引言
在微服务架构和分布式系统中，对服务的请求量、响应时间等指标的实时监控至关重要。阿里巴巴开源的 Sentinel 是一个用于流量控制、熔断降级、系统负载保护的中间件。它通过一系列的度量指标来实现对系统状态的实时感知，而 LongAdder 正是 Sentinel 实现这些度量的核心数据结构之一。
一、LongAdder：线程安全的高性能计数器
LongAdder 是 Java 8 引入的一个新类，位于 java.util.concurrent.atomic 包中。它的设计目的是为了在高并发环境下提供高性能的加法操作，尤其适合用于计数场景。LongAdder 的实现借鉴了 Striped64 类，后者是 ConcurrentHashMap 的基础组件之一，通过减少锁的竞争来提高并发性能。
示例：使用 LongAdder 计数
import java.util.concurrent.atomic.LongAdder;public class LongAdderExample {
private static final int THREAD_COUNT = 100;
private static final int TASK_COUNT_PER_THREAD = 10000;
public static void main(String[] args) throws InterruptedException {
LongAdder longAdder = new LongAdder();
Thread[] threads = new Thread[THREAD_COUNT];
for (int i = 0; i < THREAD_COUNT; i++) {
threads[i] = new Thread(() -> {
for (int j = 0; j < TASK_COUNT_PER_THREAD; j++) {
longAdder.increment();
}
});
threads[i].start();
}
for (Thread thread : threads) {
thread.join();
}
System.out.println("Total count: " + longAdder.longValue());
}}二、Sentinel 中的 LongAdder 应用
在 Sentinel 中，LongAdder 被广泛应用于统计各种度量指标，例如资源的请求次数、响应时间等。这是因为 LongAdder 在高并发场景下能够提供优秀的性能和准确的数据统计，非常适合 Sentinel 这种需要实时监控系统状态的场景。
源码解析：Sentinel 中的度量指标存储
在 Sentinel 的源码中，DefaultMetricRecord 类是用于存储度量指标的主要载体，其中就使用了 LongAdder 来存储诸如 passCount（通过的请求次数）、blockCount（被限流的请求次数）等数据。
// Sentinel 源码片段示意public class DefaultMetricRecord implements MetricRecord {
private final LongAdder passCount = new LongAdder();
private final LongAdder blockCount = new LongAdder();
private final LongAdder exceptionCount = new LongAdder();
// ...其他属性和方法
public long getPassCount() {
return passCount.longValue();
}
public long getBlockCount() {
return blockCount.longValue();
}
public long getExceptionCount() {
return exceptionCount.longValue();
}}三、LongAdder 的内部实现
LongAdder 的内部实现基于 Striped64，其核心思想是通过分割（striping）技术来减少锁的竞争。它维护了一个数组，每个元素代表一个槽（cell），每个槽都可以独立地进行加法操作。当线程需要进行加法操作时，它会选择一个槽进行操作，如果该槽已经被占用，则会尝试其他的槽。这样，即使在高并发场景下，也能极大地减少锁的争用，从而提高整体的性能。
源码解析：LongAdder 的 add 方法
// LongAdder 源码片段示意public final void add(long x) {
Cell[] as; long b, s; int h;
if ((as = cells) != null || !casBase(b = base, b + x)) {
synchronized (this) {
if (as == null || (h = ThreadLocalRandom.getProbe()) >= as.length)
ThreadLocalRandom.rescaleProbe(h);
else if (cells == as)
lazySetCells(null);
Cell a = as[(h & (as.length - 1))];
if (a == null)
as[h & (as.length - 1)] = a = new Cell();
a.value += x;
s = sum();
if (base != b && s != b)
base = s;
}
}}结语
LongAdder 在 Sentinel 中扮演着重要的角色，它不仅提高了度量指标的统计效率，还保证了数据的一致性和准确性。通过本文的介绍，相信你已经对 LongAdder 及其在 Sentinel 中的应用有了更深的理解。掌握这一核心组件的运作机制，对于构建高性能的流量控制和系统保护策略至关重要。
更多搜索作者名称【源码解析】 知识星球，与你一起探索技术深处的秘密。
在知识星球，我们将继续深入探讨 Sentinel 的其他核心组件和技术细节，包括但不限于限流算法、熔断策略和系统保护机制。加入我们，让我们一起挖掘技术背后的奥秘，提升你的技能，成为真正的技术专家。
如果你对 Sentinel、高并发计数、流量控制等话题感兴趣，欢迎加入我的知识星球，那里有更多深度分析和实战案例等待着你。
来源：
互联网
本文观点不代表源码解析立场，不承担法律责任，文章及观点也不构成任何投资意见。
评论列表