性能文章>实现一个比LongAdder更高性能的计数器有多难?>

实现一个比LongAdder更高性能的计数器有多难?原创

10月前
359519

强悍的LongAdder

LongAdder是jdk8引入的适用于统计场景的线程安全的计数器。

在此之前,实现一款线程安全的计数器要么加锁,要么使用AtomicLong,加锁性能必然很差,AtomicLong性能要好很多,但是在高并发、多线程下,也显得吃力。于是就有了LongAdder,LongAdder有两个重要的方法:addsum,add是线程安全的加,sum是返回结果,之所以叫sum是因为LongAdder通过分段的思想维护了一组变量,多线程并发更新时被散列到不同的变量上执行,减少冲突,所以最后获取返回值是将这些变量求和。通过这点也能看出sum获取的结果是不准确的,所以它只适用于统计场景,如果要获取精确的返回值,还是得用AtomicLong,性能和准确不可兼得。

通过JMH测试LongAdder、AtomicLong以及加锁的计数器的性能,感受一下LongAdder的强大。(如无特殊说明,本文后续JMH测试均以此为标准:fork1进程,4线程,预热2次,正式测量2次,测试机器4核,完整代码已上传github,文末有地址)

    private final AtomicLong atomicLong = new AtomicLong();
private final LongAdder longAdder = new LongAdder();
private long counter = 0;

public static void main(String[] args) throws RunnerException {
Options opt = new OptionsBuilder()
.include(LongAdderTest.class.getSimpleName())
.forks(1)
.threads(4)
.warmupIterations(2)
.measurementIterations(2)
.mode(Mode.Throughput)
.syncIterations(false)
.build();

new Runner(opt).run();
}

@Benchmark
public void testAtomic() {
atomicLong.incrementAndGet();
}

@Benchmark
public void testLongAdder() {
longAdder.increment();
}

@Benchmark
public synchronized void testLockAdder() {
counter++;
}

运行后

Benchmark                          Mode  Cnt          Score   Error  Units
LongAdderTest.testAtomic thrpt 2 73520672.658 ops/s
LongAdderTest.testLockAdder thrpt 2 23456856.867 ops/s
LongAdderTest.testLongAdder thrpt 2 300013067.345 ops/s

可以看到LongAdder和另外两种实现完全不在一个量级上,性能及其恐怖。既然知道LongAdder的大致原理,那我们能不能实现一个MyLongAdder,保证写入线程安全的同时,性能比肩甚至超越LongAdder呢?

AtomicLong分段(V0)

性能优化中很多都是依靠LongAdder这种分段的方式,如ConcurrentHashMap就是采用分段锁,于是我们也实现一个V0版本的MyLongAdder

public class MyLongAdderV0 {

private final int coreSize;
private final AtomicLong[] counts;

public MyLongAdderV0(int coreSize) {
this.coreSize = coreSize;
this.counts = new AtomicLong[coreSize];
for (int i = 0; i < coreSize; i++) {
this.counts[i] = new AtomicLong();
}
}

public void increment() {
int index = (int) (Thread.currentThread().getId() % coreSize);
counts[index].incrementAndGet();
}
}

使用一个AtomicLong数组,线程执行时,按线程id散列开,coreSize这里期望是cpu核数,和LongAdder、AtomicLong对比一下看看(测试代码省略,后同)

Benchmark                         Mode  Cnt          Score   Error  Units
LongAdderTest.testAtomic thrpt 2 73391661.579 ops/s
LongAdderTest.testLongAdder thrpt 2 309539056.885 ops/s
LongAdderTest.testMyLongAdderV0 thrpt 2 83737867.380 ops/s

emmm,V0性能仅仅比AtomicLong好一点点,跟LongAdder还是不在一个量级上,难道是数组不够大?将coreSize作为参数,测试一下 4, 8, 16, 32的情况,我测试了好几次,每次结果都不一样但又差不多在一个量级(偶尔会上亿),无法总结结果与coreSize的关系,这里给出其中一组

