longadder通过分段计数（base+cell[]）分散cas竞争，避免atomiclong单点争用导致的高自旋失败和cpu空转；适用于写多读少、允许弱一致性的监控统计场景。
因为 LongAdder 通过分段计数显著降低线程竞争，避免了 AtomicLong 在高并发下因 CAS 自旋失败导致的 CPU 浪费和性能陡降。
核心问题：AtomicLong 的瓶颈在哪
AtomicLong 所有线程都争抢同一个变量，靠 CAS 不断重试。当写入线程多（比如每秒上万次）、CPU 核数高（4 核以上）时，CAS 失败率常超 20%，大量线程空转，吞吐量急剧下滑。
LongAdder 怎么解决这个问题
它把“一个计数器”拆成多个独立单元：
- 初始无竞争时，所有累加走 base 变量，轻量高效
- 一旦检测到竞争，就懒加载 cells 数组，每个线程按哈希映射到不同 Cell，各自更新互不干扰
- Cell 内部用 @Contended 避免伪共享，每个单元独占缓存行，减少总线争用
适合什么场景才推荐用
不是所有计数都该换，关键看三点：
- 写操作远多于读操作（例如每秒累加万次，但每分钟只查一次总数）
- 读取不要求瞬时精确值（接受 sum() 返回的是最终一致、可能略滞后的结果）
- 不依赖原子性判断逻辑（比如不用
if (counter.sum() >= 100)做分支控制）
实测收益有多大
在真实高争用环境里效果明显：
- 单线程或低并发（≤4 线程）：AtomicInteger 更快，LongAdder 反而慢 5%~10%
- 4 核以上、写占比 >70%、QPS 过万：LongAdder 吞吐量可高出 10~18 倍
- 验证方法：用 Arthas 观察
Unsafe.compareAndSwapLong失败率，持续高于 20% 就是引入 LongAdder 的信号
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
