写时复制(Copy-On-Write)在Java中的应用

Java

前言

写时复制（Copy-on-write，简称COW）是一种计算机程序设计领域的优化策略。
其核心思想是，如果有多个调用者同时请求相同资源（如内存或磁盘上的数据存储），他们会共同获取相同的指针指向相同的资源，直到某个调用者试图修改资源的内容时，系统才会真正复制一份专用副本（private copy）给该调用者，而其他调用者所见到的最初的资源仍然保持不变。这个过程对其他的调用者是透明的（transparently）。
此作法的主要优点是如果调用者没有修改该资源，就不会有副本（private copy）被建立，因此多个调用者只是读取操作时可以共享同一份资源。
COW（奶牛）技术的应用场景很多，Linux通过Copy On Write技术极大地减少了Fork的开销。文件系统通过Copy On Write技术一定程度上保证数据的完整性。数据库服务器也一般采用了写时复制策略，为用户提供一份snapshot。
而JDK的CopyOnWriteArrayList/CopyOnWriteArraySet容器也采用了 COW思想，它是如何工作的是本文讨论的重点。

Vector和synchronizedList

ArrayList是线程不安全的，而Vector是线程安全的容器。查看源码可以知道，Vector之所以线程安全，是因为它几乎在每个方法声明处都加了synchronized关键字来使整体方法原子化。

另外，使用Collections.synchronizedList(new ArrayList())修饰后，新建出来的ArrayList也是安全的，它是如何实现的呢？查看源码发现，它也是几乎在每个方法都加上synchronized关键字使方法原子化，只不过它不是把synchronized加在方法的声明处，而是加在方法的内部。

容器是线程安全的，并不意味着就可以在多线程环境下放心大胆地随便用了，来看下面这段使用Vector的代码。

@Test
public void testVectorConcurrentReadWrite() {
    Vector<Integer> vector = new Vector<>();
    vector.add(1);
    vector.add(2);
    vector.add(3);
    vector.add(4);
    vector.add(5);
    for (Integer item : vector) {
        new Thread(vector::clear).start();
        System.out.println(item);
    }
}

运行结果如下：

在一个线程中使用Iterator迭代器遍历vector，同时另一个线程对vector作修改时，会抛出java.util.ConcurrentModificationException异常。很多人不理解，因为Vector的所有方法都加了synchronized关键字来修饰，包括迭代器方法，理论上应该是线程安全的呀。

public synchronized Iterator<E> iterator() {
 //Itr是AbstractList的私有内部类
    return new Itr();
}

看以上错误的堆栈指向java.util.Vector$Itr.checkForComodification(Vector.java:1184)，源码如下：

两个关键变量：

• expectedModCount：表示对List修改次数的期望值，它的初始值与modCount相等
• modCount：表示List集合结构被修改次数，是AbstractList类中的一个成员变量，初始值为0

看过ArrayList的源码就知道，每次调用add()和remove()方法时就会对modCount进行加1操作。而上面的测试代码中调用了Vector类的clear()方法，这个方法中对modCount进行了加1，而迭代器中的expectedModCount依然等于0，两者不等，因此抛了异常。这就是集合中的fail-fast机制，fail-fast 机制用来防止在对集合进行遍历过程当中，出现意料之外的修改，会通过Unchecked异常暴力的反应出来。
虽然Vector的方法都采用了synchronized进行了同步，但是实际上通过Iterator访问的情况下，每个线程里面返回的是不同的iterator，也即是说expectedModCount变量是每个线程私有。如果此时有2个线程，线程1在进行遍历，线程2在进行修改，那么很有可能导致线程2修改后导致Vector中的modCount自增了，线程2的expectedModCount也自增了，但是线程1的expectedModCount没有自增，此时线程1遍历时就会出现expectedModCount不等于modCount的情况了。
同样地，SynchronizedList在使用迭代器遍历的时候同样会有问题的，源码中的注释已经提醒要手动加锁了。

foreach循环里不能调用集合的remove/add/clear方法这一条规约不仅对非线程安全的ArrayList/LinkedList适用，对于线程安全的Vector以及synchronizedList也同样适用。
因此，要想解决以上问题，只能在遍历前（无论用不用iterator）加锁。

synchronized (vector) {
    for (int i = 0; i < vector.size(); i++) {
        System.out.println(vector.get(i));
}
//或者
synchronized (vector) {
    for (Integer item : vector) {
        System.out.println(item);
}