Benchmark                        (coreSize)   Mode  Cnt          Score   Error  Units
LongAdderTest.testMyLongAdderV0 4 thrpt 2 62328997.667 ops/s
LongAdderTest.testMyLongAdderV0 8 thrpt 2 124725716.902 ops/s
LongAdderTest.testMyLongAdderV0 16 thrpt 2 84718415.566 ops/s
LongAdderTest.testMyLongAdderV0 32 thrpt 2 85321816.442 ops/s

猜想是因为依赖了线程的id,分散的不够均匀导致,而且还有一个有意思的情况,有时候V0居然比AtomicLong的性能还低。

取模优化(V1)

注意到V0里面有一个取模的操作,这个操作可能比较耗时,可能会导致V0的性能甚至不如单个AtomicLong,可以通过移位操作来代替,但代替的前提是coreSize必须为2的n次方,如2,4,8,16(我们假定后续coreSize只取2的n次方),V1版本的代码如下:

public class MyLongAdderV1 {

private final int coreSize;
private final AtomicLong[] counts;

public MyLongAdderV1(int coreSize) {
this.coreSize = coreSize;
this.counts = new AtomicLong[coreSize];
for (int i = 0; i < coreSize; i++) {
this.counts[i] = new AtomicLong();
}
}

public void increment() {
int index = (int) (Thread.currentThread().getId() & (coreSize - 1));
counts[index].incrementAndGet();
}

}

测试一下性能

Benchmark                         Mode  Cnt          Score   Error  Units
LongAdderTest.testLongAdder thrpt 2 312683635.190 ops/s
LongAdderTest.testMyLongAdderV0 thrpt 2 60641758.648 ops/s
LongAdderTest.testMyLongAdderV1 thrpt 2 100887869.829 ops/s

性能稍微好了一点,但是跟LongAdder比还是差了一大截

消除伪共享(V2)

在cpu面前内存太慢了,所以cpu有**缓存 L3,L2,L1。L1最接近cpu,速度也最快,cpu查找的顺序是先L1,再L2,再L3,最后取不到会去内存取。通常来说每个缓存由很多缓存行组成,缓存行通常是64个字节,java的long是8字节,因此一个缓存行可以缓存8个long变量。如果多个核的线程在操作同一个缓存行中的不同变量数据,那么就会出现频繁的缓存失效,即使在代码层面看这两个线程操作的数据之间完全没有关系。这种不合理的资源竞争情况学名伪共享(False Sharing),会严重影响机器的并发执行效率。

在V1中,AtomicLong中有一个value,每次incrementAndGet会改变这个value,同时AtomicLong是一个数组,数组的内存地址也是连续的,这样就会导致相邻的AtomicLong的value缓存失效,其他线程读取这个value就会变得很慢。优化的方法就是填充AtomicLong,让每个AtomicLong的value相互隔离,不要相互影响。

通常填充缓存行有如下几种方式:

  • (1)java8可以在类属性上使用 @sun.misc.Contended,jvm参数需要指定 -XX:-RestrictContended
  • (2)使用继承的方式在类的属性前后插入变量实现,这里举一个通过继承来实现的,如果不用继承,这些填充的无用变量会被编译器优化掉,当然也可以通过数组来构造填充,这里就不多说。
abstract class RingBufferPad {
protected long p1, p2, p3, p4, p5, p6, p7;
}

abstract class RingBufferFields<E> extends RingBufferPad {
protected long value;
}

public final class RingBuffer<E> extends RingBufferFields<E> {
protected long p1, p2, p3, p4, p5, p6, p7;
}

我们直接用java8的@sun.misc.Contended来对V1进行优化

public class MyLongAdderV2 {

private static class AtomicLongWrap {
@Contended
private final AtomicLong value = new AtomicLong();
}

private final int coreSize;
private final AtomicLongWrap[] counts;

public MyLongAdderV2(int coreSize) {
this.coreSize = coreSize;
this.counts = new AtomicLongWrap[coreSize];
for (int i = 0; i < coreSize; i++) {
this.counts[i] = new AtomicLongWrap();
}
}

public void increment() {
int index = (int) (Thread.currentThread().getId() & (coreSize - 1));
counts[index].value.incrementAndGet();
}

