面试题：Java中AtomicInteger在高并发场景下的性能优化

可能遇到的性能问题

竞争激烈时的CAS自旋开销：AtomicInteger主要依靠CAS（Compare and Swap）操作来实现原子性。在高并发场景下，多个线程同时对AtomicInteger进行操作，可能会导致大量的CAS操作失败，线程需要不断自旋重试，这会消耗大量的CPU资源，降低系统性能。

优化方法及代码示例

减少不必要的原子操作：如果某些操作不需要原子性，可以将原子操作部分拆分出来，尽量减少在高并发场景下的原子操作频率。

import java.util.concurrent.atomic.AtomicInteger;

public class AtomicIntegerOptimization {
    private static AtomicInteger atomicInteger = new AtomicInteger(0);
    private static int normalValue = 0;

    public static void main(String[] args) {
        // 假设这里是高并发场景，多线程执行下面代码
        // 对于一些不需要原子性的操作，使用普通变量
        normalValue++;
        // 仅在需要原子性的关键操作时使用AtomicInteger
        atomicInteger.incrementAndGet();
    }
}

使用LongAdder（JDK 1.8引入）替代AtomicInteger：LongAdder在高并发场景下性能更好。它内部采用了分段锁的思想，当多个线程访问时，会分散到不同的Cell中进行操作，减少了竞争。

import java.util.concurrent.atomic.LongAdder;

public class LongAdderExample {
    private static LongAdder longAdder = new LongAdder();

    public static void main(String[] args) {
        // 模拟高并发场景
        Thread[] threads = new Thread[10];
        for (int i = 0; i < threads.length; i++) {
            threads[i] = new Thread(() -> {
                for (int j = 0; j < 1000; j++) {
                    longAdder.increment();
                }
            });
            threads[i].start();
        }
        for (Thread thread : threads) {
            try {
                thread.join();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
        System.out.println("Final value: " + longAdder.sum());
    }
}

在上述代码中，LongAdder在高并发场景下通过分段存储，使得不同线程在不同Cell上操作，减少了竞争，从而提升了性能。而AtomicInteger在高竞争时，所有线程都竞争同一个变量，性能相对较差。

面试题：Java中AtomicInteger在高并发场景下的性能优化

知识考点

面试题答案

可能遇到的性能问题

优化方法及代码示例