您现在的位置是：首页 > 其他

当前栏目

java volatile_Java volatile原理总结

缓存线程变量排序原理

2023-02-26 12:32:26 时间

内存可见性

内存可见性相关概念：线程对共享变量修改的可见性。当一个线程修改了共享变量的值，其他线程能够立刻得知这个修改。 后面会继续总结一篇《Java内存模型(JMM)总结》以详细描述内存可见性的概念。

volatile使用Lock前缀的指令禁止线程本地内存缓存，保证不同线程之间的内存可见性。

Java代码如下：

Singleton volatile instance = new Singleton(); // instance是volatile变量

转变成汇编代码，如下：

0x01a3de1d: movb $0×0,0×1104800(%esi);0x01a3de24: lock addl $0×0,(%esp);

为了提高处理速度，处理器不直接和内存进行通信，而是先将系统内存的数据读到内部缓存(L1，L2或其他)后再进行操作，但操作完不知道何时会写到内存。如果对声明了volatile的变量进行写操作，JVM就会向处理器发送一条Lock前缀的指令，将这个变量所在缓存行的数据会立即写回到系统内存。但是，就算写回到内存，如果其他处理器缓存的值还是旧的，再执行计算操作就会有问题。所以在多处理器下，为了保证各个处理器的缓存是一致的，就会实现缓存一致性协议，每个处理器通过嗅探在总线上传播的数据来检查自己缓存的值是不是过期了，当处理器发现自己缓存行对应的内存地址被修改，就会将当前处理器的缓存行设置成无效状态，当处理器对这个数据进行修改操作的时候，会重新从系统内存中把数据读到处理器缓存里。

Lock前缀的指令在多核处理器下会引发了两件事情：1)将当前处理器缓存行的数据写回到系统内存。

2)一个处理器的缓存回写到内存会导致其他处理器的缓存无效。在多核处理器系统中进行操作的时候，IA-32和Intel 64处理器能嗅探其他处理器访问系统内存和它们的内部缓存，处理器使用嗅探技术保证它的内部缓存、系统内存和其他处理器的缓存的数据在总线上保持一致

理解volatile特性的一个好方法是把对volatile变量的单个读/写，看成是使用同一个锁对这些单个读/写操作做了同步。从内存语义的角度来说，volatile的写-读与锁的释放-获取有相同的内存效果：volatile写和锁的释放有相同的内存语义；volatile读与锁的获取有相同的内存语义——这使得volatile变量的写-读可以实现线程之间的通信。

volatile的内存语义：volatile写的内存语义：当写一个volatile变量时，JMM会把该线程对应的本地内存中的共享变量值刷新到主内存

volatile读的内存语义：当读一个volatile变量时，JMM会把该线程对应的本地内存置为无效。线程接下来将从主内存中读取共享变量。

volatile写 - 读的内存语义：线程A写一个volatile变量，实质上是线程A向接下来将要读这个volatile变量的某个线程发出了(其对共享变量所做修改的)消息。

线程B读一个volatile变量，实质上是线程B接收了之前某个线程发出的(在写这个volatile变量之前对共享变量所做修改的)消息。

线程A写一个volatile变量，随后线程B读这个volatile变量，这个过程实质上是线程A通过主内存向线程B发送消息。

内存屏障禁止指令重排序

volatile关键字本身就包含了禁止指令重排序的语义。

指令重排序对内存可见性的影响：

当1和2之间没有数据依赖关系时，1和2之间就可能被重排序(3和4类似)。这样的结果就是：读线程B执行4时，不一定能看到写线程A在执行1时对共享变量的修改。

volatile禁止指令重排序语义的实现：

内存屏障：

重排序可能会导致多线程程序出现内存可见性问题。对于处理器重排序，JMM的处理器重排序规则会要求Java编译器在生成指令序列时，插入特定类型的内存屏障(Memory Barriers，Intel称之为Memory Fence)指令，通过内存屏障指令来禁止特定类型的处理器重排序。通过禁止特定类型的编译器重排序和处理器重排序，为程序员提供一致的内存可见性保证。