}

执行后神奇的情况出现了

Benchmark                         Mode  Cnt          Score   Error  Units
LongAdderTest.testLongAdder thrpt 2 272733686.330 ops/s
LongAdderTest.testMyLongAdderV2 thrpt 2 307754425.667 ops/s

居然V2版本比LongAdder还快!但这是真的吗?为此,我多测试了几组,分别在线程数为8时

Benchmark                         Mode  Cnt          Score   Error  Units
LongAdderTest.testLongAdder thrpt 2 260909722.754 ops/s
LongAdderTest.testMyLongAdderV2 thrpt 2 215785206.276 ops/s

线程数为16时:

Benchmark                         Mode  Cnt          Score   Error  Units
LongAdderTest.testLongAdder thrpt 2 307269737.067 ops/s
LongAdderTest.testMyLongAdderV2 thrpt 2 185774540.302 ops/s

发现随着线程数的增加,V2的性能越来越低,但LongAdder纹丝不动,不得不佩服写jdk的大佬。

改进hash算法

V0到V2版本均使用了线程id作为hash值来散列到不同的槽点,线程id生成后不会改变,这样就会导致每次执行的测试可能结果都不太一样,如果比较聚焦,性能必然会很差,当线程数增多后必然会造成更多的冲突,有没有更好的hash算法?

  • 尝试hashCode

java的每个对象都有一个hashCode,我们使用线程对象的hashCode来散列试试,版本V3关键改动如下

public void increment() {
int index = Thread.currentThread().hashCode() & (coreSize - 1);
counts[index].incrementAndGet();
}

结果如下

Benchmark                         Mode  Cnt          Score   Error  Units
LongAdderTest.testLongAdder thrpt 2 277084413.669 ops/s
LongAdderTest.testMyLongAdderV3 thrpt 2 103351246.650 ops/s

性能似乎不尽如人意。

  • 尝试随机数

当然使用Random当然不行,用性能更好的ThreadLocalRandom,V4版本关键改动如下

  public void increment() {
counts[ThreadLocalRandom.current().nextInt(coreSize)].value.incrementAndGet();
}

结果如下

Benchmark                         Mode  Cnt          Score   Error  Units
LongAdderTest.testLongAdder thrpt 2 292807355.101 ops/s
LongAdderTest.testMyLongAdderV4 thrpt 2 95200307.226 ops/s

性能也上不去,猜想是因为生成随机数比较耗时。

  • 冲突时重新计算hash

为了优化V4版本,参考了LongAdder,算是一个黑科技,生成一个随机数存在Thread对象中,可以看一下Thread类,刚好有这个变量

/** Probe hash value; nonzero if threadLocalRandomSeed initialized */
@sun.misc.Contended("tlr")
int threadLocalRandomProbe;

但是这个变量是不对外开放,只能通过反射(性能太差)或者UNSAFE来取,它在 ThreadLocalRandomSeed 中被初始化,发生冲突时重新生成并修改它(生成的方法可以参考ThreadLocalRandomSeed),也是通过UNSAFE可以搞定。既然要在冲突时重新hash,那必须能检测出冲突,AtomicLong就不能用incrementAndGet了,使用AtomicLong的compareAndSet方法,返回false时代表有冲突,冲突时重新hash,并用incrementAndGet兜底,保证一定能成功。如此一来,既可以均匀地散列开,也能保证随机数生成的效率。V5版本代码如下

public class MyLongAdderV5 {

private static sun.misc.Unsafe UNSAFE = null;
private static final long PROBE;
static {

try {
// 反射获取unsafe
Field f = Unsafe.class.getDeclaredField("theUnsafe");
f.setAccessible(true);
UNSAFE = (Unsafe) f.get(null);
} catch (Exception e) {

