当前位置:

首页 > 编程开发 > 并发编程中的原子引用更新:实战如何利用 AtomicReferenceFieldUpdater 减少细小对象内存占用

并发编程中的原子引用更新:实战如何利用 AtomicReferenceFieldUpdater 减少细小对象内存占用

聊到并发编程中的原子引用更新,很多人第一反应就是AtomicReference。但如果你在高并发、大批量对象的场景下待过,就会知道每个对象里塞一个AtomicReference,内存开销其实相当可观。这时候,AtomicReferenceFieldUpdater就派上用场了。 它的核心价值,说白了,

本文目录

    聊到并发编程中的原子引用更新,很多人第一反应就是AtomicReference。但如果你在高并发、大批量对象的场景下待过,就会知道每个对象里塞一个AtomicReference,内存开销其实相当可观。这时候,AtomicReferenceFieldUpdater就派上用场了。

    它的核心价值,说白了,就是在高并发、大批量对象的场景下,用一个静态的updater实例,去替换掉每个对象里那个独立的AtomicReference实例,从而把堆内存压力降下来。它不创建包装对象,直接操作字段,内存更“薄”,GC压力也更小。

    并发编程中的原子引用更新:实战如何利用 AtomicReferenceFieldUpdater 减少细小对象内存占用

    为什么能省内存?关键在对象结构

    普通的AtomicReference,每个实例都包含一个volatile引用字段,加上对象头(12字节)和对齐填充。假设你有100万个对象,每个都持有一个AtomicReference,那就多出约100万 × 24字节 ≈ 24MB的内存,还不算间接引用开销。

    AtomicReferenceFieldUpdater就不一样了。它是静态单例,只创建一次。目标字段仍是对象自身的volatile字段,不额外封装。内存占用回归到原始对象布局本身。

    • AtomicReference:每个字段 = 新对象(24B+)
    • AtomicReferenceFieldUpdater:字段仍是原对象的一部分,仅多一个static updater(≈ 40B总开销)
    • 实测案例中,百万级对象从占用96MB降至约32MB,节省超60%

    使用前提和硬性要求

    当然,它不是“万能替换”,必须严格遵守以下几条硬性要求,否则运行时会直接给你抛个RuntimeException(比如IllegalAccessException或IllegalArgumentException):

    • 目标字段必须声明为volatile,且是引用类型(不能是String等final类型字段,但可以是自定义类引用)
    • 字段访问权限需为public、protected或package-private(不能是private)
    • updater实例必须用static final声明,且通过newUpdater(Class, FieldType, "fieldName")创建
    • 目标类不能是final类,字段不能是static或final

    典型写法与安全更新模式

    直接上个例子,以网络连接状态管理为例:

    class Connection {
        volatile ConnectionState state = ConnectionState.IDLE;
        
        static final AtomicReferenceFieldUpdater STATE_UPDATER =
            AtomicReferenceFieldUpdater.newUpdater(Connection.class, ConnectionState.class, "state");
        
        boolean transitionToActive() {
            return STATE_UPDATER.compareAndSet(this, ConnectionState.IDLE, ConnectionState.ACTIVE);
        }
        
        ConnectionState getAndReset() {
            return STATE_UPDATER.getAndSet(this, ConnectionState.IDLE);
        }
    }

    常用方法包括:compareAndSet(最常用)、getAndSet、weakCompareAndSet、updateAndGet(JDK 8+,支持函数式更新)。

    需要注意,updateAndGet接收UnaryOperator,函数必须无副作用,因为CAS失败时可能被重试多次。

    适合哪些真实场景?

    首先要明确一点:FieldUpdater不是万能灵药,不是什么场景都值得上。它最适合这几类情况:

    • 对象生命周期长、数量极大,典型的比如Netty的ByteBuf、RocketMQ的CommitLogSegment
    • 字段更新频率高,但逻辑简单(状态切换、引用计数、版本号)
    • 已有类无法修改继承结构,又不能加AtomicReference字段(比如为了兼容或性能隔离)
    • 已经用volatile字段做线程间通信,只需补上原子性保障

    什么情况下不适合?字段需要复杂复合操作、涉及ABA敏感逻辑(此时应选AtomicStampedReference),或者对象总数很少(得不偿失)。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发 并发编程
    相关文章 更多
    并发编程中的伪共享(False Sharing):分析 @Contended 注解如何通过内存对齐隔离变量缓存行
    并发编程中的伪共享(False Sharing):分析 @Contended 注解如何通过内存对齐隔离变量缓存行

