@Slf4j
@ThreadSafe
public class ConcurrencyExample2 {

   //请求总数
   public static int clientTotal = 5000;

   //同时并发执行的线程数
   public static int threadTotal = 200;

   public static AtomicInteger count = new AtomicInteger(0);

   public static void main(String[] args) {
      ExecutorService exc = newCachedThreadPool();
      final Semaphore semaphore =new Semaphore(threadTotal);
      final CountDownLatch countDownLatch = new CountDownLatch(clientTotal);

      for (int i = 0;i < clientTotal;i++) {
         exc.execute(() -> {
            try {
               semaphore.acquire();
               add();
               semaphore.release();
            } catch (Exception e) {
               log.error("exception", e);
            }
            countDownLatch.countDown();
         });
      }

      try {
         countDownLatch.await();
      } catch (InterruptedException e) {
         e.printStackTrace();
      }
      exc.shutdown();
      log.info("count:{}",count.get());
   }

   private static void add(){
      //count++;
      //count.getAndIncrement();
      count.incrementAndGet();
   }
}

public final int incrementAndGet() {
    return unsafe.getAndAddInt(this, valueOffset, 1) + 1;
}

public final int getAndAddInt(Object var1, long var2, int var4) {
    int var5;
    do {
        var5 = this.getIntVolatile(var1, var2);
    } while(!this.compareAndSwapInt(var1, var2, var5, var5 + var4));

    return var5;
}

public final native boolean compareAndSwapObject(Object var1, long var2, Object var4, Object var5);

public final native boolean compareAndSwapInt(Object var1, long var2, int var4, int var5); //java底层方法

public final native boolean compareAndSwapLong(Object var1, long var2, long var4, long var6);

CAS原理

var1：传入的对象 var2：当前的值 var5：点用户底层方法得到底层当前值，没有其他线程来处理count这个对象时，应等于var2.

compareAndSwapInt(var1, var2, var5, var5 + var4)

当前count的这个对象var1，如果当前的值var2和底层的值var5相等，则替换成var5+var4;

CAS的ABA问题

AtomicStampedReference类

public boolean compareAndSet(V expectedReference,
V newReference,
int expectedStamp,
int newStamp) {
Pair<V> current = pair;
return
expectedReference == current.reference &&
expectedStamp == current.stamp &&
((newReference == current.reference &&
newStamp == current.stamp) ||
casPair(current, Pair.of(newReference, newStamp)));
}

在CAS操作的时候，其他线程将变量A的值改成了B，又改回了A，本线程使用期望值A与当前变量进行比较时发现A变量没有变，于是CAS 就将A值进行了交换操作，实际上该值已被其他线程改变过，这与设计思想不符合。

解决思路：

每次变量更新的时候，将变量版本号加1，只要该变量被其他线程更改过，版本号就会发生递增变化。

LongAdder与AtomicLong

LongAdder

@Slf4j
@ThreadSafe
public class AtomicExample3 {
// 请求总数
public static int clientTotal = 5000;
// 同时并发执行的线程数
public static int threadTotal = 200;
public static LongAdder count = new LongAdder();
public static void main(String[] args) throws Exception {
ExecutorService executorService = Executors.newCachedThreadPool();
final Semaphore semaphore = new Semaphore(threadTotal);
final CountDownLatch countDownLatch = new CountDownLatch(clientTotal);
for (int i = 0; i < clientTotal ; i++) {
executorService.execute(() -> {
try {
semaphore.acquire();
add();
semaphore.release();
} catch (Exception e) {
log.error("exception", e);
}
countDownLatch.countDown();
});
}
countDownLatch.await();
executorService.shutdown();
log.info("count:{}", count);
}
private static void add() {
count.increment();
}
}

AtomicLong

@Slf4j
@ThreadSafe
public class AtomicExample2 {
// 请求总数
public static int clientTotal = 5000;
// 同时并发执行的线程数
public static int threadTotal = 200;
public static AtomicLong count = new AtomicLong(0);
public static void main(String[] args) throws Exception {
ExecutorService executorService = Executors.newCachedThreadPool();
final Semaphore semaphore = new Semaphore(threadTotal);
final CountDownLatch countDownLatch = new CountDownLatch(clientTotal);
for (int i = 0; i < clientTotal ; i++) {
executorService.execute(() -> {
try {
semaphore.acquire();
add();
semaphore.release();
} catch (Exception e) {
log.error("exception", e);
}
countDownLatch.countDown();
});
}
countDownLatch.await();
executorService.shutdown();
log.info("count:{}", count.get());
}

private static void add() {
count.incrementAndGet();
// count.getAndIncrement();
}
}

