摘要：在有些情況下，原子操作可以在不使用關鍵字和鎖的情況下解決多線程安全問題。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。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。
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
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
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
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
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
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 map = new ConcurrentHashMap<>();
map.put("foo", "bar");
map.put("han", "solo");
map.put("r2", "d2");
map.put("c3", "p0");
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
", key, value));
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
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
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
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
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
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
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 map = new ConcurrentHashMap<>();
map.put("foo", "bar");
map.put("han", "solo");
map.put("r2", "d2");
map.put("c3", "p0");
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
",
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
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
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
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
