当前位置: 首页 > news >正文

12 原子性|可见性|有序性|JMM内存模型

1 并发三大特性

1.1 原子性

        一个或多个操作,要么全部执行,要么全部不执行。Java中,对基本数据类型的变量的读取和赋值操作是原子性操作,但不采取任何原子性保障措施的自增操作不是原子性的,如:i++

public class AtomicTest {static int count = 0;public static void main(String[] args) throws InterruptedException {for (int i = 0; i < 10; i++) {new Thread(()->{for (int j = 0; j < 1000; j++) {count++;}}).start();}Thread.sleep(2000);System.out.println(count);}
}

         上述结果每次执行都不一致,说明发生了线程安全问题

如何保证原子性?

        sychronized、lock锁、CAS(AtomicInteger)

1.2 可见性

        多个线程访问同一变量,一个线程对其进行修改,其它线程能及时感知

如何保证可见性?

        volatile、内存屏障、sychronized、lock锁

1.3 有序性

        程序执行的顺序按代码先后顺序执行(为了提升性能,编译器和处理器常常会对指令做重排序,这就可能引发有序性问题)

        Java有序性依赖内存屏障

如何保证有序性?

        volatile、内存屏障、sychronized、lock锁

2 Java内存模型JMM

        并发编程需解决的问题:

                1 多线程间如何通信(线程间以何种机制交换数据)

                2 多线程间如何同步(不同线程间操作发生的相对顺序)

2.1 JMM的抽象结构

        JMM决定一个线程对共享变量的写入何时对另一个线程可见

        JMM定义了线程和主存之间的抽象关系

                1 共享变量存在主存

                2 每个线程又有自己私有的本地内存

                3 本地内存存共享变量的副本

                4 线程对共享变量的所有操作都必须在本地内存中进行,不能直接读取主存

         线程A和线程B要通信的话,必须经历以下两个步骤:

                线程A把本地内存A更新过的共享变量更新到主内存

                线程B到主内存读取线程A更新过的共享变量

        注:线程A无法直接访问线程B的工作内存,线程间通信必须经过主存

2.2 主内存与工作内存交互协议

        八大原子操作:

                lock:作用于主内存,把一个变量标识为线程独占状态(主内存)

                unlock:释放主内存独占状态的变量(主内存)

                read:主内存变量传输到工作线程中(主内存)

                load:将read操作得到的变量放入工作内存的变量副本中(工作内存)

                use:工作内存中的变量传递给执行引擎(工作内存)

                assgin:从存储引擎得到的值,赋值给工作内存的变量(工作内存)

                store:工作内存的一个变量值传到主内存(工作内存)

                write:将store操作从工作内存的变量值放到主内存变量(主内存)

        八大原子操作必须满足的规则

                1 把一个变量从主存复制到工作内存,必须顺序地按照read和load操作;把变量从工作内存同步回主存中,必须顺序地按store和write操作

                2 不允许 read load store write操作单独出现

                3 不允许一个线程丢弃assgin,变量在内存中改变之后必须同步到主存

                4 不允许一个线程未发生assgin就从工作内存同步到主存

                5 一个新的变量只能在主存中诞生,不允许在工作内存中使用一个未被初始化的变量

                6 一个变量同一时刻只允许一个线程进行lock,但可以被同一线程重复执行多次,但也需执行相同次数的unlock操作

                7 若对一个变量执行lock操作,会清空工作内存中此变量的值(执行引擎使用这个变量必须重新load或assign

                8 不允许unlock一个未被lock的变量

                9 对一个变量执行unlock之前,必须先把该变量同步到主内存中(执行store和write)

可见性问题的产生:

        线程B对变量flag的修改,并不会让线程A感知,只有当线程B对主存共享变量flag进行lock时,线程A才会重新去主存中获取

Java中可见性底层的两种实现方式:

        1 内存屏障(sychronized、Thread.sleep(10)、volatile)

        2 CPU上下文切换(Thread.yield()、Thread.sleep())

2.3 锁的内存语义

        锁释放和释放锁的内存语义:

                线程获取锁时:JMM把该线程对应的本地内存置为无效

                线程获取锁时:JMM把该线程对应的本地内存中变量刷新到主存中

        sychronized关键字的作用是确保多个线程访问共享资源时的互斥性和可见性;在获取锁之前,线程会将共享变量的最新值从主存 -> 工作内存释放锁后会将修改的值刷到主存中,保证可见性

