一直使用AtomicInteger？试一试FieldUpdater-创新互联

1. 背景

在进入正题之前，这里先提出一个问题，如何在多线程中去对一个数字进行+1操作？这个问题非常简单，哪怕是Java的初学者都能回答上来，使用AtomicXXX，比如有一个int类型的自加，那么你可以使用AtomicInteger 代替int类型进行自加。

 AtomicInteger atomicInteger = new AtomicInteger();
        atomicInteger.addAndGet(1);

如上面的代码所示，使用addAndGet即可保证多线程中相加，具体原理在底层使用的是CAS,这里就不展开细讲。基本上AtomicXXX能满足我们的所有需求，直到前几天一个群友(ID:皮摩)问了我一个问题，他发现在很多开源框架中，例如Netty中的AbstractReferenceCountedByteBuf 类中定义了一个refCntUpdater:

    private static final AtomicIntegerFieldUpdater refCntUpdater;    static {
        AtomicIntegerFieldUpdater updater =
                PlatformDependent.newAtomicIntegerFieldUpdater(AbstractReferenceCountedByteBuf.class, "refCnt");        if (updater == null) {
            updater = AtomicIntegerFieldUpdater.newUpdater(AbstractReferenceCountedByteBuf.class, "refCnt");
        }
        refCntUpdater = updater;
    }

refCntUpdater 是Netty用来记录ByteBuf被引用的次数，会出现并发的操作，比如增加一个引用关系，减少一个引用关系，其retain方法，实现了refCntUpdater的自增：

    private ByteBuf retain0(int increment) {        for (;;) {            int refCnt = this.refCnt;            final int nextCnt = refCnt + increment;            // Ensure we not resurrect (which means the refCnt was 0) and also that we encountered an overflow.
            if (nextCnt <= increment) {                throw new IllegalReferenceCountException(refCnt, increment);
            }            if (refCntUpdater.compareAndSet(this, refCnt, nextCnt)) {                break;
            }
        }        return this;
    }

俗话说有因必有果，netty多费力气做这些事必然是有自己的原因的，接下来就进入我们的正题。

2.Atomic field updater

在java.util.concurrent.atomic包中有很多原子类，比如AtomicInteger,AtomicLong,LongAdder等已经是大家熟知的常用类，在这个包中还有三个类在jdk1.5中都存在了，但是经常被大家忽略，这就是fieldUpdater：

• AtomicIntegerFieldUpdater

• AtomicLongFieldUpdater

• AtomicReferenceFieldUpdater

这个在代码中不经常会有，但是有时候可以作为性能优化的工具出场，一般在下面两种情况会使用它：

• 你想通过正常的引用使用volatile的，比如直接在类中调用this.variable,但是你也想时不时的使用一下CAS操作或者原子自增操作，那么你可以使用fieldUpdater。

• 当你使用AtomicXXX的时候，其引用Atomic的对象有多个的时候，你可以使用fieldUpdater节约内存开销。

2.1 正常引用volatile变量

一般有两种情况需要正常引用：

1. 当代码中引入已经正常引用，但是这个时候需要新增一个CAS的需求，我们可以将其替换AtomicXXX对象，但是之前的调用都得换成.get()和.set()方法，这样做会增加不少的工作量，并且还需要大量的回归测试。

2. 代码更加容易理解,在BufferedInputStream中，有一个buf数组用来表示内部缓冲区，它也是一个volatile数组，在BufferedInputStream中大多数时候只需要正常的使用这个数组缓冲区即可，在一些特殊的情况下，比如close的时候需要使用compareAndSet,我们可以使用AtomicReference，我觉得这样做有点乱，使用fieldUpdater来说更加容易理解，

    protected volatile byte buf[];    private static final
        AtomicReferenceFieldUpdater bufUpdater =
        AtomicReferenceFieldUpdater.newUpdater
        (BufferedInputStream.class,  byte[].class, "buf");        
    public void close() throws IOException {        byte[] buffer;        while ( (buffer = buf) != null) {            if (bufUpdater.compareAndSet(this, buffer, null)) {
                InputStream input = in;
                in = null;                if (input != null)
                    input.close();                return;
            }            // Else retry in case a new buf was CASed in fill()
        }
    }

2.2 节约内存

之前说过在很多开源框架中都能看见fieldUpdater的身影，其实大部分的情况都是为了节约内存，为什么其会节约内存呢？

我们首先来看看AtomicInteger类:

public class AtomicInteger extends Number implements java.io.Serializable {    private static final long serialVersionUID = 6214790243416807050L;    // setup to use Unsafe.compareAndSwapInt for updates
    private static final Unsafe unsafe = Unsafe.getUnsafe();    private static final long valueOffset;    static {        try {
            valueOffset = unsafe.objectFieldOffset
                (AtomicInteger.class.getDeclaredField("value"));
        } catch (Exception ex) { throw new Error(ex); }
    }    private volatile int value;
}

在AtomicInteger成员变量只有一个int value，似乎好像并没有多出内存，但是我们的AtomicInteger是一个对象，一个对象的正确计算应该是 对象头 + 数据大小，在64位机器上AtomicInteger对象占用内存如下：http://www.chacha8.cn/detail/1132398249.html

• 关闭指针压缩： 16(对象头)+4(实例数据)=20不是8的倍数，因此需要对齐填充 16+4+4(padding)=24

• 开启指针压缩（-XX:+UseCompressedOop): 12+4=16已经是8的倍数了，不需要再padding。

由于我们的AtomicInteger是一个对象，还需要被引用，那么真实的占用为：

• 关闭指针压缩：24 + 8 = 32

• 开启指针压缩: 16 + 4 = 20

而fieldUpdater是staic final类型并不会占用我们对象的内存，所以使用fieldUpdater的话可以近似认为只用了4字节，这个再未关闭指针压缩的情况下节约了7倍，关闭的情况下节约了4倍，这个在少量对象的情况下可能不明显，当我们对象有几十万，几百万，或者几千万的时候，节约的可能就是几十M,几百M,甚至几个G。

比如在netty中的AbstractReferenceCountedByteBuf，熟悉netty的同学都知道netty是自己管理内存的，所有的ByteBuf都会继承AbstractReferenceCountedByteBuf，在netty中ByteBuf会被大量的创建，netty使用fieldUpdater用于节约内存。郑州不孕不育医院有哪些：http://wapyyk.39.net/zz3/zonghe/1d427.html

在阿里开源的数据库连接池druid中也有同样的体现,早在2012的一个pr中，就有优化内存的comment：，在druid中，有很多统计数据对象，这些对象通常会以秒级创建，分钟级创建新的，druid通过fieldUpdater节约了大量内存： 

3.最后

AtomicFieldUpdater的确在我们平时使用比较少，但是其也值得我们去了解，有时候在特殊的场景下的确可以作为奇技淫巧。

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。