无锁栈性能不及自旋锁版本：慢1.5倍问题排查

你的情况很常见——无锁结构并非在所有场景下都能击败自旋锁，结合你的实现和测试环境，慢的原因主要来自无锁原语的固有开销、自旋锁在特定场景下的高效性，同时你的无锁实现也有不少优化空间：

为什么无锁版本更慢？ #

• CAS操作的开销高于test_and_set：test_and_set是单一原子操作，只负责设置锁状态并返回旧值；而CAS需要完成“读取-比较-写入”三步原子操作，每次失败还要重新加载节点状态并重试。加上你为处理ABA问题引入的标记位，每次操作还要额外做打包/解包的位运算，进一步拉高了单次操作的成本。
• 自旋锁在你的测试场景下适配性更好：你的自旋锁用test_and_set+yield，单线程下几乎能一次性获取锁，无循环开销；12线程（6核HT）场景下，yield让竞争线程主动让出CPU，减少空转带来的缓存竞争。而无锁结构的CAS重试是“忙等”，超线程核心下会持续占用执行资源，导致缓存行频繁失效，性能被拖慢。
• 单线程下无锁的额外负担：单线程时，自旋锁的lock_guard几乎无开销（无竞争时不需要触发原子操作），但无锁结构依然要执行CAS的内存屏障和原子指令，自然会慢。

可优化的方向 #

• 优化CAS重试逻辑：在CAS失败后加入_mm_pause()指令（x86平台），减少CPU空转的功耗和缓存竞争，同时降低重试频率，比单纯的循环更高效。
• 简化标记位实现：利用指针对齐特性打包标记位——x86平台指针按8字节对齐，低3位始终为0，可以把标记位存在这些空闲位里，避免额外的变量存储。示例代码：

  // 将标记位打包到指针低1位
  void* pack_ptr(void* ptr, bool aba_flag) {
      return reinterpret_cast<void*>(reinterpret_cast<uintptr_t>(ptr) | static_cast<uintptr_t>(aba_flag));
  }
  
  // 解包出原始指针
  void* unpack_ptr(void* packed_val) {
      return reinterpret_cast<void*>(reinterpret_cast<uintptr_t>(packed_val) & ~1ULL);
  }
  
  // 解包出标记位
  bool unpack_flag(void* packed_val) {
      return static_cast<bool>(reinterpret_cast<uintptr_t>(packed_val) & 1ULL);
  }
  

• 降低内存屏障开销：如果业务逻辑允许，将原子操作的内存顺序从默认的std::memory_order_seq_cst改为std::memory_order_acq_rel甚至std::memory_order_relaxed——顺序一致性内存屏障是开销最大的，非必要场景可以放宽。
• 避免伪共享：用alignas(64)修饰Free-List的节点结构体，让每个节点独占一个缓存行，减少多线程访问时的缓存失效次数。
• 调整测试场景：当前测试是高频短操作（acquire+release直接配对），自旋锁无上下文切换开销；如果改为“获取节点后执行一段计算再释放”，无锁结构的优势会凸显——自旋锁持有期间会阻塞其他线程，而无锁结构可以在等待CAS成功时继续执行其他逻辑。

内容的提问来源于stack exchange，提问作者FoxCanFly