2.4 volatile内存语义

2.4.1 volatile写的语义

        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刷新到主存中

public static void main(String[] args) throws InterruptedException {for (int i = 0; i < 10; i++) {new Thread(() -> {for (int j = 0; j < 10000; j++) {count++;  //static volatile int count = 0;}}).start();}Thread.sleep(10000);System.out.println(count);
}

        上述结果会有所不同,原因:当变量被use到执行引擎中时,volatile并不能改变执行引擎中的值,当变量在执行引擎assign回工作内存中时,会发生覆盖

2.4.2 volatile读的语义

        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,需要从主存中读取共享变量(volatile读能保证每次读都是最新的数据)

2.4.3 volatile内存语义实现原理

        

相关文章:

12 原子性|可见性|有序性|JMM内存模型

1 并发三大特性 1.1 原子性 一个或多个操作&#xff0c;要么全部执行&#xff0c;要么全部不执行。Java中&#xff0c;对基本数据类型的变量的读取和赋值操作是原子性操作&#xff0c;但不采取任何原子性保障措施的自增操作不是原子性的&#xff0c;如&#xff1a;i public c…...

pytorch代码复现1(基础知识)

创建矩阵 全零矩阵 In [4]: import torch torch.__version__ xtorch.empty(5,3) xOut[4]: tensor([[0.0000e00, 0.0000e00, 4.6430e-23],[1.4013e-45, 1.2612e-44, 0.0000e00],[3.5733e-43, 0.0000e00, 0.0000e00],[0.0000e00, 0.0000e00, 0.0000e00],[0.0000e00, 0.0000e00, 0…...

PostGreSQL模式schema

问题引入 之前在做数据库设计时&#xff0c;经常会忽略schema模式&#xff0c;直接在数据库下的public模式下建立各类数据表。如果数据表命名不够规范&#xff0c;后期寻找某张表时就会比较麻烦。通过 所幸&#xff0c;PostgreSQL 的模式schema管理&#xff0c;可以对这个问题…...

大厂面试题-什么是JVM

JVM全称是Java虚拟机&#xff0c;在聊什么是JVM之前&#xff0c;我们不妨看⼀下这张图。 从这张图中可以看出JVM所处的位置&#xff0c;同时也能看出它两个作用&#xff1a; 1、运⾏并管理Java源码⽂件所⽣成的Class⽂件&#xff0c; 2、在不同的操作系统上安装不同的JVM&#…...

rest参数

Rest参数是ES6中新增的一个语法特性&#xff0c;也称为剩余参数。其语法形式为三个点&#xff08;...&#xff09;加上一个名称&#xff0c;用于表示函数的参数个数不确定&#xff0c;可以将多余的参数收集到一个数组中。Rest参数只能作为最后一个参数出现&#xff0c;且一个函…...

Hadoop3.0大数据处理学习3(MapReduce原理分析、日志归集、序列化机制、Yarn资源调度器)

MapReduce原理分析 什么是MapReduce 前言&#xff1a;如果想知道一堆牌中有多少张红桃&#xff0c;直接的方式是一张张的检查&#xff0c;并数出有多少张红桃。 而MapReduce的方法是&#xff0c;给所有的节点分配这堆牌&#xff0c;让每个节点计算自己手中有几张是红桃&#…...

JS DataTable中导出PDF中文乱码

JS DataTable中导出PDF中文乱码 文章目录 JS DataTable中导出PDF中文乱码一. 问题二. 原因三. vfs_fonts.js四. pdfmake.js五. 解决六.参考资料 一. 问题 二. 原因 DataTable使用pdfmake&#xff0c;pdfmake默认字体为Roboto&#xff0c;不支持中文字体。添加自己的字体&#…...

代码签名证书续费

代码签名证书的有效周期是1-3年&#xff0c;这种情况下证书到期了就要重新申请办理&#xff0c;最开始同样的申请验证步骤还要再走一遍&#xff0c;尤其是Ukey还是要CA机构重新颁发&#xff0c;还是要等待快递配送。OV代码签名证书、EV代码签名证书目前行业内统一采取Ukey存储&…...

机器学习之ROC与AUC

文章目录 定义ROC曲线&#xff1a;AUC&#xff08;Area Under the ROC Curve&#xff09;&#xff1a; 定义 ROC&#xff08;Receiver Operating Characteristic&#xff09;曲线和AUC&#xff08;Area Under the ROC Curve&#xff09;是用于评估二分类模型性能的重要工具。 …...

