Talk is cheap

CAS(Compare And Swap)，即比較並交換。是解決多執行緒並行情況下使用鎖造成效能損耗的一種機制，CAS操作包含三個運算元——記憶體位置（V）、預期原值（A）和新值(B)。如果記憶體位置的值與預期原值相匹配，那麼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

在單執行緒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，然後打印出平均耗時。

 /**
 * 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執行緒環境場景下cas的效能要高於鎖相關的操作。當然，在競爭比較激烈的情況下效能可能會有所下降，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程式碼層面控制的，而是需要硬體的支援，因此在不同的體系架構之間執行的效能差異很大。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”快速程式碼路徑“上的開銷，大約是CAS開銷的兩倍。

為何CAS如此優秀

硬體加持，現代大多數處理器都從硬體層面通過一些列指令實現CompareAndSwap(比較並交換)同步原語，進而使作業系統和JVM可以直接使用這些指令實現鎖和併發的資料結構。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的支援， 由於Java程式執行在JVM上，所以應對不同的硬體體系架構的處理則需要JVM來實現。在不支援CAS操作的硬體上，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效能損耗，同時也給我們帶來了新的麻煩-ABA問題。

線上程A讀取到x的值與執行CAS操作期間，執行緒B對x執行了兩次修改，x的值從100變成200，然後再從200變回100；而後線上程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資料加上“版本號”，每次修改資料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，那麼CAS一定比加鎖效能要高嗎？