简单看看LongAccumulator

  上篇博客我们看了AtomicLong和LongAdder的由来,但是有的时候我们想一下,LongAdder这个类也有点局限性,因为只能是每一次都+1,那有没有办法每次+2呢?或者每次乘以2?说得更抽象一点,我们能不能自己指定规则呢?干嘛老是傻乎乎的+1呢?

  于是就有了LongAccumulator这个累加器,这个累加器更加抽象,前面使用的LongAdder只不过是这个累加器的一个特例,由此我们可以猜出这个累加器功能更加强大,但是需要我们自己的定制规则;

  前提:看本篇博客的人应该熟悉jdk8中的函数式编程,jdk8是在2014年3月18日就推出了,到现在已经将近6年了,但是我们还是很多人在用着jdk8写着jdk7版本的代码,哎,无力吐槽!既然不能改变别人就改变自己吧!

 

一. 简单使用LongAccumulator累加器

  我们先看看这个累加器的构成,如下所示:

public class LongAccumulator extends Striped64 implements Serializable {
    //这是一个函数式接口,函数描述符是(T,T)->T ,两个相同类型的数据按照某种规则运算,返回相同类型的数据
    private final LongBinaryOperator function;
    //这个是累加器的初始值,也就是相当于LongAdder的base字段,就好像LongAdder的初始值是0一样,但是这里的累加器初始值可以不为0
    private final long identity;
    //可以看到构造函数中要传进去一个函数行为,还有初始值
    public LongAccumulator(LongBinaryOperator accumulatorFunction, long identity) {
        this.function = accumulatorFunction;
        base = this.identity = identity;
    }
//这个就是函数式接口,用这个@FunctionalInterface注解标识,函数描述符是(T,T)->T
@FunctionalInterface
public interface LongBinaryOperator {
    long applyAsLong(long left, long right);
}

 

  下面我们就简单的使用了,看看LongAccumulator在实例化的时候,我们使用Lambda表达式指定了累加规则,其实就是将传进去的数据和初始值进行累加,而传进去的数字可以在accumulate方法里面动态指定!

package com.example.demo.study;
import java.util.concurrent.atomic.LongAccumulator;
public class Study0127 {
    //这里使用LongAccumulator类
    public LongAccumulator num = new LongAccumulator((a,b)->a+b, 0);
    
    //每次调用这个方法,都会对全局变量加一操作,执行10000次
    public void sum() {
        for (int i = 0; i < 10000; i++) {
            //LongAccumulator类的自增操作,这里的参数可以指定每次增加的数字
            num.accumulate(1);
            System.out.println("当前num的值为num= "+ num);
        }
    }
    public static void main(String[] args) throws InterruptedException {
        Study0127 demo = new Study0127();
        //下面就是新建两个线程,分别调用一次sum方法
        new Thread(new Runnable() {
            @Override
            public void run() {
                demo.sum();
            }
        }).start();
        new Thread(new Runnable() {
            @Override
            public void run() {
                demo.sum();
            }
        }).start();    
    }
}

 

 

  如果我们每个线程都要对一个初始值乘以2,那么可以像下面这样修改,只需要修改lambda表达式,初始值还有线程每进行一次运算所需要的数字就行了,有兴趣的可以自己试试

....省略部分代码
//注意这里的lambda表达式
public LongAccumulator num = new LongAccumulator((a,b)->a*b, 1);
    
//每次调用这个方法,都会对全局变量乘以2,每个线程都乘以4次
public void sum() {
    for (int i = 1; i < 5; i++) {
     //LongAccumulator类指定一个数字
      num.accumulate(2);
      System.out.println("当前num的值为num= "+ num);
    }
}
.....省略部分代码

 

 

二.走进LongAccumulator

  其实没什么特别想看的吧,就是很多的两个if语句那里一堆判断,注意这里的base是我们实例化LongAccumulator累加器时候传进去的初始值

  第一个if语句,会尝试更新将初始值和每一步要计算的值运算返回结果,更新初始值,如果初始值更新完毕之后就不会往下走;如果初始值更新失败,那么往下走

  第二个if语句,只有当找到了对应的Cell数组中的Cell元素用CAS更新值的时候失败才会进入到if里面

  用上面的乘以2的例子说一下,一个线程,初始值base是1,乘以2运算,结果是2,此时使用CAS尝试将初始值base设置为2,如果成功那么当前线程执行完毕;设置失败(可能是其他线程已经更新了base的值了),那么就去找Cell数组中的某个Cell元素去更新它,更新成功,则线程执行完毕;更新失败,去初始化Cell数组、扩容Cell数组等操作了

 public void accumulate(long x) {
    Cell[] as; long b, v, r; int m; Cell a;
    //注意这里这个if语句的第二个判断条件,这里就是传进去function.applyAsLong(b = base, x)),会调用我们传进去的lambda行为计算
    if ((as = cells) != null ||  (r = function.applyAsLong(b = base, x)) != b && !casBase(b, r)) {
        boolean uncontended = true;
        if (as == null || (m = as.length - 1) < 0 || (a = as[getProbe() & m]) == null || 
             !(uncontended = (r = function.applyAsLong(v = a.value, x)) == v || a.cas(v, r)))
             //下面这个方法上次说了,就是对Cell数组的初始化,扩容和新创建Cell的操作,只不过在LongAdder中传递进去的function是null,
             //而这里传进去的就是我们自己定义的lambda行为,就不进去看了,基本一样
            longAccumulate(x, function, uncontended);
    }
}
//用CAS更新base的值
 final boolean casBase(long cmp, long val) {
    return UNSAFE.compareAndSwapLong(this, BASE, cmp, val);
}

  

  这个longAccumulate()方法上一篇已经分析过了,就不多说了,唯一不同的就是这次的fn不为null,所以这里不是v+x,而是fn.applyAsLong(v, x),也就是我们传进去的lambda表达式

 

 

  这次这个类没什么新的东西吧,就是用到了jdk8的行为参数化,我们传进去的不再是一个数值或者字符串,更应该说是传进去一个函数,熟悉js的人应该知道,有兴趣的可以了解一下!

https://www.cnblogs.com/wyq1995/p/12242984.html

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
PyTorch
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论