LongAdder比AtomicLong更适合高并发计数，因其采用分段累加策略减少线程竞争；适用于写多读少的指标统计场景，但不保证强实时读取。
LongAdder 是 Java 8 引入的高性能计数器，专为高并发场景优化，比 AtomicLong 更适合频繁更新、低频读取的计数场景。它通过“分段累加 + 最终汇总”的策略，显著减少线程竞争，避免 CAS 自旋瓶颈。
为什么 LongAdder 比 AtomicLong 更适合高并发计数
AtomicLong 依赖单个 volatile 变量 + CAS 循环，在多核高争用时，大量线程反复失败重试，导致 CPU 浪费和缓存行伪共享（false sharing）。LongAdder 则把计数分散到多个 Cell 中，每个线程优先尝试更新自己的 Cell；只有发生竞争时才扩容或尝试其他 Cell。最终 sum() 时才合并所有 Cell 值 —— 写操作几乎无竞争，读操作虽需遍历但频率通常远低于写。
如何正确使用 LongAdder 进行计数
使用非常简洁，但要注意语义和时机：
- 初始化：直接 new LongAdder()，无需额外配置
- 累加：调用 add(long x)，线程安全，推荐替代 ++ 或 +=
- 获取当前值：用 sum()，注意它不是强实时快照（可能略滞后），但最终一致
- 重置计数：不支持 clear()，常见做法是新建实例；若需复用，可用 sumThenReset()（Java 1.8u262+）
示例：
LongAdder counter = new LongAdder();
// 多线程中
counter.add(1);
// 最终统计
long total = counter.sum();
适用场景与关键注意事项
LongAdder 不是万能替代品，要匹配其设计意图：
Alibabacloud Sdk Client Initialization For Java
下载
在 Java 中初始化和管理阿里云 SDK客户端。包括单例模式、线程安全、endpoint 与 region 配置、VPC 终端节点、同步与异步等。
立即学习“Java免费学习笔记（深入）”；
- ✅ 适合：请求计数、QPS 统计、采样计数、日志打点等「写多读少、允许短暂延迟」的指标类场景
- ❌ 不适合：需要严格实时读取的场景（如限流阈值判断）、依赖原子性复合操作（如“先读再条件更新”）
- ⚠️ 注意：sum() 结果可能比最新写入慢几个操作（因 Cell 更新异步），但不会丢失数据；若需强一致性读，仍应回退用 AtomicLong
- ⚠️ 内存开销略高：初始仅一个 base 字段，竞争时动态创建 Cell 数组，极端情况下可能达几十个对象，但远小于线程数
对比 AtomicLong 的简单压测结论（参考）
在 32 线程、纯 increment 场景下（JDK 17）：
- AtomicLong 吞吐约 800 万 ops/s，CPU 利用率高，CAS 失败率超 60%
- LongAdder 吞吐可达 2500 万+ ops/s，失败率趋近于 0，扩展性明显更好
差距随线程数增加而拉大，尤其在多 socket 服务器上更显著。