实用篇-Eureka注册中心

一、提供者与消费者 服务提供者&#xff1a;一次业务中&#xff0c;被其他微服务调用的服务。(提供接口给其他微服务) 服务消费者&#xff1a;一次业务中&#xff0c;调用其他微服务的服务。(调用其他微服务提供的接口) 例如前面的案例中&#xff0c;order-service微服务是服…...

基于springboot实现篮球竞赛预约平台管理系统项目【项目源码+论文说明】

基于springboot实现篮球竞赛预约平台管理系统演示 摘要 随着信息化时代的到来&#xff0c;管理系统都趋向于智能化、系统化&#xff0c;篮球竞赛预约平台也不例外&#xff0c;但目前国内仍都使用人工管理&#xff0c;市场规模越来越大&#xff0c;同时信息量也越来越庞大&…...

OpenHarmony docker环境搭建所见的问题和解决

【摘要】OpenHarmony docker环境搭建需要一台安装Ubuntu的虚拟机&#xff0c;并且虚拟机中需要有VScode。 整个搭建流程请参考这篇博客&#xff1a;OpenHarmony docker环境搭建-云社区-华为云 (huaweicloud.com) 上篇博主是用Ubuntu的服务器进行环境搭建的&#xff0c;在使用VS…...

1817_ChibiOS的RT线程

全部学习汇总&#xff1a; GreyZhang/g_ChibiOS: I found a new RTOS called ChibiOS and it seems interesting! (github.com) 1. 关于线程&#xff0c;有几个概念需要弄清楚&#xff1a;声明、生命循环、延迟、线程引用、线程队列、线程时间、优先级管理、调度。 2. 两个声明…...

牛客网刷题-(7)

&#x1f308;write in front&#x1f308; &#x1f9f8;大家好&#xff0c;我是Aileen&#x1f9f8;.希望你看完之后&#xff0c;能对你有所帮助&#xff0c;不足请指正&#xff01;共同学习交流. &#x1f194;本文由Aileen_0v0&#x1f9f8; 原创 CSDN首发&#x1f412; 如…...

多模态领域的先进模型

多模态学习领域涌现了许多先进的模型&#xff0c;这些模型能够处理来自不同感官模态的信息并实现多模态任务。以下是一些先进的多模态学习模型&#xff1a; CLIP (Contrastive Language-Image Pretraining)&#xff1a;由OpenAI开发的CLIP是一种多模态预训练模型&#xff0c;能…...

列表自动向上滚动

列表自动向上滚动 鼠标放上去 自动停止滚动 <div id"list-detail-main"><div class"my_table_thead_tr"><div v-for"(item, index) in header" :key"index" class"my_table_thead_th">{{ item }}</div…...

嘴笨的技术人员怎么发言

对于嘴笨的人来说&#xff0c;即兴发言简直就是灾难&#xff0c;想想自己窘迫的模样&#xff0c;自己都受不了&#xff0c;但职场又避免不了这种场合&#xff0c;所以&#xff0c;就要靠一些技巧让我们顺利打开思路了。 那么&#xff0c;今天就分享几个解救过我的不同场景即兴发…...

vue源码分析(三)——new Vue 的过程(详解data定义值后如何获取的过程)

文章目录 零、准备工作1.创建vue2项目2.修改main.js 一、import Vue from vue引入的vue是哪里来的&#xff08;看导入node_modules包&#xff09;1&#xff1a; 通过node_modules包的package.json文件2&#xff1a; 通过配置中的main入口文件进入开发环境的源码&#xff08;1&a…...

软考系统架构师知识点集锦四:信息安全技术基础知识

一、考情分析 二、考点精讲 2.1信息加解密技术 2.1.1对称加密 概念:对称加密(又称为私人密钥加密/共享密钥加密) : 加密与解密使用同一密钥。特点:加密强度不高&#xff0c;但效率高;密钥分发困难。 (大量明文为了保证加密效率一般使用对称加密) 常见对称密钥加密算法:DES:…...

Vscode中不显示.ipynb文件单元格行号

找到设置&#xff0c;搜索line number&#xff1a; 看到下面那个Notebook: Line Numbers 控制单元格编辑器中行号的显示。&#xff0c;选择on即可&#xff1b;...

