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，可参见更快的AtomicInteger
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
