Java 8并发教程：原子变量和ConcurrentMap

参考链接： Java ConcurrentMap接口

原文地址：http://winterbe.com/posts/2015/05/22/java8-concurrency-tutorial-atomic-concurrent-map-examples/

欢迎阅读我的Java 8中多线程编程教程系列的第三部分。本教程介绍了并发API的两个重要部分：原子变量和并发映射。 在最新的Java 8版本中引入了lambda表达式和功能编程，两者都得到了很大的改进。所有这些新功能都用一大堆易于理解的代码示例进行描述。 请享用！

第1部分： 线程和执行器 第2部分： 同步和锁定 第3部分：原子变量和并发图 

为了简单起见，本教程的代码示例使用这里定义的两个辅助方法sleep(seconds)和stop(executor)。

AtomicInteger

java.concurrent.atomic包包含许多有用的类来执行原子操作。当您可以安全地在多个线程上并行执行操作时，操作是原子的，而不使用我以前的教程中所示的synchronized关键字或锁。

在内部，原子类大量使用比较和交换 （CAS），这是大多数现代CPU直接支持的原子指令。那些指令通常比同步通过锁快得多。 所以我的建议是更喜欢原子类超过锁，以防你只需要同时更改单个可变变量。

AtomicInteger现在让我们选择一个原子类的几个例子：AtomicInteger

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

通过使用

AtomicInteger

作为

Integer

的替代，我们可以在线程安全的庄园中同时增加数量，而不需要同步对变量的访问。

方法

incrementAndGet()

是一个原子操作，所以我们可以从多个线程安全地调用这个方法。

 AtomicInteger支持各种原子操作。方法updateAndGet()接受一个lambda表达式，以便对整数执行任意的算术运算：

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

方法

accumulateAndGet()

接受另一种类型为

IntBinaryOperator

的

lambda 

IntBinaryOperator

。

我们使用这种方法在下一个示例中将所有值从

0

到

1000

并发：

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

其他有用的原子类是

AtomicBoolean

，

 AtomicLong

和

AtomicReference

。

LongAdder

可以使用LongAdder类作为AtomicLong的替代方法来AtomicLong地向数字添加值。

ExecutorService executor = Executors.newFixedThreadPool(2);

IntStream.range(0, 1000)

    .forEach(i -> executor.submit(adder::increment));

stop(executor);

System.out.println(adder.sumThenReset());   // => 1000

LongAdder

提供了方法

add()

和

increment()

，就像原子序列类一样，也是线程安全的。

但是，除了总结单个结果之外，这个类在内部维护一组变量以减少对线程的争用。

实际结果可以通过调用

sum()

或

sumThenReset()

。

当多线程的更新比读取更常见时，此类通常优于原子序号。 捕获统计数据时通常是这种情况，例如，您想要计算在Web服务器上提供的请求数。LongAdder的缺点是更高的内存消耗，因为一组变量被保存在内存中。

LongAccumulator

 LongAccumulator是LongAdder的更广泛版本。代替执行简单的添加操作，类LongAccumulator构建了LongBinaryOperator类型的lambda表达式，如此代码示例所示：

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

我们创建一个具有函数

2 * x + y

和初始值为

1

的

LongAccumulator

。

每次调用

accumulate(i)

当前结果和值

i

都作为参数传递给

lambda

表达式。

LongAccumulator就像LongAdder一样，在LongAdder维护一组变量以减少与线程的争用。

ConcurrentMap

ConcurrentMap扩展了映射接口，并定义了最有用的并发收集类型之一。 Java 8通过向此界面添加新方法来引入功能编程。

在下面的代码段中，我们使用以下示例映射来演示这些新方法：

ConcurrentMap<String, String> map = new ConcurrentHashMap<>();

map.put("foo", "bar");

map.put("han", "solo");

map.put("r2", "d2");

map.put("c3", "p0");

方法forEach()

接受一个类型为

BiConsumer

的

lambda

表达式，

BiConsumer

具有作为参数传递的映射的键和值。

它可以用作替代每个循环来遍历并发映射的条目。

迭代在当前线程上顺序执行。

map.forEach((key, value) -> System.out.printf("%s = %s\n", key, value));

方法putIfAbsent()

只有在给定键不存在任何值时，才会将新值放入映射。

至少对于

ConcurrentHashMap

，该方法的实现是线程安全的，就像

put()

，所以你不必同步从不同的线程并发访问映射：

String value = map.putIfAbsent("c3", "p1");