Windows11上VMware Workstation 16.1.1保姆级安装与Win11虚拟机配置全流程(含激活与优化)

Windows 11 虚拟化开发环境搭建全指南&#xff1a;从 VMware 安装到系统优化虚拟化技术已经成为现代开发者和运维人员的必备技能。想象一下&#xff0c;你正在开发一个需要跨平台测试的应用程序&#xff0c;或者需要在不影响主系统的情况下尝试新软件——这时候一个可靠的虚拟化…...

小学阶段物理学习书籍推荐

结合小学阶段认知特点&#xff0c;推荐以下几本兼具趣味性和实用性的物理启蒙书籍&#xff0c;适配不同年级孩子的学习需求&#xff1a; 一、低龄&#xff08;1-2年级/6-8岁&#xff09;&#xff1a;趣味感知&#xff0c;激发好奇 1、漫画物理全套6册 用孩子最喜欢的漫画形式拆…...

基于ZYNQ MPSoC 在多轴伺服电机驱动器中的架构设计与工程实践

一、引言在工业机器人、数控机床、导弹舵机、相控阵列天线、自动化产线等高精工业场景中&#xff0c;多轴伺服电机独立控制 高精度同步是核心刚需。目前行业主流两种传统方案都存在明显瓶颈&#xff1a;纯 DSP 软件方案&#xff1a;串行中断执行&#xff0c;单 DSP 算力有限&a…...

Spiderbuf_H05时间戳机制深度解析:锚点偏移与服务端校验

1. 这不是“破解”&#xff0c;是时间戳反爬机制的逆向解构你打开浏览器按F12&#xff0c;切到Network面板&#xff0c;刷新页面&#xff0c;盯着XHR请求发呆——那个带一长串数字的timestamp参数&#xff0c;每次刷新都变&#xff0c;但又不是随机乱跳&#xff0c;而是和当前时…...

RePKG架构深度解析:Wallpaper Engine资源逆向工程与高性能转换方案

RePKG架构深度解析&#xff1a;Wallpaper Engine资源逆向工程与高性能转换方案 【免费下载链接】repkg Wallpaper engine PKG extractor/TEX to image converter 项目地址: https://gitcode.com/gh_mirrors/re/repkg RePKG是一款专为Wallpaper Engine设计的C#开源工具&a…...

从Windows/Ubuntu到麒麟V10:给双系统玩家的分区避坑指南(附ESP/SYSBOOT详解)

从Windows/Ubuntu到麒麟V10&#xff1a;双系统分区规划全解析当你在已有Windows或Ubuntu的电脑上准备安装银河麒麟V10桌面版时&#xff0c;分区规划往往是第一个需要跨越的技术门槛。不同于单系统安装的"下一步"式操作&#xff0c;多系统共存需要对磁盘布局有更深入的…...

智能识别告警系统完整方案

智能识别告警系统完整方案 一、整体业务目标 摄像头实时抓拍/上传图片 → 服务器AI推理识别 → 判定是否佩戴厨师帽、是否违规洗澡、人员靠近闯入等行为 → 违规自动告警推送 → 识别效果不佳时走标准化模型/数据集调优流程 二、全流程业务链路 前端采集层&#xff1a;现场摄像…...

嵌入式开发中LLM应用的挑战与优化实践

1. 嵌入式系统开发中的LLM应用现状嵌入式系统开发作为连接软件与硬件的关键领域&#xff0c;其特殊性给大语言模型&#xff08;LLM&#xff09;的应用带来了独特挑战。与通用软件开发不同&#xff0c;嵌入式开发需要处理硬件寄存器配置、实时性要求、资源约束等底层问题。当前主…...

第一次了解昇腾 NPU 的图编译?从 ge 开始

前言 当你第一次尝试把 PyTorch 模型放到昇腾 NPU 上跑的时候&#xff0c;大概率会遇到这个问题&#xff1a;模型加载成功了&#xff0c;但推理速度慢得让人怀疑人生。或者更糟糕&#xff1a;模型加载失败&#xff0c;报错说某些算子不支持。 这些问题的根源&#xff0c;通常…...

Houdini刚体破碎VAT导出到UE5:从静态碎片到动态 Niagara 粒子群的实战转换

Houdini刚体破碎VAT导出到UE5&#xff1a;从静态碎片到动态 Niagara 粒子群的实战转换在影视级实时特效制作中&#xff0c;大规模刚体破碎效果一直是个技术难点。传统方法需要消耗大量计算资源来处理每个碎片的物理模拟&#xff0c;而Vertex Animation Texture&#xff08;VAT&…...