前面我们多次提到一个累加器的例子，示例代码如下。在这个例子中，add10K() 这个方法不是线程安全的，问题就出在变量 count 的可见性和 count+=1 的原子性上。
可见性问题可以用 volatile 来解决，而原子性问题我们前面一直都是采用的互斥锁方案。
public class Test {long count = 0;void add10K() {int idx = 0;while (idx++ < 10000) {count += 1;}}}
其实对于简单的原子性问题，还有一种无锁方案。
Java SDK 并发包将这种无锁方案封装提炼之后，实现了一系列的原子类。不过，在深入介绍原子类的实现之前，我们先看看如何利用原子类解决累加器问题，这样你会对原子类有个初步的认识。
在下面的代码中，我们将原来的 long 型变量 count 替换为了原子类 AtomicLong，原来的 count +=1 替换成了 count.getAndIncrement()，仅需要这两处简单的改动就能使 add10K() 方法变成线程安全的，原子类的使用还是挺简单的。
public class Test {AtomicLong count = new AtomicLong(0);void add10K() {int idx = 0;while (idx++ < 10000) {count.getAndIncrement();}}}
无锁方案相对互斥锁方案，最大的好处就是性能。
- 互斥锁方案为了保证互斥性，需要执行加锁、解锁操作，而加锁、解锁操作本身就消耗性能；同时拿不到锁的线程还会进入阻塞状态，进而触发线程切换，线程切换对性能的消耗也很大。
- 相比之下，无锁方案则完全没有加锁、解锁的性能消耗，同时还能保证互斥性，既解决了问题，又没有带来新的问题，可谓绝佳方案。那它是如何做到的呢？
无锁方案的实现原理
其实原子类性能高的秘密很简单，硬件支持而已。
CPU 为了解决并发问题，提供了 CAS 指令（CAS，全称是 Compare And Swap，即“比较并交换”）。
CAS 指令包含 3 个参数：共享变量的内存地址 A、用于比较的值 B 和共享变量的新值 C；并且只有当内存中地址 A 处的值等于 B 时，才能将内存中地址 A 处的值更新为新值 C。作为一条 CPU 指令，CAS 指令本身是能够保证原子性的。
你可以通过下面 CAS 指令的模拟代码来理解 CAS 的工作原理。
在下面的模拟程序中有两个参数：
- 一个是期望值 expect；
- 另一个是需要写入的新值 newValue
只有当目前 count 的值和期望值 expect 相等时，才会将 count 更新为 newValue。
class SimulatedCAS {int count;synchronized int cas(int expect, int newValue) {// 读目前count的值int curValue = count;// 比较目前count值是否==期望值if (curValue == expect) {// 如果是，则更新count的值count = newValue;}// 返回写入前的值return curValue;}}
你仔细地再次思考一下这句话，“只有当目前 count 的值和期望值 expect 相等时，才会将 count 更新为 newValue。”要怎么理解这句话呢？
对于前面提到的累加器的例子，count += 1 的一个核心问题是：基于内存中 count 的当前值 A 计算出来的 count+=1 为 A+1，在将 A+1 写入内存的时候，很可能此时内存中 count 已经被其他线程更新过了，这样就会导致错误地覆盖其他线程写入的值（如果你觉得理解起来还有困难，建议你再重新看看《01 | 可见性、原子性和有序性问题：并发编程 Bug 的源头》）。
也就是说，只有当内存中 count 的值等于期望值 A 时，才能将内存中 count 的值更新为计算结果 A+1，这不就是 CAS 的语义吗！
使用 CAS 来解决并发问题，一般都会伴随着自旋，而所谓自旋，其实就是循环尝试。
例如，实现一个线程安全的 count += 1 操作，“CAS+ 自旋”的实现方案如下所示，首先计算 newValue = count+1，如果 cas(count,newValue) 返回的值不等于 count，则意味着线程在执行完代码①处之后，执行代码②处之前，count 的值被其他线程更新过。
那此时该怎么处理呢？可以采用自旋方案，就像下面代码中展示的，可以重新读 count 最新的值来计算 newValue 并尝试再次更新，直到成功。
class SimulatedCAS {volatile int count;// 实现 count+=1addOne() {do {newValue = count + 1; //①} while (count != cas(count, newValue)) //②}// 模拟实现 CAS，仅用来帮助理解synchronized int cas(int expect, int newValue) {// 读目前count的值int curValue = count;// 比较目前count值是否==期望值if (curValue == expect) {// 如果是，则更新count的值count = newValue;}// 返回写入前的值return curValue;}}
上面的这个是作者写的，我觉得是错的 下面的这个是我认为正确的写法
class SimulatedCAS {volatile int count;// 实现 count+=1addOne() {do {oldValue = count;newValue = oldValue + 1;} while (count != cas(oldValue, newValue))}// 模拟实现 CAS，仅用来帮助理解synchronized int cas(int expect, int newValue) {// 读目前count的值int curValue = count;// 比较目前count值是否==期望值if (curValue == expect) {// 如果是，则更新count的值count = newValue;}// 返回写入前的值return curValue;}}