System.out.println(value);    // p0

getOrDefault()

方法返回给定键的值。

如果此键不存在，则返回传递的默认值：

String value = map.getOrDefault("hi", "there");

System.out.println(value);    // there

replaceAll()

方法接受一个类型为

BiFunction

的

lambda 

BiFunction

。BiFunctions

需要两个参数并返回一个值。

在这种情况下，使用键和每个映射条目的值调用该函数，并返回要为当前密钥分配的新值：

map.replaceAll((key, value) -> "r2".equals(key) ? "d3" : value);

System.out.println(map.get("r2"));    // d3

而不是替换

map

的所有值

compute()

让我们转换单个条目。

该方法接受要计算的密钥和双功能以指定值的转换。

map.compute("foo", (key, value) -> value + value);

System.out.println(map.get("foo"));   // barbar

除了

compute()

还有两个变量：

computeIfAbsent()

和

computeIfPresent()

。

这些方法的功能参数只有在键不存在或分别存在的情况下才被调用。

最后，可以使用merge()方法merge()新值与映射中的现有值进行统一。合并接受一个密钥，要合并到现有条目中的新值和一个双功能来指定两个值的合并行为：

map.merge("foo", "boo", (oldVal, newVal) -> newVal + " was " + oldVal);

System.out.println(map.get("foo"));   // boo was foo

ConcurrentHashMap

以上所有这些方法都是ConcurrentMap一部分，从而可用于该接口的所有实现。 此外，最重要的实现ConcurrentHashMap已经通过几种新方法进一步增强，以在地图上执行并行操作。

就像并行流一样，这些方法使用Java 8中的ForkJoinPool.commonPool()可以使用一个特殊的ForkJoinPool。该池使用一个取决于可用内核数量的预设并行度。我的机器上有四个CPU内核可以实现三个并行处理：

System.out.println(ForkJoinPool.getCommonPoolParallelism());  // 3

可以通过设置以下

JVM

参数来减小或增加该值：

-Djava.util.concurrent.ForkJoinPool.common.parallelism=5

我们使用相同的示例图来进行演示，但是这次我们通过具体实现

ConcurrentHashMap

来代替

ConcurrentMap

，所以我们可以从这个类访问所有的公共方法：

ConcurrentHashMap<String, String> map = new ConcurrentHashMap<>();

map.put("foo", "bar");

map.put("han", "solo");

map.put("r2", "d2");

map.put("c3", "p0");

Java 8

引入了三种并行操作：

forEach

，

search

和

reduce

。

这些操作中的每一个都有四种形式接受具有键，值，条目和键值对参数的函数。

所有这些方法都使用一个共同的第一个参数，称为parallelismThreshold。该阈值表示并行执行操作时的最小收集大小。例如，如果通过阈值为500，并且地图的实际大小为499，则操作将在单个线程上顺序执行。在下面的例子中，我们使用一个阈值来总是强制执行并行执行来进行演示。

ForEach

方法forEach()能够并行迭代地图的键值对。 使用当前迭代步骤的键和值调用类型BiConsumer的lambda表达式。为了可视化并行执行，我们将当前线程名称打印到控制台。 请记住，在我的情况下，底层的ForkJoinPool使用三个线程。

map.forEach(1, (key, value) ->

    System.out.printf("key: %s; value: %s; thread: %s\n",

        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

方法search()接受返回当前键值对的非空搜索结果的BiFunction，如果当前迭代不符合所需的搜索条件，则null。 一旦返回非空结果，进一步处理被抑制。请记住，ConcurrentHashMap是无序的。搜索功能不应取决于地图的实际处理顺序。如果地图的多个条目与给定的搜索函数匹配，则结果可能是非确定性的。

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

以下是另一个仅查看地图值的示例：

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

Java 8 Streams中已知的方法reduce()接受两种类型为BiFunction lambda BiFunction。 第一个函数将每个键值对转换为任何类型的单个值。第二个功能将所有这些变换的值组合成一个单独的结果，忽略任何可能的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

我希望你喜欢阅读我的有关Java 8并发的教程系列的第三部分。 本教程的代码示例与许多其他Java 8代码片段一起托管在GitHub上 。 欢迎您分享回购并自行尝试。

我希望你喜欢这篇文章。如果您有任何其他问题，请在下面的评论中向我发送您的反馈。 你也应该跟随我在Twitter上更多的开发相关的东西！