Talk is cheap
CAS(Compare And Swap)，即比較並交換。是解決多線程並行情況下使用鎖造成性能損耗的一種機制，CAS操作包含三個操作數——內存位置（V）、預期原值（A）和新值(B)。如果內存位置的值與預期原值相匹配，那么處理器會自動將該位置值更新為新值。否則，處理器不做任何操作。無論位置V的值是否等於A， 都將返回V原有的值。
CAS的含義是”我認為V的值應該是A，如果是，那我將V的值更新為B，否則不修改並告訴V的值實際是多少“
Show you my code
在單線程環境中分別使用無鎖，加鎖以及cas進行十組5億次累加運算，然后打印出平均耗時。
/**
* cas對比加鎖測試
*
* @author Jann Lee
* @date 2019-11-21 0:12
**/
public class CasTest {
@Test
public void test() {
long times = 500_000_000;
// 記錄耗時
List<Long> elapsedTime4NoLock = new ArrayList<>(10);
List<Long> elapsedTime4Synchronized = new ArrayList<>(10);
List<Long> elapsedTime4ReentrantLock = new ArrayList<>(10);
List<Long> elapsedTime4Cas = new ArrayList<>(10);
// 進行10組試驗
for (int j = 0; j < 10; j++) {
// 無鎖
long startTime = System.currentTimeMillis();
for (long i = 0; i < times; i++) {
}
long endTime = System.currentTimeMillis();
elapsedTime4NoLock.add(endTime - startTime);
// synchronized 關鍵字（隱式鎖）
startTime = endTime;
for (long i = 0; i < times; ) {
i = addWithSynchronized(i);
}
endTime = System.currentTimeMillis();
elapsedTime4Synchronized.add(endTime - startTime);
// ReentrantLock 顯式鎖
startTime = endTime;
ReentrantLock lock = new ReentrantLock();
for (long i = 0; i < times; ) {
i = addWithReentrantLock(i, lock);
}
endTime = System.currentTimeMillis();
elapsedTime4ReentrantLock.add(endTime - startTime);
// cas(AtomicLong底層是用cas實現)
startTime = endTime;
AtomicLong atomicLong = new AtomicLong();
while (atomicLong.getAndIncrement() < times) {
}
endTime = System.currentTimeMillis();
elapsedTime4Cas.add(endTime - startTime);
}
System.out.println("無鎖計算耗時: " + average(elapsedTime4NoLock) + "ms");
System.out.println("synchronized計算耗時: " + average(elapsedTime4Synchronized) + "ms");
System.out.println("ReentrantLock計算耗時: " + average(elapsedTime4ReentrantLock) + "ms");
System.out.println("cas計算耗時: " + average(elapsedTime4Cas) + "ms");
}
/**
* synchronized加鎖
*/
private synchronized long addWithSynchronized(long i) {
i = i + 1;
return i;
}
/**
* ReentrantLock加鎖
*/
private long addWithReentrantLock(long i, Lock lock) {
lock.lock();
i = i + 1;
lock.unlock();
return i;
}
/**
* 計算平均耗時
*/
private double average(Collection<Long> collection) {
return collection.stream().mapToLong(i -> i).average().orElse(0);
}
}
從案例中我們可能看出在單線程環境場景下cas的性能要高於鎖相關的操作。當然，在競爭比較激烈的情況下性能可能會有所下降，因為要不斷的重試和回退或者放棄操作，這也是CAS的一個缺點所在，因為這些重試，回退等操作通常用開發者來實現。
CAS的實現並非是簡單的代碼層面控制的，而是需要硬件的支持，因此在不同的體系架構之間執行的性能差異很大。但是一個很管用的經驗法則是：在大多數處理器上，在無競爭的鎖獲取和釋放的”快速代碼路徑“上的開銷，大約是CAS開銷的兩倍。
為何CAS如此優秀
硬件加持，現代大多數處理器都從硬件層面通過一些列指令實現CompareAndSwap(比較並交換)同步原語，進而使操作系統和JVM可以直接使用這些指令實現鎖和並發的數據結構。我們可以簡單認為，CAS是將比較和交換合成是一個原子操作。
JVM對CAS的支持， 由於Java程序運行在JVM上，所以應對不同的硬件體系架構的處理則需要JVM來實現。在不支持CAS操作的硬件上，jvm將使用自旋鎖來實現。
CAS的ABA問題
cas操作讓我們減少了鎖帶來的性能損耗，同時也給我們帶來了新的麻煩-ABA問題。
在線程A讀取到x的值與執行CAS操作期間，線程B對x執行了兩次修改，x的值從100變成200，然后再從200變回100；而后在線程A執行CAS操作過程中並未發現x發生過變化，成功修改了x的值。由於x的值100 ->200->100,所以稱之為ABA的原因。
魔高一尺道高一丈，解決ABA的問題目前最常用的辦法就是給數據加上“版本號”，每次修改數據時同時改變版本號即可。
Q&A
在競爭比較激烈的情況下，CAS要進行回退，重試等操作才能得到正確的結果，那么CAS一定比加鎖性能要高嗎？