仅仅是遍历一下容器都要上锁，性能必然不好。
其实并非只有遍历前加锁这一种解决方法，使用并发容器CopyOnWriteArrayList也能避免以上问题。

CopyOnWriteArrayList介绍

一般来说会认为：CopyOnWriteArrayList是同步List的替代品，CopyOnWriteArraySet是同步Set的替代品。
无论是Hashtable–>ConcurrentHashMap，还是说Vector–>CopyOnWriteArrayList。JUC下支持并发的容器与老一代的线程安全类相比，总结起来就是加锁粒度的问题。

• Hashtable与Vector加锁的粒度大，直接在方法声明处使用synchronized
• ConcurrentHashMap、CopyOnWriteArrayList的加锁粒度小。用各种方式来实现线程安全，比如ConcurrentHashMap用了CAS、+ volatile等方式来实现线程安全
• JUC下的线程安全容器在遍历的时候不会抛出ConcurrentModificationException异常

所以一般来说，都会使用JUC包下提供的线程安全容器，而不是使用老一代的线程安全容器。
下面来看看CopyOnWriteArrayList是怎么实现的，为什么使用迭代器遍历的时候就不用额外加锁，也不会抛出ConcurrentModificationException异常。

实现原理

Copy-on-write是解决并发的的一种思路，指的是实行读写分离，如果执行的是写操作，则复制一个新集合，在新集合内添加或者删除元素。待一切修改完成之后，再将原集合的引用指向新的集合。
这样的好处就是，可以高并发地对COW进行读和遍历操作，而不需要加锁，因为当前集合不会添加任何元素。
写时复制（copy-on-write）的这种思想，这种机制，并不是始于Java集合之中，在Linux、Redis、文件系统中都有相应思想的设计，是一种计算机程序设计领域的优化策略。
CopyOnWriteArrayList的核心理念就是读写分离，写操作在一个复制的数组上进行，读操作还是在原始数组上进行，读写分离，互不影响。写操作需要加锁，防止并发写入时导致数据丢失。写操作结束之后需要让数组指针指向新的复制数组。
看一下CopyOnWriteArrayList基本的结构。

看一下其读写的源码，写操作加锁，防止并发写入时导致数据丢失，并复制一个新数组，增加操作在新数组上完成，将array指向到新数组中，最后解锁。至于读操作，则是直接读取array数组中的元素。

public boolean add(E e) {
    final ReentrantLock lock = this.lock;
    lock.lock();
    try {
        Object[] elements = getArray();
        int len = elements.length;
        Object[] newElements = Arrays.copyOf(elements, len + 1);
        newElements[len] = e;
        setArray(newElements);
        return true;
    } finally {
        lock.unlock();
    }
}
final void setArray(Object[] a) {
    array = a;
}
public E get(int index) {
    return get(getArray(), index);
}
final Object[] getArray() {
    return array;
}

遍历 - COWIterator

到现在，还是没有解释为什么CopyOnWriteArrayList在遍历时，对其进行修改而不抛出异常。
不管是foreach循环还是直接写Iterator来遍历，实际上都是使用Iterator遍历。那么就直接来看下CopyOnWriteArrayList的iterator()方法。

public Iterator<E> iterator() {
    return new COWIterator<E>(getArray(), 0);
}

来看一下迭代器COWIterator的实现源码。

可以发现的是，迭代器所有的操作都基于snapshot数组，而snapshot是传递进来的array数组。
也就是说在使用COWIterator进行遍历的时候，如果修改了集合，集合内部的array就指向了新的一个数组对象，而COWIterator内部的那个snapshot还是指向初始化时传进来的旧数组，所以不会抛异常，因为旧数组永远没变过，旧数组读操作永远可靠且安全。

CopyOnWriteArrayList与synchronizedList性能测试

写单元测试来对CopyOnWriteArrayList与synchronizedList的并发写性能作测试，由于CopyOnWriteArrayList写时直接复制新数组，可以预想到其写操作性能不高，会劣于synchronizedList。

