使用ConcurrentHashMap实现高效统计：1. 用merge()原子更新计数；2. 用computeIfAbsent()初始化复杂对象如LongAdder；3. 避免get-put等非原子操作；4. 用reduceValues等方法并行聚合，提升大数据量下性能。
在高并发场景下，对数据进行统计操作时如果使用普通的 HashMap 或加锁机制，很容易成为性能瓶颈。Java 提供的 ConcurrentHashMap 不仅线程安全，而且在多线程环境下具备良好的伸缩性，非常适合用于高效统计。下面介绍几种利用 ConcurrentHashMap 实现高效统计的常用技巧。
1. 使用 merge() 方法实现原子计数
在统计词频、请求次数等场景中，最常见的是“若键存在则累加，否则初始化”。merge() 方法可以原子地完成这一逻辑。
例如，统计每个用户的访问次数：
ConcurrentHashMap<String, Integer> visitCount = new ConcurrentHashMap<>();
// 每次用户访问时调用
public void recordVisit(String userId) {
visitCount.merge(userId, 1, Integer::sum);
}
说明： merge 的第三个参数是一个 BiFunction，用于合并旧值和新值。Integer::sum 等价于 (old, x) -> old + x。这个操作是线程安全且高效的。
立即学习“Java免费学习笔记（深入）”；
2. 利用 computeIfAbsent() 初始化复杂对象
当统计目标不是简单数值，而是更复杂的结构（如统计最大值、最小值、平均值）时，可结合 computeIfAbsent 创建并初始化对象。
ConcurrentHashMap<String, LongAdder> requestCount = new ConcurrentHashMap<>();
public void incrementRequest(String service) {
requestCount.computeIfAbsent(service, k -> new LongAdder()).increment();
}
说明：LongAdder 在高并发累加场景下比 AtomicInteger 性能更好。computeIfAbsent 保证只在键不存在时创建新实例，避免重复构造。
3. 避免手动同步，充分利用内置原子方法
一些开发者习惯先 get 再 put，这在并发下会导致覆盖问题。应优先使用 ConcurrentHashMap 提供的原子更新方法。
错误示例：
// 错误：非原子操作，可能丢失更新 Integer old = map.get(key); map.put(key, old == null ? 1 : old + 1);
正确做法是使用 merge、compute、putIfAbsent 等方法，它们内部已处理了并发冲突。
4. 批量统计时合理使用 forEach 和 reduce
ConcurrentHashMap 提供了并行友好的遍历方式，适合在统计完成后做聚合分析。
// 统计总访问次数
long totalCount = visitCount.reduceValues(8, Integer::sum);
// 获取访问最多的用户
Map.Entry<String, Integer> topUser = visitCount
.reduceEntriesToDouble(8, e -> e.getValue(), Double::max, e -> e.getKey());
说明：这些方法支持并行处理，第二个参数是阈值（估计任务拆分粒度），适合大数据量下的汇总操作。
基本上就这些。合理使用 merge、compute、LongAdder 和并行聚合方法，能让 ConcurrentHashMap 在统计类场景中既安全又高效。关键是避免手动加锁或非原子操作，充分发挥其设计优势。不复杂但容易忽略。