通过上面的示例代码，想必你已经发现了，CAS 这种无锁方案，完全没有加锁、解锁操作，即便两个线程完全同时执行 addOne() 方法，也不会有线程被阻塞，所以相对于互斥锁方案来说，性能好了很多。
但是在 CAS 方案中，有一个问题可能会常被你忽略，那就是 ABA 的问题。什么是 ABA 问题呢？
前面我们提到“如果 cas(count,newValue) 返回的值不等于 count，意味着线程在执行完代码①处之后，执行代码②处之前，count 的值被其他线程更新过”，那如果 cas(count,newValue) 返回的值等于count，是否就能够认为 count 的值没有被其他线程更新过呢？
显然不是的，假设 count 原本是 A，线程 T1 在执行完代码①处之后，执行代码②处之前，有可能 count 被线程 T2 更新成了 B，之后又被 T3 更新回了 A，这样线程 T1 虽然看到的一直是 A，但是其实已经被其他线程更新过了，这就是 ABA 问题。
可能大多数情况下我们并不关心 ABA 问题，例如数值的原子递增，但也不能所有情况下都不关心，例如原子化的更新对象很可能就需要关心 ABA 问题，因为两个 A 虽然相等，但是第二个 A 的属性可能已经发生变化了。所以在使用 CAS 方案的时候，一定要先 check 一下。
我的疑问：什么场景下需要关心 ABA
看 Java 如何实现原子化的 count += 1
在本文开始部分，我们使用原子类 AtomicLong 的 getAndIncrement() 方法替代了 count += 1，从而实现了线程安全。原子类 AtomicLong 的 getAndIncrement() 方法内部就是基于 CAS 实现的，下面我们来看看 Java 是如何使用 CAS 来实现原子化的 count += 1 的。
在 Java 1.8 版本中，getAndIncrement() 方法会转调 unsafe.getAndAddLong() 方法。
这里 this 和 valueOffset 两个参数可以唯一确定共享变量的内存地址。
final long getAndIncrement() {return unsafe.getAndAddLong(this, valueOffset, 1L);}
unsafe.getAndAddLong() 方法的源码如下，该方法首先会在内存中读取共享变量的值，之后循环调用 compareAndSwapLong() 方法来尝试设置共享变量的值，直到成功为止。
compareAndSwapLong() 是一个 native 方法，只有当内存中共享变量的值等于 expected 时，才会将共享变量的值更新为 x，并且返回 true；否则返回 fasle。
compareAndSwapLong 的语义和 CAS 指令的语义的差别仅仅是返回值不同而已。
public final long getAndAddLong(Object o, long offset, long delta) {long v;do {// 读取内存中的值v = getLongVolatile(o, offset);} while (!compareAndSwapLong(o, offset, v, v + delta));return v;}// 原子性地将变量更新为 x// 条件是内存中的值等于expected// 更新成功则返回 truenative boolean compareAndSwapLong(Object o, long offset, long expected, long x);
另外，需要你注意的是，getAndAddLong() 方法的实现，基本上就是 CAS 使用的经典范例。
所以请你再次体会下面这段抽象后的代码片段，它在很多无锁程序中经常出现。
Java 提供的原子类里面 CAS 一般被实现为 compareAndSet()，compareAndSet() 的语义和 CAS 指令的语义的差别仅仅是返回值不同而已，compareAndSet() 里面如果更新成功，则会返回 true，否则返回 false。
do {// 获取当前值oldV = xxxx;// 根据当前值计算新值newV = ...oldV...} while (!compareAndSet(oldV, newV);
原子类概览
Java SDK 并发包里提供的原子类内容很丰富，我们可以将它们分为五个类别：
- 原子化的基本数据类型；
- 原子化的对象引用类型；
- 原子化数组；
- 原子化对象属性更新器；
- 原子化的累加器。
这五个类别提供的方法基本上是相似的，并且每个类别都有若干原子类，你可以通过下面的原子类组成概览图来获得一个全局的印象。下面我们详细解读这五个类别。
1. 原子化的基本数据类型
相关实现有 AtomicBoolean、AtomicInteger 和 AtomicLong，提供的方法主要有以下这些，详情你可以参考 SDK 的源代码，都很简单，这里就不详细介绍了。
getAndIncrement() //原子化i++getAndDecrement() //原子化的i--incrementAndGet() //原子化的++idecrementAndGet() //原子化的--i//当前值+=delta，返回+=前的值getAndAdd(delta)//当前值+=delta，返回+=后的值addAndGet(delta)//CAS操作，返回是否成功compareAndSet(expect, update)//以下四个方法//新值可以通过传入func函数来计算getAndUpdate(func)updateAndGet(func)getAndAccumulate(x, func)accumulateAndGet(x, func)
