longadder专为高并发累加设计，通过“base+cell数组”分散写操作降低cas冲突，适用于写多读少、接受最终一致性的统计场景，不支持强一致读写或原子条件更新。
LongAdder 专为高并发累加场景设计，它不追求单次操作的强一致性，而是用“分散写 + 合并读”换来了远高于 AtomicLong 的吞吐量。核心思路是把一个热点变量拆成 base 值加多个 Cell，让线程尽量写不同位置，大幅降低 CAS 冲突。
什么时候该用 LongAdder 而不是 AtomicLong
判断依据不是“并发量大”，而是“写操作密集、读操作相对稀疏、且能接受最终一致性”：
- 统计类场景：QPS 计数器、请求总数、错误次数、日志采样计数等；
- 写远多于读：比如每毫秒数百次 increment，但每秒只调用一两次 sum()；
- 不要求实时精确值：sum() 返回的是当前所有 Cell 和 base 的快照和，期间若有新写入，不会体现在本次结果中；
- AtomicLong 更适合需要强一致读写的场景，比如序列号生成、库存扣减（需配合业务校验）等。
基本用法与关键 API
LongAdder 使用极简，初始化后直接调用写方法，读取时再聚合：
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。
- 写操作：`increment()`（+1）、`add(long x)`（+x），无返回值，内部自动选择 base 或 Cell 更新；
- 读操作：`sum()` 获取当前总和，非阻塞但非强一致；`longValue()` 等价于 `sum()`；
- 重置计数：`reset()` 清空所有 Cell 并将 base 设为 0，注意这不保证原子性（中间可能有写入）；
- 不提供 compareAndSet、getAndAdd 等原子读-改-写接口——它不是通用原子变量，而是专用累加器。
底层怎么做到“分散竞争”
LongAdder 内部结构分两层：
- base 字段：一个 volatile long，低竞争时所有线程都尝试更新它；
- Cell 数组：当 base 更新失败（CAS 失败）达到一定次数，就初始化 Cell 数组；每个线程通过自身 threadLocal 的 probe 值哈希到某个 Cell 槽位，只对该槽位做 CAS；
- Cell 是懒加载、按需扩容的，避免内存浪费；数组长度总是 2 的幂，哈希用位运算（probe & (cells.length - 1)）提升效率；
- sum() 时遍历整个 Cell 数组，加上 base，得到最终值。
使用注意事项
避开常见误用，才能真正发挥性能优势：
- 别把它当 AtomicLong 替代品：不支持 getAndIncrement、不提供原子条件更新，强行模拟会破坏设计初衷；
- sum() 不是锁，也不阻塞写入：高并发下连续两次 sum() 可能返回相同值，也可能差很多，取决于中间写入节奏；
- 内存开销略高：一个 LongAdder 默认至少占用几个对象（base + cells 数组 + 若干 Cell 实例），比 AtomicLong 的单个 long 大；
- 初始化时机透明：首次竞争失败才建 Cell，所以压测前最好预热（如调用一次 increment）。
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
