原有的值。

CAS的含义是”我认为V的值应该是A，如果是，那我将V的值更新为B，否则不修改并告诉V的值实际是多少“

Show you my code

在单线程环境中分别使用无锁，加锁以及cas进行十组5亿次累加运算，然后打印出平均耗时。

 /**
 * cas对比加锁测试
 *
 * @author Jann Lee
 * @date 2019-11-21 0:12
 **/
public class CasTest {

    @Test
    public void test() {
        long times = 500_000_000;
        // 记录耗时
        List<Long> elapsedTime4NoLock = new ArrayList<>(10);
        List<Long> elapsedTime4Synchronized = new ArrayList<>(10);
        List<Long> elapsedTime4ReentrantLock = new ArrayList<>(10);
        List<Long> elapsedTime4Cas = new ArrayList<>(10);

        // 进行10组试验
        for (int j = 0; j < 10; j++) {
            // 无锁
            long startTime = System.currentTimeMillis();
            for (long i = 0; i < times; i++) {
            }
            long endTime = System.currentTimeMillis();
            elapsedTime4NoLock.add(endTime - startTime);

            // synchronized 关键字（隐式锁）
            startTime = endTime;
            for (long i = 0; i < times; ) {
                i = addWithSynchronized(i);
            }
            endTime = System.currentTimeMillis();
            elapsedTime4Synchronized.add(endTime - startTime);

            // ReentrantLock 显式锁
            startTime = endTime;
            ReentrantLock lock = new ReentrantLock();
            for (long i = 0; i < times; ) {
                i = addWithReentrantLock(i, lock);
            }
            endTime = System.currentTimeMillis();
            elapsedTime4ReentrantLock.add(endTime - startTime);

            // cas(AtomicLong底层是用cas实现)
            startTime = endTime;
            AtomicLong atomicLong = new AtomicLong();
            while (atomicLong.getAndIncrement() < times) {
            }
            endTime = System.currentTimeMillis();
            elapsedTime4Cas.add(endTime - startTime);
        }

        System.out.println("无锁计算耗时: " + average(elapsedTime4NoLock) + "ms");
        System.out.println("synchronized计算耗时: " + average(elapsedTime4Synchronized) + "ms");
        System.out.println("ReentrantLock计算耗时: " + average(elapsedTime4ReentrantLock) + "ms");
        System.out.println("cas计算耗时: " + average(elapsedTime4Cas) + "ms");

    }

    /**
     * synchronized加锁
     */
    private synchronized long addWithSynchronized(long i) {
        i = i + 1;
        return i;
    }

    /**
     * ReentrantLock加锁
     */
    private long addWithReentrantLock(long i, Lock lock) {
        lock.lock();
        i = i + 1;
        lock.unlock();
        return i;
    }

    /**
     * 计算平均耗时
     */
    private double average(Collection<Long> collection) {
        return collection.stream().mapToLong(i -> i).average().orElse(0);
    }
}

从案例中我们可能看出在单线程环境场景下cas的性能要高于锁相关的操作。当然，在竞争比较激烈的情况下性能可能会有所下降，因为要不断的重试和回退或者放弃操作，这也是CAS的一个缺点所在，因为这些重试，回退等操作通常用开发者来实现。

CAS的实现并非是简单的代码层面控制的，而是需要硬件的支持，因此在不同的体系架构之间执行的性能差异很大。但是一个很管用的经验法则是：在大多数处理器上，在无竞争的锁获取和释放的”快速代码路径“上的开销，大约是CAS开销的两倍。

为何CAS如此优秀

硬件加持，现代大多数处理器都从硬件层面通过一些列指令实现CompareAndSwap(比较并交换)同步原语，进而使操作系统和JVM可以直接使用这些指令实现锁和并发的数据结构。我们可以简单认为，CAS是将比较和交换合成是一个原子操作。

JVM对CAS的支持， 由于Java程序运行在JVM上，所以应对不同的硬件体系架构的处理则需要JVM来实现。在不支持CAS操作的硬件上，jvm将使用自旋锁来实现。

CAS的ABA问题

cas操作让我们减少了锁带来的性能损耗，同时也给我们带来了新的麻烦-ABA问题。

在线程A读取到x的值与执行CAS操作期间，线程B对x执行了两次修改，x的值从100变成200，然后再从200变回100；而后在线程A执行CAS操作过程中并未发现x发生过变化，成功修改了x的值。由于x的值100 ->200->100,所以称之为ABA的原因。

魔高一尺道高一丈，解决ABA的问题目前最常用的办法就是给数据加上“版本号”，每次修改数据时同时改变版本号即可。

Q&A

在竞争比较激烈的情况下，CAS要进行回退，重试等操作才能得到正确的结果，那么CAS一定比加锁性能要高吗？