    伪共享因多线程修改同一缓存行不同变量,引发MESI协议频繁失效,导致性能骤降。@Contended注解通过填充字节隔离字段独占缓存行,需配合JVM参数启用。手动填充long变量是兼容性更佳的替代方案。

    内存占用分析:Go 中使用 zlib 并行压缩时的资源消耗与优化指南
    内存占用分析:Go 中使用 zlib 并行压缩时的资源消耗与优化指南

    Go中使用zlib并行压缩100MB数据时,zlib自身每线程仅需约256KB内存,实际内存瓶颈在于手动分配的输入输出缓冲区。优化需采用流式压缩、复用sync.Pool管理缓冲区、降低压缩级别,并监控内存指标,可避免内存溢出。

    PHP生成器实战:使用yield关键字优化大数组遍历内存占用
    PHP生成器实战:使用yield关键字优化大数组遍历内存占用

    PHP生成器利用yield关键字按需产出数据,避免一次性加载到内存,适用于大数组遍历、数值范围生成、数据库结果集、大文件读取及递归结构展开,显著降低内存占用至恒定级别,优化海量数据处理性能。

    怎么通过 for 循环实现斐波那契数列的迭代式计算并优化内存占用开销
    怎么通过 for 循环实现斐波那契数列的迭代式计算并优化内存占用开销

    怎么通过 for 循环实现斐波那契数列的迭代式计算并优化内存占用开销 说到计算斐波那契数列,很多人第一反应是递归。但递归有个明显的短板:随着n增大,不仅速度变慢,内存开销也急剧上升。其实,用for循环进行迭代计算,才是兼顾效率和资源占用的经典解法。它的核心思路很巧妙:只保留最近两个数值,像滚雪球一样

    怎么利用 Netty 的 PooledByteBufAllocator 池化技术实现在极高吞吐下的平滑堆外内存占用
    怎么利用 Netty 的 PooledByteBufAllocator 池化技术实现在极高吞吐下的平滑堆外内存占用

    怎么利用 Netty 的 PooledByteBufAllocator 池化技术实现在极高吞吐下的平滑堆外内存占用 这里有个核心误区需要先澄清:仅仅开启池化,并不能“自动”实现平滑的内存占用。真正的平滑,必须建立在严格控制分配器实例数量、显式管理线程缓存生命周期,以及精细配比 pageSize 与

    Linux查看CPU和内存占用情况 top和free命令【教程】
    Linux查看CPU和内存占用情况 top和free命令【教程】

    别被top的“内存耗尽”骗了:看懂a vailable才是关键 在Linux系统里判断内存是否真的不够用,一个最常见的误区就是只看top命令。很多人一看到used值接近总量就慌了,其实这很可能是个假警报。真正决定系统内存余量的,是free命令输出的a vailable字段,而不是top里的used或

    编程范式之并发编程
    编程范式之并发编程

    前言 在当今的计算世界里,单核处理器的时代早已远去。多核处理器遍地开花,计算任务也日益复杂。如何让系统资源“忙”起来,高效地同时处理更多任务,成了摆在开发者面前的一道必答题。而解题的关键钥匙之一,便是并发编程。接下来,我们将一起深入探讨并发编程的方方面面,从定义、特点到适用场景,再到它的优缺点,最后

    什么是CAS操作?它有什么优点和缺点?
    什么是CAS操作?它有什么优点和缺点?

    CAS操作通过比较并交换实现多线程下的原子操作,避免锁开销,提升并发性能;其核心是乐观锁机制,假设无冲突直接尝试更新,失败则重试,适用于原子计数器、无锁队列、原子引用等场景,但存在自旋开销和ABA问题;ABA问题指值由A→B→A变化,导致误判未变,可通过引入版本号解决,确保值与版本同时匹配才更新,从而保障操作安全性。

    悟空浏览器内存占用查看方法
    悟空浏览器内存占用查看方法

    首先使用内置任务管理器查看各标签页内存占用,通过菜单进入工具箱选择任务管理器,按内存排序找出高消耗页面;其次高级用户可开启开发者选项,启用USB调试并连接电脑使用ChromeDevTools分析内存堆快照;最后借助系统设置中的应用管理功能,查看悟空浏览器整体RAM使用情况以评估性能影响。

    谷歌浏览器占内存原因及解决方法
    谷歌浏览器占内存原因及解决方法

    1、使用OneTab合并标签页释放内存;2、安装TheGreatSuspender冻结非活动页面;3、通过Shift+ESC调用任务管理器结束高耗进程;4、输入chrome://restart重启浏览器;5、在设置中启用“减少背景活动”优化性能。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。