持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第2天，点击查看活动详情
在前面的《RingBuffer-理论篇》 文章中讲了RingBuffer的理论知识，下面就根据之前的理论知识来实现一个简单的RingBuffer。后续会将RingBuffer的实现应用到在笔者前一段时间写的一个分布式ID生成器的项目 Rain（当前已经完成了第一个版本,有兴趣的可以关注一下），用来处理分布式ID雪花算法的缓存，进一步提高雪花算法的并发。
1. RingBuffer Java实现
import java.util.concurrent.atomic.AtomicLong;
/**
* desc：
*
* @author: mxsm
* @Date: 2022/5/25 10:43
* @since 1.0.0
*/
public class RingBuffer {
static final int MAXIMUM_CAPACITY = 1 << 30;
private int capacity;
private volatile long writeIndex = -1;
private AtomicLong readIndex = new AtomicLong(0);
private long[] data;
private int mask;
public RingBuffer(int capacity) {
this.capacity = ringBufferSizeFor(capacity);
this.mask = this.capacity - 1;
this.data = new long[this.capacity];
}
public boolean put(long element) {
long interval = writeIndex - readIndex.get() + 1;
if (interval >= capacity) {
return false;
}
data[calNextIndex(++writeIndex)] = element;
return true;
}
public long poll() {
long interval = writeIndex - readIndex.get();
if (interval < 0) {
return -1;
}
return data[calNextIndex(readIndex.getAndIncrement())];
}
/**
* code fork from HashMap
*
* @param cap
* @return
*/
static final int ringBufferSizeFor(int cap) {
int n = -1 >>> Integer.numberOfLeadingZeros(cap - 1);
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
private final int calNextIndex(long wrIndex) {
return (int) (wrIndex & mask);
}
}
测试代码：
public class RingBufferTest {
public static void main(String[] args) {
RingBuffer ringBuffer = new RingBuffer(1<<4);
Thread producer = new Thread(new Runnable() {
@Override
public void run() {
for(;;){
try {
boolean puted = ringBuffer.put(System.currentTimeMillis());
TimeUnit.MILLISECONDS.sleep(500);
if(!puted){
System.out.println("RingBuffer is Full");
}
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}
});
Thread consumer = new Thread(new Runnable() {
@Override
public void run() {
for(;;){
try {
long poll = ringBuffer.poll();
if(poll <= 0){
System.out.println("RingBuffer is Empty");
}
System.out.println("Poll "+ poll);
TimeUnit.MILLISECONDS.sleep(2000);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}
});
producer.start();
consumer.start();
}
}
笔者这里，生产的时间间隔小于消费的时间间隔，这样会出现RingBuffer满的情况如下图：
2. 代码说明
- writeIndex 变量为什么是基本类型，因为这里生产者考虑的是单个线程，一个线程专门去生产数据存放到RingBuffer，这样就不存在资源的竞争关系所有无需使用原子类。
- 循环缓冲区（Ring Buffer）的概念，其实来自于Linux内核（Maybe），是为解决某些特殊情况下的竞争问题提供了一种免锁的方法。如果生产者和消费者都是一个readIndex也可以不使用原子类，使用基本类即可。
- 数据的数组大小是不是一定要
2^n, 答案是否定的。之前也说过通过如果是2^n可以通过位运算来获取到index。这样比取模的速度更快。
我是蚂蚁背大象，文章对你有帮助点赞关注我，文章有不正确的地方请您斧正留言评论~谢谢！