2. 原子化的对象引用类型
相关实现有 AtomicReference、AtomicStampedReference 和 AtomicMarkableReference，利用它们可以实现对象引用的原子化更新。
AtomicReference 提供的方法和原子化的基本数据类型差不多，这里不再赘述。不过需要注意的是，对象引用的更新需要重点关注 ABA 问题，AtomicStampedReference 和 AtomicMarkableReference 这两个原子类可以解决 ABA 问题。
我的疑问：为什么对象引用的更新需要关注 ABA 问题？
解决 ABA 问题的思路其实很简单，增加一个版本号维度就可以了，这个和我们在《18 | StampedLock：有没有比读写锁更快的锁？》介绍的乐观锁机制很类似，每次执行 CAS 操作，附加再更新一个版本号，只要保证版本号是递增的，那么即便 A 变成 B 之后再变回 A，版本号也不会变回来（版本号递增的）。
AtomicStampedReference 实现的 CAS 方法就增加了版本号参数，方法签名如下：
boolean compareAndSet(V expectedReference, V newReference,int expectedStamp, int newStamp)
AtomicMarkableReference 的实现机制则更简单，将版本号简化成了一个 Boolean 值，方法签名如下：
boolean compareAndSet(V expectedReference, V newReference,boolean expectedMark, boolean newMark)
3. 原子化数组
相关实现有 AtomicIntegerArray、AtomicLongArray 和 AtomicReferenceArray，利用这些原子类，我们可以原子化地更新数组里面的每一个元素。
这些类提供的方法和原子化的基本数据类型的区别仅仅是：每个方法多了一个数组的索引参数，所以也不赘述了。
4. 原子化对象属性更新器
相关实现有 AtomicIntegerFieldUpdater、AtomicLongFieldUpdater 和 AtomicReferenceFieldUpdater，利用它们可以原子化地更新对象的属性，这三个方法都是利用反射机制实现的，创建更新器的方法如下：
public static <U> AtomicXXXFieldUpdater<U> newUpdater(Class<U> tclass, String fieldName)
需要注意的是，对象属性必须是 volatile 类型的，只有这样才能保证可见性；
如果对象属性不是 volatile 类型的，newUpdater() 方法会抛出 IllegalArgumentException 运行时异常。
你会发现 newUpdater() 的方法参数只有类的信息，没有对象的引用，而更新对象的属性，一定需要对象的引用，那这个参数是在哪里传入的呢？是在原子操作的方法参数中传入的。
例如 compareAndSet() 这个原子操作，相比原子化的基本数据类型多了一个对象引用 obj。
原子化对象属性更新器相关的方法，相比原子化的基本数据类型仅仅是多了对象引用参数，所以也不再赘述了。
boolean compareAndSet(T obj, int expect, int update)
5. 原子化的累加器
DoubleAccumulator、DoubleAdder、LongAccumulator 和 LongAdder，这四个类仅仅用来执行累加操作，相比原子化的基本数据类型，速度更快，但是不支持 compareAndSet() 方法。
如果你仅仅需要累加操作，使用原子化的累加器性能会更好。
总结
无锁方案相对于互斥锁方案，优点非常多，首先性能好，其次是基本不会出现死锁问题（但可能出现饥饿和活锁问题，因为自旋会反复重试）。
Java 提供的原子类大部分都实现了 compareAndSet() 方法，基于 compareAndSet() 方法，你可以构建自己的无锁数据结构，但是建议你不要这样做，这个工作最好还是让大师们去完成，原因是：无锁算法没想象的那么简单。
Java 提供的原子类能够解决一些简单的原子性问题，但你可能会发现，上面我们所有原子类的方法都是针对一个共享变量的，如果你需要解决多个变量的原子性问题，建议还是使用互斥锁方案。
原子类虽好，但使用要慎之又慎。
课后思考
下面的示例代码是合理库存的原子化实现，仅实现了设置库存上限 setUpper() 方法，你觉得 setUpper() 方法的实现是否正确呢？
public class SafeWM {class WMRange {final int upper;final int lower;WMRange(int upper, int lower) {//省略构造函数实现}}final AtomicReference<WMRange> rf = new AtomicReference<>(new WMRange(0, 0));// 设置库存上限void setUpper(int v) {WMRange nr;WMRange or = rf.get();do {// 检查参数合法性if (v < or.lower) {throw new IllegalArgumentException();}nr = new WMRange(v, or.lower);} while (!rf.compareAndSet(or, nr));}}
存在的问题：如果线程 1 运行到 WMRange or = rf.get();停止，切换到线程 2 更新了值，切换回到线程 1，进入循环将永远比较失败死循环， 解决方案是：将读取旧值放入循环里，CAS 每次自旋必须要重新检查新的值才有意义 给我的启发：在使用 CAS 时，读取旧值和更新的新值必须都放到 do{} 块内，并且更新的新值要基于读取的旧值
若有收获，就点个赞吧
0 人点赞