AtomicLong和LongAdder区别（重点）

扩展知识点：对普通类型的Long和double变量，jvm允许将64位的读操作或写操作拆成2个32位的操作

LongAddr核心

将热点数据分离，可以将AtomicLong内部核心数据value,分离成为一个数组，每个线程访问时，通过hash等算法映射到其中一个数字进行计数，而最终的计算结果为这个数组求和累加。热点数据value被分离成多个cell，每个cell独立维护内部值，当前实际值有每个cell累积合成。热点就被有效分离，提高了并行度。LongAdder在AtomicLong的基础上将单点的更新压力分散到各个节点上，在低并发的时候通过对base的直接更新，可以很好的保障和AtomicLong性能基本一致。而在高并发的时候提高分散提高性能。

LongAddr缺陷

在统计的时候如果有并发更新，可能会导致统计的数据有误差，实际使用中有高并发计数的时候，我们可以优先使用LongAddr,而不是继续使用AtomicLong,当然在线程竞争很低的情况下进行计数，使用AtomicLong还是更简单，更直接一些，并且效率会稍高一点。

AtomicReference与AtomicIntegerFieldUpdater

AtomicReference

@Slf4j
@ThreadSafe
public class AtomicExample4 {
private static AtomicReference<Integer> count = new AtomicReference<>(0);
public static void main(String[] args) {
count.compareAndSet(0, 2); // 2
count.compareAndSet(0, 1); // no
count.compareAndSet(1, 3); // no
count.compareAndSet(2, 4); // 4
count.compareAndSet(3, 5); // no
log.info("count:{}", count.get());
}
}

AtomicIntegerFieldUpdater

@Slf4j
@ThreadSafe
public class AtomicExample5 {
private static AtomicIntegerFieldUpdater<AtomicExample5> updater = AtomicIntegerFieldUpdater.newUpdater(AtomicExample5.class, "count"); //字段被volatile修饰，非static
@Getter
public volatile int count = 100;
public static void main(String[] args) {
AtomicExample5 example5 = new AtomicExample5();
if (updater.compareAndSet(example5, 100, 120)) {
log.info("update success 1, {}", example5.getCount());
}
if (updater.compareAndSet(example5, 100, 120)) {
log.info("update success 2, {}", example5.getCount());
} else {
log.info("update failed, {}", example5.getCount());
}
}
}

AtomicBoolean（可用于要求只执行一次的场景）

@Slf4j
@ThreadSafe
public class AtomicExample6 {
private static AtomicBoolean isHappened = new AtomicBoolean(false);
// 请求总数
public static int clientTotal = 5000;
// 同时并发执行的线程数
public static int threadTotal = 200;
public static void main(String[] args) throws Exception {
ExecutorService executorService = Executors.newCachedThreadPool();
final Semaphore semaphore = new Semaphore(threadTotal);
final CountDownLatch countDownLatch = new CountDownLatch(clientTotal);
for (int i = 0; i < clientTotal ; i++) {
executorService.execute(() -> {
try {
semaphore.acquire();
test();
semaphore.release();
} catch (Exception e) {
log.error("exception", e);
}
countDownLatch.countDown();
});
}
countDownLatch.await();
executorService.shutdown();
log.info("isHappened:{}", isHappened.get());
}
//只会执行一次
private static void test() {
if (isHappened.compareAndSet(false, true)) { //可用于要求只执行一次的场景
log.info("execute");
}
}
}

锁--synchronized

synchronized:同步锁，依赖JVM实现锁，作用对象的作用范围内，都是同一时刻只有一个线程操作

修饰的地方

修饰代码块：大括号括起来的代码，作用于调用的对象
修饰方法：整个方法，作用于调用的对象
修饰静态方法：整个静态方法，作用于所有对象
修饰类：synchronized后面括号括起来的部分，作用于所有对象

Lock：提供Lock接口类依赖于特殊的CPU指令，代码实现ReentrantLock

@Slf4j
public class SynchronizedExample1 {
// 修饰一个代码块
public void test1(int j) {
synchronized (this) {
for (int i = 0; i < 10; i++) {
log.info("test1 {} - {}", j, i);
}
}
}

// 修饰一个方法
public synchronized void test2(int j) {
for (int i = 0; i < 10; i++) {
log.info("test2 {} - {}", j, i);
}
}

public static void main(String[] args) {
SynchronizedExample1 example1 = new SynchronizedExample1();
SynchronizedExample1 example2 = new SynchronizedExample1();
ExecutorService executorService = Executors.newCachedThreadPool();
executorService.execute(() -> {
example1.test2(1);
});
executorService.execute(() -> {
example2.test2(2);
});
}
}

