本文共 935 字，大约阅读时间需要 3 分钟。
感谢同事［孙棋］的投稿
现实当中很多场景，需要进行轮训服务，比如轮训在10个日志文件当中写日志，在10台机器上轮训的去调用以实现负载均衡，常规的做法，如tomcat的Poller线程轮训选择，就采用
1 | Math.abs(pollerRotater.incrementAndGet()) % pollers.length |
此地需要取原子自增的绝对值模以poller线程数，那是否有更好的实现呢？
01 | public class CycleAtomicInteger { |
02 | private final static long PARK_TIME = 1000L * 1000; |
03 |
04 | private AtomicInteger counter = new AtomicInteger(0); |
05 |
06 | private int range; |
07 |
08 | public CycleAtomicInteger(int range) { |
09 | if (range < 2) |
10 | throw new IllegalArgumentException(); |
11 | this.range = range; |
12 | } |
13 |
14 | /** |
15 | * 获取下个原子值 |
16 | * |
17 | * @return |
18 | */ |
19 | public int next() { |
20 | for (;;) { |
21 | int c = counter.get(); |
22 | int next = (c + 1) % range; |
23 | if (counter.compareAndSet(c, next)) { |
24 | return c; |
25 | } else { |
26 | LockSupport.parkNanos(PARK_TIME); |
27 | } |
28 | } |
29 | } |
30 |
31 | } |
这样就可以快速的实现rr的效果，同时也避免了abs的过程，至于LockSupport.parkNanos(PARK_TIME);加了这个后，4个线程执行2亿次的计算，我本机从原来的16s减少到4s，至于为什么要加这个，可参见
当然，这样设计会存在cas的aba问题，但对当前的case需求，其实是满足的，也不存在问题
转载地址：http://qguhl.baihongyu.com/