17370845950

使用ConcurrentHashMap结合compute或merge方法可实现线程安全的并发计数，普通场景推荐merge简化逻辑，高频更新场景建议搭配LongAdder以降低CAS竞争，提升性能。

在高并发场景下，使用普通的HashMap或synchronized关键字实现计数容易引发线程安全问题或性能瓶颈。Java中的ConcurrentHashMap结合原子操作，是实现高效并发计数的理想选择。

使用ConcurrentHashMap配合putIfAbsent和compute实现线程安全计数

ConcurrentHashMap本身不提供原子递增操作，但可以通过其提供的原子性方法如compute、merge或putIfAbsent来实现安全的计数逻辑。

以下是一个基于compute方法实现的并发计数器示例：

import java.util.concurrent.ConcurrentHashMap;

public class ConcurrentCounter {
    private final ConcurrentHashMap counter = new ConcurrentHashMap<>();

    public void increment(String key) {
        counter.compute(key, (k, oldValue) -> oldValue == null ? 1L : oldValue + 1);
    }

    public long get(String key) {
        return counter.getOrDefault(key, 0L);
    }
}

在这个例子中，compute方法保证了读-改-写操作的原子性，多个线程同时调用increment不会导致数据错乱。

使用merge方法简化计数逻辑

ConcurrentHashMap的merge方法更适合计数场景，它能更简洁地实现相同功能：

public void increment(String key) {
    counter.merge(key, 1L, Long::sum);
}

这行代码表示：如果key不存在，插入值为1；如果已存在，则将原值与1相加后更新。整个操作是线程安全的。

应对更高性能需求：结合LongAdder

当计数频率极高时，多个线程频繁更新同一个key可能导致CAS竞争激烈。可以将value类型换成LongAdder，它专为高并发累加设计：

import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.atomic.LongAdder;

public class HighPerformanceCounter {
    private final ConcurrentHashMap counter 
        = new ConcurrentHashMap<>();

    public void increment(String key) {
        counter.computeIfAbsent(key, k -> new LongAdder()).increment();
    }

    public long get(String key) {
        LongAdder adder = counter.get(key);
        return adder == null ? 0L : adder.sum();
    }
}

LongAdder通过分段累加降低多线程冲突，读取时再汇总各段结果，在写多读少的场景下性能显著优于AtomicLong。

基本上就这些。根据实际并发强度选择合适的方式：普通场景用merge即可，超高频更新建议搭配LongAdder。ConcurrentHashMap的分段锁机制加上这些原子操作，足以支撑大多数高并发计数需求。