I IT 面试题库
【场景题】线上统计接口用 volatile int count 做计数,压测发现结果始终偏小,请排查并修复
中级故障排查题Python后端工程师Python开发工程师PythonGIL并发
题目
承接上题:既然 volatile 保证可见性,为什么计数还是错的?考察点:识别 i++ 的"读-改-写"三步非原子性;区分可见性问题与原子性问题;给出正确修复方案与权衡。
参考答案
内容深度:适中 · 无代码示例 · 来源:外部链接 · 未复核 · 73 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解
要点一:定位根因——丢失更新
- count++ 实际是"读取 count → 加 1 → 写回"三步操作,volatile 只保证每一步读到的都是最新值,但两个线程可以同时读到相同旧值、各自加 1 后写回,导致一次加法丢失。
- 这是原子性问题而非可见性问题,加 volatile 治不了本症;这也解释了为什么压测结果持续偏小且偏差随并发度上升。
要点二:修复方案对比
- 方案 A(推荐):改用 AtomicInteger.incrementAndGet(),底层 CAS 自旋实现,无锁、高并发下性能好;属原子性语义的正确载体。
- 方案 B:synchronized 包裹自增代码块,简单可靠但引入锁竞争,吞吐量低于 CAS。
- 方案 C:LongAdder(热点写场景更优),通过分段 Cell 分散竞争、最终求和,写多读少时性能最佳。
要点三:排查方法论沉淀
- 线上"计数偏小"类问题先区分是统计口径问题还是并发 bug:用固定脚本单线程复现排除前者,再用多线程压测 + 期望值断言复现丢失更新。
- 经验法则:volatile 适合状态标志(如 running=false 停止线程)、一次性发布(DCL 单例);复合操作必须换原子类或锁。
题目与答案就在本页;收藏、批注和错题重练在应用内