AtomicLong能保证并发情况下计数的准确性，其内部通过CAS来解决并发安全性的问题。
AtomicLong的缺点：
可以看到在高并发情况下，当有大量线程同时去更新一个变量，任意一个时间点只有一个线程能够成功，绝大部分的线程在尝试更新失败后，会通过自旋的方式再次进行尝试，这样严重占用了CPU的时间片，进而导致系统性能问题。

LongAdder在【高并发】的场景下会比AtomicLong具有更好的性能，代价是消耗更多的内存空间。

工作原理

1、LongAdder设计思想上，采用分段的方式降低并发冲突的概率。通过维护一个基准值【base】和【Cell数组】

2、当没有出现多线程竞争的情况，线程会直接对base里面的value进行修改，这个操作其实和AtomicLong操作是一样的。
3、当多线程的时候，那么LongAdder会初始化一个cell数组，然后对每个线程获取对应的hash值，之后通过hash & (size -1)[size为cell数组的长度]
将每个线程定位到对应的cell单元格，之后这个线程将值写入对应的cell单元格中的value，之后将所有【cell单元格的value】和【base中的value】进行累加求和得到最终的值。并且每个线程竞争的Cell的下标不是固定的，如果CAS失败，会重新获取新的下标去更新，从而极大地减少了CAS失败的概率。

缺点：只能用做计数器，如果要获取总数，他是通过累加多个数组的值进行相加的，所以不是原子性的操作，实时获取值不一定准确。

当需要拿到总数时 =base+cell[0]+cell[1]+cell[2]+cell[3]+…

LongAdder和AtomicLong性能对比

下面是记录1个线程，分别通过LongAdder、AtomicLong计算从0累加到100000000，耗时对比。

treadCount表示线程数：线程一次从1增加到80个。

结论：
1、1个线程时速度是最快的。并且AtomicLong比LongAdder还要快。
2、多个线程执行的情况下，单个线程执行的效率是最高的。
3、多个线程执行的情况下，LongAdder要快很多。
所以这也是在高并发下syn....性能很高的原因。因为AtomicLong里面还有很多无用的for自选操作。

源码

拓展

高并发的场景下，通过这种思想，还可以把同一个商品库存拆分多条数据，一条数据拆成多条数据，就变成了1个行锁，变成了多个行锁。
比如下面这种

一张表里面同一个商品Id，通过多行数据记录库存，总库存等于各行库存之后，当请求进来，通过路由策略，选择扣减指定行的库存，
这样就极大的增加了并发能力，而且就算路由到某行数据因为库存为0，但是总库存不为0，这样也没关系，因为高并发下，速度是很快的，所以也可以忽略。
当然也可以通过一些方式让库存为0的行，不参与并发的扣减

原文链接：跳转