什么是CAS？先从一个实际问题说起

假设我们在开发一个电商系统，需要实现一个计数器来统计商品的浏览次数。在高并发场景下，多个用户同时浏览商品，如果简单地使用 

 操作，很可能会丢失一部分计数。

// 这样的代码在并发环境下是不安全的
public class ViewCounter {
    private int count = 0;
    
    public void increment() {
        count++; // 非原子操作，存在竞态条件
    }
}

这时候，CAS就派上用场了。CAS是一种

CAS的核心思想很简单：**"如果变量的值确实是我期望的那个值，那就更新它；否则，说明其他线程已经修改过了，我就不更新了"**。

让我们通过一个具体的例子来理解CAS的工作过程：

在实际项目中，我发现CAS相比传统锁有几个显著优势：

# x86汇编中的CAS指令
CMPXCHG [内存地址], 新值
# 如果 EAX寄存器的值 == [内存地址]的值
# 则 [内存地址] = 新值，并设置ZF标志位
# 否则 EAX = [内存地址]的值，清除ZF标志位

// 这是AtomicInteger内部的实现原理
public class AtomicInteger {
    private static final Unsafe unsafe = Unsafe.getUnsafe();
    private static final long valueOffset;
    private volatile int value;
    
    static {
        // 获取value字段在对象中的内存偏移量
        valueOffset = unsafe.objectFieldOffset
            (AtomicInteger.class.getDeclaredField("value"));
    }
    
    public final boolean compareAndSet(int expect, int update) {
        return unsafe.compareAndSwapInt(this, valueOffset, expect, update);
    }
}

让我们从零开始实现一个线程安全的计数器：

public class CASCounter {
    private volatile int count = 0;
    private static final Unsafe unsafe = getUnsafe();
    private static final long countOffset;
    
    static {
        try {
            countOffset = unsafe.objectFieldOffset
                (CASCounter.class.getDeclaredField("count"));
        } catch (Exception e) {
            throw new RuntimeException(e);
        }
    }
    
    public void increment() {
        int current;
        do {
            current = count;  // 读取当前值
            // 尝试CAS更新，如果失败就重试
        } while (!unsafe.compareAndSwapInt(this, countOffset, current, current + 1));
    }
    
    public int get() {
        return count;
    }
}

在我之前的项目中，需要统计API调用次数，最初使用synchronized，后来改为AtomicLong：

public class APICounter {
    private final AtomicLong requestCount = new AtomicLong(0);
    
    public void recordRequest() {
        requestCount.incrementAndGet();  // 内部使用CAS实现
    }
    
    public long getRequestCount() {
        return requestCount.get();
    }
}

CAS的一个典型应用是实现无锁数据结构，比如栈：

public class LockFreeStack<T> {
    private volatile Node<T> top;
    
    private static class Node<T> {
        final T data;
        volatile Node<T> next;
        
        Node(T data) { this.data = data; }
    }
    
    public void push(T item) {
        Node<T> newNode = new Node<>(item);
        Node<T> currentTop;
        
        do {
            currentTop = top;
            newNode.next = currentTop;
        } while (!compareAndSetTop(currentTop, newNode));
    }
    
    public T pop() {
        Node<T> currentTop;
        Node<T> newTop;
        
        do {
            currentTop = top;
            if (currentTop == null) return null;
            newTop = currentTop.next;
        } while (!compareAndSetTop(currentTop, newTop));
        
        return currentTop.data;
    }
}

在缓存系统中，我们经常需要原子地更新缓存值：

public class Cache<K, V> {
    private final ConcurrentHashMap<K, AtomicReference<V>> cache = new ConcurrentHashMap<>();
    
    public boolean updateIfMatch(K key, V expectedValue, V newValue) {
        AtomicReference<V> ref = cache.get(key);
        return ref != null && ref.compareAndSet(expectedValue, newValue);
    }
}

在一次项目中，我遇到了经典的ABA问题。假设我们有一个链表，两个线程同时操作：

// 问题场景：链表头部的CAS操作
public class LinkedListHead<T> {
    private volatile Node<T> head;
    
    public boolean removeHead() {
        Node<T> currentHead = head;
        if (currentHead == null) return false;
        
        // 在这里，其他线程可能删除了头节点，然后又添加了一个相同的节点
        // 导致head看起来没变，但实际上链表结构已经改变
        
        return compareAndSetHead(currentHead, currentHead.next);
    }
}

public class ABASafeCounter {
    private final AtomicStampedReference<Integer> value = 
        new AtomicStampedReference<>(0, 0);
    
    public void increment() {
        while (true) {
            int[] stampHolder = new int[1];
            int currentValue = value.get(stampHolder);
            int currentStamp = stampHolder[0];
            
            int newValue = currentValue + 1;
            int newStamp = currentStamp + 1;
            
            if (value.compareAndSet(currentValue, newValue, currentStamp, newStamp)) {
                break;
            }
        }
    }
}

我做过一个简单的性能测试，比较了synchronized、CAS和LongAdder在不同并发场景下的表现：测试结果（10线程，每线程100万次操作）Synchronized: ~850ms；AtomicInteger: ~320ms ；LongAdder: ~180ms

CAS作为现代并发编程的基石，为我们提供了一种优雅的无锁解决方案。在实际项目中，我发现：

最后，CAS的学习让我对并发编程有了更深的理解。它不仅仅是一个技术工具，更代表了一种编程思想：

通过乐观的方式处理竞争，而不是悲观地加锁等待

这种思想在分布式系统、数据库设计等领域都有广泛应用，值得我们深入学习和实践。

希望这篇文章对大家理解CAS有所帮助。如果你在实际项目中遇到相关问题，欢迎在评论区讨论交流！

讲了八百遍，你还是没有理解CAS

我们是否遇到这样的场景：多个线程同时操作共享变量，如何保证数据的一致性和正确性？传统的锁机制虽然能解决问题，但往往会带来性能瓶颈。今天，我们来聊聊一个更优雅的解决方案——CAS（Compare And Swap）。什么是CAS？先从一个实际问题说起假设我们在开发一个电商系统，需要实现一个计数器来统计商品的浏览次数。在高并发场景下，多个用户同时浏览商品，如果简单地使用 count++ 操作，很可能会

产品KOL

编程语言

算法

后端

本文介绍CAS（Compare And Swap）无锁原子操作，以电商计数器为例阐述其原理、优势、局限及底层实现，还提及实际应用场景、ABA问题解决方案，给出使用建议，助读者理解并发编程思想。

数据结构

性能测试

数据库

Java

AI驱动 智领未来

tencentdb-catalog

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

讲了八百遍，你还是没有理解CAS

讲了八百遍，你还是没有理解CAS

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