}

try {
Class<?> tk = Thread.class;
PROBE = UNSAFE.objectFieldOffset
(tk.getDeclaredField("threadLocalRandomProbe"));
} catch (Exception e) {
throw new Error(e);
}
}

static final int getProbe() {
// 获取thread的threadLocalRandomProbe属性值
return UNSAFE.getInt(Thread.currentThread(), PROBE);
}

static final int advanceProbe(int probe) {
// 重新生成随机数并写入thread对象
probe ^= probe << 13; // xorshift
probe ^= probe >>> 17;
probe ^= probe << 5;
UNSAFE.putInt(Thread.currentThread(), PROBE, probe);
return probe;
}

private static class AtomicLongWrap {
@Contended
private final AtomicLong value = new AtomicLong();
}

private final int coreSize;
private final AtomicLongWrap[] counts;

public MyLongAdderV5(int coreSize) {
this.coreSize = coreSize;
this.counts = new AtomicLongWrap[coreSize];
for (int i = 0; i < coreSize; i++) {
this.counts[i] = new AtomicLongWrap();
}
}

public void increment() {

int h = getProbe();

int index = getProbe() & (coreSize - 1);
long r;
if (!counts[index].value.compareAndSet(r = counts[index].value.get(), r + 1)) {
if (h == 0) {
// 初始化随机数
ThreadLocalRandom.current();
h = getProbe();
}
// 冲突后重新生成随机数
advanceProbe(h);
// 用getAndIncrement来兜底
counts[index].value.getAndIncrement();
}
}

}

结果如下

Benchmark                         Mode  Cnt          Score   Error  Units
LongAdderTest.testLongAdder thrpt 2 274131797.300 ops/s
LongAdderTest.testMyLongAdderV5 thrpt 2 298402832.456 ops/s

效果还可以,试试8线程:

Benchmark                         Mode  Cnt          Score   Error  Units
LongAdderTest.testLongAdder thrpt 2 324982482.774 ops/s
LongAdderTest.testMyLongAdderV5 thrpt 2 290476796.289 ops/s

16线程:

Benchmark                         Mode  Cnt          Score   Error  Units
LongAdderTest.testLongAdder thrpt 2 291180444.998 ops/s
LongAdderTest.testMyLongAdderV5 thrpt 2 282745610.470 ops/s

32线程:

Benchmark                         Mode  Cnt          Score   Error  Units
LongAdderTest.testLongAdder thrpt 2 294237473.396 ops/s
LongAdderTest.testMyLongAdderV5 thrpt 2 301187346.873 ops/s

果然这个方法很牛皮,无论在多少个线程下都能稳如🐶。

总结

实现一款超越LongAdder性能的多线程计数器非常难,折腾了两天也只是达到和LongAdder相当的性能,其中对性能影响最大的几个改动点是

  • 分段:基础优化,一般人都能想到
  • 取模优化:也比较基础
  • 消除伪共享:这个优化提升很大
  • hash算法:这条保证了稳定性,无论多少线程都是最高吞吐量

其中前三条比较常规,第四条可以算得上是黑科技



点赞收藏
捉虫大师

搜索关注微信公众号"捉虫大师",后端技术分享,架构设计、性能优化、源码阅读、问题排查、踩坑实践

请先登录,查看1条精彩评论吧
快去登录吧,你将获得
  • 浏览更多精彩评论
  • 和开发者讨论交流,共同进步

为你推荐

【全网首发】(大表小技巧)有时候 2 小时的 SQL 操作,可能只要 1 分钟

【全网首发】(大表小技巧)有时候 2 小时的 SQL 操作,可能只要 1 分钟

一次java内存top res高排查记录

一次java内存top res高排查记录

JAVA中计算两个日期时间的差值竟然也有这么多门道

JAVA中计算两个日期时间的差值竟然也有这么多门道

干货!Java代码优化必知的30个小技巧!

干货!Java代码优化必知的30个小技巧!

Java 异步调用原理与实战

Java 异步调用原理与实战

没有二十年功力,写不出Thread.sleep(0)这一行“看似无用”的代码!

没有二十年功力,写不出Thread.sleep(0)这一行“看似无用”的代码!

9
1