@Slf4j
public class SynchronizedExample2 {
// 修饰一个类
public static void test1(int j) {
synchronized (SynchronizedExample2.class) {
for (int i = 0; i < 10; i++) {
log.info("test1 {} - {}", j, i);
}
}
}
// 修饰一个静态方法
public static synchronized void test2(int j) {
for (int i = 0; i < 10; i++) {
log.info("test2 {} - {}", j, i);
}
}
public static void main(String[] args) {
SynchronizedExample2 example1 = new SynchronizedExample2();
SynchronizedExample2 example2 = new SynchronizedExample2();
ExecutorService executorService = Executors.newCachedThreadPool();
executorService.execute(() -> {
example1.test1(1);
});
executorService.execute(() -> {
example2.test1(2);
});
}
}

原子性对比

synchronized:不可中断锁，适合竞争不激烈，可读性好

Lock:可中断锁，多样化同步，竞争激烈时能维持常态

Atomic:竞争激烈时能维持常态，比Lock性能好；但是只能同步一个值

可见性

导致共享变量在线程间不可见的原因

线程交叉执行
重排序结合线程交叉执行
共享变量更新后的值没有在工作内存与主内存间及时更新

可见性-Synchronized

JMM关于Synchronized的两条规定

线程解锁前，必须把共享变量的最新值刷新到主内存
线程加锁时，将清空工作内存中共享变量的值，从而使用共享变量时需要从主内存重新读取最新值(注意：加锁与解锁是同一把锁)

可见性-volatile

通过加入内存屏障和禁止重排序优化来实现

对volatile变量写操作时，会在写操作后加入一条store屏障指令，将本地内存中的共享变量值刷新到主内存
对volate变量读操作时，会在读操作前加入一条load屏障指令，从主内存中读取共享变量

换句话说：volate变量被线程访问时，读操作会强迫从主内存读取变量值，当写操作时，会强迫将修改值舒心到主内存。

public static volatile int count = 0;

。。。。。。

private static void add() {

count++;

// 1、count --取得当前值

// 2、+1 --加1

// 3、count -- 刷新到主存

} //假如两个进程同时得到当前值，但是他们同时进行了加1 操作，然后就漏掉了一次加1操作。

volatile 不适合累加场景，只能在有限的一些情形下使用 volatile 变量替代锁。但适合状态变量。还适合doublecheck场景.

volatile boolean inited = false;
//线程1
context = loadContext();
inited = true;
//线程2
while(!inited){
sleep();
}
doSomethingWithConfig(context)

要使 volatile 变量提供理想的线程安全，必须同时满足下面两个条件：

对变量的写操作不依赖于当前值。
该变量没有包含在具有其他变量的不变式中。

实际上，这些条件表明，可以被写入 volatile 变量的这些有效值独立于任何程序的状态，包括变量的当前状态。
第一个条件的限制使 volatile 变量不能用作线程安全计数器。虽然增量操作（x++）看上去类似一个单独操作，实际上它是一个由读取－修改－写入操作序列组成的组合操作，必须以原子方式执行，而 volatile 不能提供必须的原子特性。实现正确的操作需要使 x 的值在操作期间保持不变，而 volatile 变量无法实现这点。（然而，如果将值调整为只从单个线程写入，那么可以忽略第一个条件。）

大多数编程情形都会与这两个条件的其中之一冲突，使得 volatile 变量不能像 synchronized 那样普遍适用于实现线程安全。

有序性

Java内存模型中，允许编译器和处理器对指令进行重排序，但是重排序的过程不会影响到单线程程序的执行，却会影响到多线程并发执行的正确性。

保证有序性方法
volatile 、snychronized、 Lock

happens-before原则

如果两个执行操作不能通过h-b原则推导出来，则不能保证执行顺序，虚拟机会随意的对其进行重排序

程序顺序序规则：一个线程内，按照代码执行，书写在前面的操作先行发生于书写在后面的操作。
监视器锁定规则：一个unLock操作先行发生于后面对同一个锁的lock操作
volatile变量规则：对一个变量的写操作先行发生于后面对这个变量的读操作
传递性规则：如果操作A先行发生于操作B，而操作B又先行发生于操作C，则可以得出操作A先行发生于操作C
线程启动原则：Thread对象的start()方法先行发生于此线程的每一个动作
线程中断规则:对线程interrupt()方法的调用先行发生于被中断线程的代码检测到中断事件的发生
线程终结规则：线程中所有的操作都先行发生于线程的终止检测，我们可以通过Thread.join()方法结束、Thread.isAlive()方法返回值手段检测到线程已经终止执行
对象终结规则：一个对象的初始化完成先行发生于他的finalize()方法的开始

Java并发编程与高并发解决方案--线程安全性

原子性

Atomic包--CAS（重点）