@Test
public void testThreadSafeListWrite() {
    List<Integer> copyOnWriteArrayList = new CopyOnWriteArrayList<>();
    List<Integer> synchronizedList = Collections.synchronizedList(new ArrayList<>());
    StopWatch stopWatch = new StopWatch();
    int loopCount = 10000;
    stopWatch.start();
    /**
     * ThreadLocalRandom:是JDK 7之后提供并发产生随机数，能够解决多个线程发生的竞争争夺。
     * ThreadLocalRandom不是直接用new实例化，而是第一次使用其静态方法current()。
     * 从Math.random()改变到ThreadLocalRandom有如下好处：我们不再有从多个线程访问同一个随机数生成器实例的争夺。
     */
    IntStream.rangeClosed(1, loopCount).parallel().forEach(
            item -> copyOnWriteArrayList.add(ThreadLocalRandom.current().nextInt(loopCount)));
    stopWatch.stop();
    System.out.println(
            "Write:copyOnWriteList: " + stopWatch.getTime() + "，copyOnWriteList.size()=" + copyOnWriteArrayList
                    .size());
    stopWatch.reset();
    stopWatch.start();
    /**
     * parallelStream特点：基于服务器内核的限制，如果你是八核
     * 每次线程只能起八个，不能自定义线程池
     */
    IntStream.rangeClosed(1, loopCount).parallel().forEach(
            item -> synchronizedList.add(ThreadLocalRandom.current().nextInt(loopCount)));
    stopWatch.stop();
    System.out.println(
            "Write:synchronizedList: " + stopWatch.getTime() + "，synchronizedList.size()=" + synchronizedList
                    .size());
}

运行结果如下，可以看到同样条件下的写耗时，CopyOnWriteArrayList是synchronizedList的30多倍。

同样地，写单元测试来对CopyOnWriteArrayList与synchronizedList的并发读性能作测试，由于CopyOnWriteArrayList读操作不加锁，可以预想到其读操作性能明显会优于synchronizedList。

@Test
public void testThreadSafeListRead() {
    List<Integer> copyOnWriteArrayList = new CopyOnWriteArrayList<>();
    List<Integer> synchronizedList = Collections.synchronizedList(new ArrayList<>());
    copyOnWriteArrayList.addAll(IntStream.rangeClosed(1, 1000000).boxed().collect(Collectors.toList()));
    synchronizedList.addAll(IntStream.rangeClosed(1, 1000000).boxed().collect(Collectors.toList()));
    int copyOnWriteArrayListSize = copyOnWriteArrayList.size();
    StopWatch stopWatch = new StopWatch();
    int loopCount = 1000000;
    stopWatch.start();
    /**
     * ThreadLocalRandom:是JDK 7之后提供并发产生随机数，能够解决多个线程发生的竞争争夺。
     * ThreadLocalRandom不是直接用new实例化，而是第一次使用其静态方法current()。
     * 从Math.random()改变到ThreadLocalRandom有如下好处：我们不再有从多个线程访问同一个随机数生成器实例的争夺。
     */
    IntStream.rangeClosed(1, loopCount).parallel().forEach(
            item -> copyOnWriteArrayList.get(ThreadLocalRandom.current().nextInt(copyOnWriteArrayListSize)));
    stopWatch.stop();
    System.out.println("Read:copyOnWriteList: " + stopWatch.getTime());
    stopWatch.reset();
    stopWatch.start();
    int synchronizedListSize = synchronizedList.size();
    /**
     * parallelStream特点：基于服务器内核的限制，如果你是八核
     * 每次线程只能起八个，不能自定义线程池
     */
    IntStream.rangeClosed(1, loopCount).parallel().forEach(
            item -> synchronizedList.get(ThreadLocalRandom.current().nextInt(synchronizedListSize)));
    stopWatch.stop();
    System.out.println("Read:synchronizedList: " + stopWatch.getTime());
}

运行结果如下，同等条件下的读耗时，CopyOnWriteArrayList只有synchronizedList的一半。

CopyOnWriteArrayList优缺点总结

优点：

• 对于一些读多写少的数据，写入时复制的做法就很不错，例如配置、黑名单、物流地址等变化非常少的数据，这是一种无锁的实现。可以实现程序更高的并发。

• CopyOnWriteArrayList并发安全且性能比Vector好。Vector是增删改查方法都加了synchronized来保证同步，但是每个方法执行的时候都要去获得锁，性能就会大大下降，而CopyOnWriteArrayList只是在增删改上加锁，但是读不加锁，在读方面的性能就好于Vector。

  缺点：

• 数据一致性问题。CopyOnWrite容器只能保证数据的最终一致性，不能保证数据的实时一致性。比如线程A在迭代CopyOnWriteArrayList容器的数据。线程B在线程A迭代的间隙中将CopyOnWriteArrayList部分的数据修改了，但是线程A迭代出来的是旧数据。

• 内存占用问题。如果CopyOnWriteArrayList经常要增删改里面的数据，并且对象比较大，频繁地写会消耗内存，从而引发Java的GC问题，这个时候，应该考虑其他的容器，例如ConcurrentHashMap。