面试题：Rust原子操作在复杂统计场景中的优化

设计思路

本地统计：在每个节点上，使用原子类型来统计不同类型的事件数量，以确保多线程环境下的安全操作。原子类型可以提供原子操作，避免数据竞争。
减少竞争：
- 选择合适的原子类型：根据实际需求，例如对于整数类型的事件计数，可以使用AtomicU64。AtomicU64提供了针对64位无符号整数的原子操作。
- 同步机制：采用Mutex或RwLock来保护共享资源。在读取统计数据时，如果不需要修改，可以使用RwLock的读锁，允许多个线程同时读取，减少锁竞争。在修改统计数据时，使用Mutex或RwLock的写锁。
汇总数据：每个节点定期将本地统计数据发送到中央节点。可以使用网络通信库（如tokio + tcp）来实现数据传输。

代码实现

use std::sync::{Arc, Mutex, RwLock};
use std::sync::atomic::{AtomicU64, Ordering};
use std::thread;

// 定义事件类型
enum EventType {
    TypeA,
    TypeB,
    // 可以添加更多类型
}

// 每个节点的本地统计数据结构
struct NodeStatistics {
    event_counts: Arc<RwLock<Vec<AtomicU64>>>,
}

impl NodeStatistics {
    fn new() -> Self {
        let mut counts = Vec::new();
        // 为每种事件类型初始化计数
        counts.push(AtomicU64::new(0));
        counts.push(AtomicU64::new(0));
        NodeStatistics {
            event_counts: Arc::new(RwLock::new(counts)),
        }
    }

    // 增加事件计数
    fn increment(&self, event_type: EventType) {
        let mut counts = self.event_counts.write().unwrap();
        match event_type {
            EventType::TypeA => {
                counts[0].fetch_add(1, Ordering::SeqCst);
            }
            EventType::TypeB => {
                counts[1].fetch_add(1, Ordering::SeqCst);
            }
        }
    }

    // 获取当前统计数据
    fn get_statistics(&self) -> Vec<u64> {
        let counts = self.event_counts.read().unwrap();
        counts.iter().map(|count| count.load(Ordering::SeqCst)).collect()
    }
}

fn main() {
    let statistics = NodeStatistics::new();
    let stats_clone = Arc::clone(&statistics.event_counts);

    // 模拟多个线程产生事件
    let mut handles = Vec::new();
    for _ in 0..10 {
        let stats = Arc::clone(&stats_clone);
        let handle = thread::spawn(move || {
            for _ in 0..100 {
                let random_event = if rand::random::<bool>() {
                    EventType::TypeA
                } else {
                    EventType::TypeB
                };
                let mut local_counts = stats.write().unwrap();
                match random_event {
                    EventType::TypeA => {
                        local_counts[0].fetch_add(1, Ordering::SeqCst);
                    }
                    EventType::TypeB => {
                        local_counts[1].fetch_add(1, Ordering::SeqCst);
                    }
                }
            }
        });
        handles.push(handle);
    }

    // 等待所有线程完成
    for handle in handles {
        handle.join().unwrap();
    }

    // 获取并打印统计数据
    let stats = statistics.get_statistics();
    println!("Type A count: {}", stats[0]);
    println!("Type B count: {}", stats[1]);
}

代码说明

NodeStatistics 结构体：包含一个Arc<RwLock<Vec<AtomicU64>>>来存储每种事件类型的计数。Arc用于在多个线程间共享数据，RwLock提供读写锁机制，Vec<AtomicU64>存储每种事件类型的原子计数。
increment 方法：增加指定类型事件的计数，通过fetch_add原子操作确保线程安全。
get_statistics 方法：获取当前的统计数据，使用读锁允许多个线程同时读取。
main 函数：创建NodeStatistics实例，并启动多个线程模拟事件产生，最后获取并打印统计数据。

在实际的分布式系统中，还需要添加网络通信部分将本地统计数据发送到中央节点，这里为了聚焦于原子操作和同步机制，未包含网络通信代码。例如可以使用tokio库来实现异步网络通信。

星途面试题库

面试题：Rust原子操作在复杂统计场景中的优化

知识考点

面试题答案

设计思路

代码实现

代码说明