【实战Java高并发程序设计 1】Java中的指针：Unsafe类
【实战Java高并发程序设计 2】无锁的对象引用：AtomicReference
【实战Java高并发程序设计 3】带有时间戳的对象引用：AtomicStampedReference
【实战Java高并发程序设计 4】数组也能无锁：AtomicIntegerArray
我们已经比较完整得介绍了有关无锁的概念和使用方法。相对于有锁的方法，使用无锁的方式编程更加考验一个程序员的耐心和智力。但是，无锁带来的好处也是显而易见的，第一，在高并发的情况下，它比有锁的程序拥有更好的性能；第二，它天生就是死锁免疫的。就凭借这2个优势，就值得我们冒险尝试使用无锁的并发。
这里，我想向大家介绍一种使用无锁方式实现的Vector。通过这个案例，我们可以更加深刻地认识无锁的算法，同时也可以学习一下有关Vector实现的细节和算法技巧。（在本例中，讲述的无锁Vector来自于amino并发包）
我们将这个无锁的Vector称为LockFreeVector。它的特点是可以根据需求动态扩展其内部空间。在这里，我们使用二维数组来表示LockFreeVector的内部存储，如下：
private final AtomicReferenceArray<AtomicReferenceArray<E>> buckets;
变量buckets存放所有的内部元素。从定义上看，它是一个保存着数组的数组，也就是通常的二维数组。特别之处在于这些数组都是使用CAS的原子数组。为什么使用二维数组去实现一个一维的Vector呢？这是为了将来Vector进行动态扩展时可以更加方便。我们知道，AtomicReferenceArray内部使用Object[]来进行实际数据的存储，这使得动态空间增加特别的麻烦，因此使用二维数组的好处就是为将来增加新的元素。
此外，为了更有序的读写数组，定义一个称为Descriptor的元素。它的作用是使用CAS操作写入新数据。
01 static class Descriptor<E> {
02 public int size;
03 volatile WriteDescriptor<E> writeop;
04 public Descriptor(int size, WriteDescriptor<E> writeop) {
05 this.size = size;
06 this.writeop = writeop;
07 }
08 public void completeWrite() {
09 WriteDescriptor<E> tmpOp = writeop;
10 if (tmpOp != null) {
11 tmpOp.doIt();
12 writeop = null; // this is safe since all write to writeop use
13 // null as r_value.
14 }
15 }
16 }
17
18 static class WriteDescriptor<E> {
19 public E oldV;
20 public E newV;
21 public AtomicReferenceArray<E> addr;
22 public int addr_ind;
23
24 public WriteDescriptor(AtomicReferenceArray<E> addr, int addr_ind,
25 E oldV, E newV) {
26 this.addr = addr;
27 this.addr_ind = addr_ind;
28 this.oldV = oldV;
29 this.newV = newV;
30 }
31
32 public void doIt() {
33 addr.compareAndSet(addr_ind, oldV, newV);
34 }
35 }
上述代码第4行定义的Descriptor构造函数接收2个参数，第一个为整个Vector的长度，第2个为一个writer。最终，写入数据是通过writer进行的（通过completeWrite()方法）。
第24行，WriteDescriptor的构造函数接收4个参数。第一个参数addr表示要修改的原子数组，第二个参数为要写入的数组索引位置，第三个oldV为期望值，第4个newV为需要写入的值。
在构造LockFreeVector时，显然需要将buckets和descriptor进行初始化。
public LockFreeVector() {
buckets = new AtomicReferenceArray<AtomicReferenceArray<E>>(N_BUCKET);
buckets.set(0, new AtomicReferenceArray<E>(FIRST_BUCKET_SIZE));
descriptor = new AtomicReference<Descriptor<E>>(new Descriptor<E>(0,
null));
}
在这里N_BUCKET为30,也就是说这个buckets里面可以存放一共30个数组（由于数组无法动态增长，因此数组总数也就不能超过30个）。并且将第一个数组的大小为FIRST_BUCKET_SIZE为8。到这里，大家可能会有一个疑问，如果每个数组8个元素，一共30个数组，那岂不是一共只能存放240个元素吗？
如果大家了解JDK内的Vector实现，应该知道，Vector在进行空间增长时，默认情况下，每次都会将总容量翻倍。因此，这里也借鉴类似的思想，每次空间扩张，新的数组的大小为原来的2倍（即每次空间扩展都启用一个新的数组），因此，第一个数组为8，第2个就是16，第3个就是32。以此类推，因此30个数组可以支持的总元素达到。
这数值已经超过了2^33，即在80亿以上。因此，可以满足一般的应用。
当有元素需要加入LockFreeVector时，使用一个名为push_back()的方法，将元素压入Vector最后一个位置。这个操作显然就是LockFreeVector的最为核心的方法，也是最能体现CAS使用特点的方法，它的实现如下：
01 public void push_back(E e) {
02 Descriptor<E> desc;
03 Descriptor<E> newd;
04 do {
05 desc = descriptor.get();
06 desc.completeWrite();
07
08 int pos = desc.size + FIRST_BUCKET_SIZE;
09 int zeroNumPos = Integer.numberOfLeadingZeros(pos);
10 int bucketInd = zeroNumFirst - zeroNumPos;
11 if (buckets.get(bucketInd) == null) {
12 int newLen = 2 * buckets.get(bucketInd - 1).length();
13 if (debug)
14 System.out.println("New Length is:" + newLen);
15 buckets.compareAndSet(bucketInd, null,
16 new AtomicReferenceArray<E>(newLen));
17 }
18
19 int idx = (0x80000000>>>zeroNumPos) ^ pos;
20 newd = new Descriptor<E>(desc.size + 1, new WriteDescriptor<E>(
21 buckets.get(bucketInd), idx, null, e));
22 } while (!descriptor.compareAndSet(desc, newd));
23 descriptor.get().completeWrite();
24 }
可以看到，这个方法主体部分是一个do-while循环，用来不断尝试对descriptor的设置。也就是通过CAS保证了descriptor的一致性和安全性。在第23行，使用descriptor将数据真正地写入数组中。这个descriptor写入的数据由20~21行构造的WriteDescriptor决定。
摘自《实战Java高并发程序设计》
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。
