深圳集团网站建设企业物业公司简介模板
本文结合生产环境实战案例，带你彻底搞懂AtomicLong在Android多线程开发中的应用。全文包含大量Kotlin代码示例，建议收藏备用。
一、为什么需要AtomicLong？
在Android开发中，当多个线程同时操作同一个Long型变量时，你可能会遇到这样的诡异场景：
var counter = 0Lfun increment() {// 这个操作在并发场景下会出错！counter++
}
这个简单的自增操作，编译后会变成多条JVM指令（ILOAD, LCONST_1, LADD, LSTORE），根本不是原子操作！普通Long变量在多线程环境下存在安全隐患。
二、AtomicLong的核心原理
2.1 CAS机制
AtomicLong底层采用CAS（Compare And Swap）算法：
// 伪代码实现
fun incrementAndGet(): Long {while(true) {val current = get()val next = current + 1if (compareAndSet(current, next)) {return next}}
}
这个过程就像超市寄存柜——只有当柜子里的物品和预期一致时，才能放入新物品。通过自旋重试机制保证原子性，但要注意CPU资源消耗。
2.2 内存可见性
通过volatile关键字保证修改的可见性：
// JDK源码片段
private volatile long value;public final long get() {return value;
}
这个设计让所有线程都能立即看到最新值。
三、AtomicLong的基本使用
3.1 初始化方式
// 初始值为0
val atomicCounter = AtomicLong()// 带初始值
val pageViewCounter = AtomicLong(1000)
3.2 常用方法详解
| 方法名 | 等价操作 | 说明 |
|---|---|---|
| get() | val = x | 获取当前值 |
| set(newValue) | x = new | 直接赋值（慎用！） |
| getAndIncrement() | x++ | 先返回旧值再+1（适合计数统计） |
| incrementAndGet() | ++x | 先+1再返回新值 |
| compareAndSet(expect, update) | CAS操作 | 核心方法，成功返回true |
四、AtomicLong的适用场景
✅ 推荐使用场景
- 低并发的精确计数器（如页面访问量统计）
- 需要保证原子性的状态标记（如下载进度百分比）
- 需要配合其他原子类构建复杂逻辑
⚠️ 不推荐场景
- 超高并发计数器（考虑LongAdder）
- 需要保证连续性的操作（如ID生成）
五、生产环境实战案例
5.1 页面访问量统计
class PageVisitTracker {private val visitCount = AtomicLong(0)// 注意：这个方法要在后台线程调用fun trackVisit() {visitCount.incrementAndGet()if (visitCount.get() % 100 == 0L) {uploadToServer() // 每100次上报服务器}}fun getVisitCount() = visitCount.get()
}
5.2 下载进度同步
class DownloadManager {private val progress = AtomicLong(0)fun updateProgress(bytes: Long) {progress.addAndGet(bytes)val current = progress.get()if (current % (1024 * 1024) == 0L) { // 每MB更新UIrunOnUiThread { updateProgressBar(current) }}}
}
六、性能优化建议
- 避免滥用get()：频繁调用get()会导致缓存失效
- 慎用lazySet：只有在明确不需要立即可见时使用
- 注意自旋消耗：高并发下考虑退避策略或改用LongAdder
七、与LongAdder的抉择
当遇到类似需求时：
when {writeQPS < 1000 -> AtomicLong()writeQPS > 5000 -> LongAdder()else -> 根据业务精度要求选择
}
八、常见坑点排查
8.1 原子性误解
错误用法：
if (atomicValue.get() > 100) {atomicValue.set(0) // 这两个操作不是原子的！
}
正确姿势：
while (true) {val current = atomicValue.get()if (current <= 100) breakif (atomicValue.compareAndSet(current, 0)) break
}
8.2 数值溢出问题
val MAX = Long.MAX_VALUE
val counter = AtomicLong(MAX - 10)repeat(20) {counter.incrementAndGet() // 最后会变成Long.MIN_VALUE
}
九、进阶技巧
9.1 配合Kotlin扩展函数
fun AtomicLong.update(action: (Long) -> Long) {while (true) {val current = get()val newValue = action(current)if (compareAndSet(current, newValue)) return}
}// 使用示例
atomicCounter.update { it * 2 }
9.2 性能监控方案
class MonitoredAtomicLong(initialValue: Long
) : AtomicLong(initialValue) {private val casFailureCount = AtomicInteger()override fun compareAndSet(expect: Long, update: Long): Boolean {val success = super.compareAndSet(expect, update)if (!success) casFailureCount.incrementAndGet()return success}fun printStats() {Log.d("AtomicStats", "CAS失败次数：${casFailureCount.get()}")}
}
十、总结
AtomicLong像一把精准的手术刀：
- 优势：精确控制、API丰富、低延迟
- 局限：高并发下性能衰减明显（当CAS失败率>30%时需警惕）