为了保证内存可见性，Java编译器在生成指令序列的适当位置会插入内存屏障指令来禁止特定类型的处理器重排序。

StoreLoad Barriers是一个“全能型”的屏障，它同时具有其他3个屏障的效果。现代的多处理器大多支持该屏障(其他类型的屏障不一定被所有处理器支持)。执行该屏障开销会很昂贵，因为当前处理器通常要把写缓冲区中的数据全部刷新到内存中(Buffer Fully Flush)。

JMM针对编译器制定volatile重排序规则表：当第二个操作是volatile写时，不管第一个操作是什么，都不能重排序。这个规则确保volatile写之前的操作不会被编译器重排序到volatile写之后。

当第一个操作是volatile读时，不管第二个操作是什么，都不能重排序。这个规则确保volatile读之后的操作不会被编译器重排序到volatile读之前。

当第一个操作是volatile写，第二个操作是volatile读时，不能重排序

为了实现volatile的内存语义，编译器在生成字节码时，会在指令序列中插入内存屏障来禁止特定类型的处理器重排序。

下面是基于保守策略的JMM内存屏障插入策略：在每个volatile写操作的前面插入一个StoreStore屏障。

在每个volatile写操作的后面插入一个StoreLoad屏障。

在每个volatile读操作的后面插入一个LoadLoad屏障。

在每个volatile读操作的后面插入一个LoadStore屏障。

从编译器重排序规则和处理器内存屏障插入策略来看，只要volatile变量与普通变量之间的重排序可能会破坏volatile的内存语义(内存可见性)，这种重排序就会被编译器重排序规则和处理器内存屏障插入策略禁止。

操作原子性

对任意单个volatile变量的读/写具有原子性，但类似于volatile++这种复合操作不具有原子性，因为本质上volatile++是读、写两次操作。

对于复合操作，可以：同步块技术(锁)

Java concurrent包(原子操作类等)

总结

volatile特点：通过使用Lock前缀的指令禁止变量在线程工作内存中缓存来保证volatile变量的内存可见性、通过插入内存屏障禁止会影响变量内存可见性的指令重排序

对任意单个volatile变量的读/写具有原子性，但类似于volatile++这种复合操作不具有原子性

(本文首发于微信公众号：EnjoyMoving)

猜你喜欢

[NMI | 论文简读] 基于语言模型的可控蛋白质设计
[Bioinformatics | 论文简读] GraphLoc：一种从免疫组织化学图像中预测蛋白质亚细胞定位的图神经网络模型
[NC | 论文简读] PlasmidMaker是用于质粒构建的多功能、自动化和高通量的端到端平台
[CVPR 2022 | 论文简读] 视觉语言表征学习的统一Transformer
[IJCAI 2022 | 论文简读] 基于知识蒸馏的持续联邦学习
[CVPR | 论文简读] 基于双交叉注意学习的细粒度视觉分类和对象再识别
[JCIM | 论文简读] Chemspace Atlas：用于药物发现的多尺度大型化学数据库
CVE-2019-2729 Weblogic 反序列化漏洞
[Nature Machine Intelligence | 论文简读] 利用基于注意力的神经网络映射化学反应的空间
windows nfs client list files/folders slowly
[Bio | 论文简读] DiffChIPL：一种基于limma的具有生物复制的高通量测序数据的差异峰值分析方法
CVE-2020-2555 Weblogic 反序列化漏洞
[ICLR | 论文简读] OntoProtein:用基因本体论嵌入的蛋白质预训练
[KDD | 论文简读] 使用图神经网络进行基序预测
[ECCV | 论文简读] PromptDet:在零标注的情况下检测新类别
CVE-2020-2883 Weblogic远程代码漏洞
[Arxiv | 论文简读] MSGNN：一种基于新型磁标志拉普拉斯矩阵的谱神经网络
[JCIM | 论文简读] DENVIS:使用具有原子和表面蛋白口袋特征的图神经网络进行可扩展和高通量虚拟筛选
软件测试|iOS自动化测试——元素定位
CVE-2020-14750 Weblogic认证绕过漏洞

zl程序教程

当前栏目

java volatile_Java volatile原理总结

相关文章