我需要在我的软件中收集一些统计信息，并且我试图使其快速正确，这对我来说并不容易！

到目前为止，我的代码首先包含两个类，即StatsService和StatsHarvester

public class StatsService
{
private Map<String, Long>   stats   = new HashMap<String, Long>(1000);

public void notify ( String key )
{
    Long value = 1l;
    synchronized (stats)
    {
        if (stats.containsKey(key))
        {
            value = stats.get(key) + 1;
        }
        stats.put(key, value);
    }
}

public Map<String, Long> getStats ( )
{
    Map<String, Long> copy;
    synchronized (stats)
    {
        copy = new HashMap<String, Long>(stats);
        stats.clear();
    }
    return copy;
}
}

这是我的第二堂课，一个收割机，它不时收集统计数据并将其写入数据库。

public class StatsHarvester implements Runnable
{
private StatsService    statsService;
private Thread          t;

public void init ( )
{
    t = new Thread(this);
    t.start();
}

public synchronized void run ( )
{
    while (true)
    {
        try
        {
            wait(5 * 60 * 1000); // 5 minutes
            collectAndSave();
        }
        catch (InterruptedException e)
        {
            e.printStackTrace();
        }
    }
}

private void collectAndSave ( )
{
    Map<String, Long> stats = statsService.getStats();
    // do something like:
    // saveRecords(stats);
}
}

在运行时，它将有大约30个并发运行的线程，每个线程调用notify(key)约100次。只有一个StatsHarvester正在呼叫statsService.getStats()

所以我有很多作家，只有一个读者。拥有准确的统计信息会很好，但是我不在乎某些记录是否因高并发性而丢失。

读者应每5分钟或合理的时间运行一次。

写作应该尽可能快。读取速度应该很快，但是如果每5分钟锁定300ms左右，那就没问题了。

我已经阅读了许多文档（实际上是Java并发，有效的Java等），但是我有强烈的感觉，我需要您的建议才能正确解决问题。

我希望我说的问题清楚而简短，以期获得宝贵的帮助。

编辑

感谢所有您的详细和有用的答案。如我所料，有多种方法可以做到这一点。

我测试了您的大多数建议（我理解的那些建议），并将一个测试项目上传到Google代码以供进一步参考（Maven项目）

http://code.google.com/p/javastats/

我已经测试了StatsService的不同实现

• HashMapStatsService（HMSS）
• ConcurrentHashMapStatsService（CHMSS）
• LinkedQueueStatsService（LQSS）
• GoogleStatsService（GSS）
• ExecutorConcurrentHashMapStatsService（ECHMSS）
• ExecutorHashMapStatsService（EHMSS）

我用x每个调用通知y时间的线程数测试了它们，结果以毫秒为单位

         10,100   10,1000  10,5000  50,100   50,1000  50,5000  100,100  100,1000 100,5000 
GSS       1        5        17       7        21       117      7        37       254       Summe: 466
ECHMSS    1        6        21       5        32       132      8        54       249       Summe: 508
HMSS      1        8        45       8        52       233      11       103      449       Summe: 910
EHMSS     1        5        24       7        31       113      8        67       235       Summe: 491
CHMSS     1        2        9        3        11       40       7        26       72        Summe: 171
LQSS      0        3        11       3        16       56       6        27       144       Summe: 266

目前，我认为我将使用ConcurrentHashMap，因为它提供了良好的性能，同时非常容易理解。

感谢您的输入！詹宁