学会了volatile,你变心了,我看到了

java宝典

共 5873字,需浏览 12分钟

 · 2021-06-26

更多精彩文章,请关注xhJaver,京东工程师和你一起成长

volatile 简介

一般用来修饰共享变量,保证可见性和可以禁止指令重排

  • 多线程操作同一个变量的时候,某一个线程修改完,其他线程可以立即看到修改的值,保证了共享变量的可见性

  • 禁止指令重排,保证了代码执行的有序性

  • 不保证原子性,例如常见的i++

    (但是对单次读或者写保证原子性)

可见性代码示例

以下代码建议使用PC端来查看,复制黏贴直接运行,都有详细注释

我们来写个代码测试一下,多线程修改共享变量时究竟需不需要用volatile修饰变量

  1. 首先,我们创建一个任务类

public class Task implements Runnable{
    @Override
    public void run() {
        System.out.println("这是"+Thread.currentThread().getName()+"线程开始,flag是 "+Demo.flag);
        //当共享变量是true时,就一直卡在这里,不输出下面那句话
        // 当flag是false时,输出下面这句话
        while (Demo.flag){

        }
        System.out.println("这是"+Thread.currentThread().getName()+"线程结束,flag是 "+Demo.flag);
    }
}

2.其次,我们创建个测试类


class Demo {

    //共享变量,还没用volatile修饰
    public static   boolean flag = true ;
    public static void main(String[] args) throws InterruptedException {
        System.out.println("这是"+Thread.currentThread().getName()+"线程开始,flag是 "+flag);
        //开启刚才线程
        new Thread(new Task()).start();
        try {
            //沉睡一秒,确保刚才的线程已经跑到了while循环
            //要不然还没跑到while循环,主线程就将flag变为false
            Thread.sleep(1000L);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        //改变共享变量flag转为false
        flag = false;
        System.out.println("这是"+Thread.currentThread().getName()+"线程结束,flag是 "+flag);
    }
}

3.我们查看一下输出结果

可见,程序并没有结束,他卡在了这里,为什么卡在了这里呢,就是因为我们在主线程修改了共享变量flag为false,但是另一个线程没有感知到,这个变量的修改对另一个线程不可见

  • 如果要是用volatile变量修饰的话,结果就变成了下面这个样子

public static volatile boolean flag = true

可见,这次主线程修改的变量被另一个线程所感知到了,保证了变量的可见性

可见性原理分析

那么,神奇的 volatile 底层到底做了什么呢,你的改变,逃不过他的法眼?为什么不用他修饰变量的话,变量的改变其他线程就看不见?

回答此问题的时候首先,我们需要了解一下JMM(Java内存模型)

注:本地内存是JMM的一种抽象,并不是真实存在的,本地内存它涵盖了缓存,写缓冲区,寄存器以及其他的硬件和编译器优化之后的一个数据存放位置

  • 由此我们可以分析出来,主线程修改了变量,但是其他线程不知道,有两种情况

    1. 主线程修改的变量还没有来得及刷新到主内存中,另一个线程读取的还是以前的变量
    2. 主线程修改的变量刷新到了主内存中,但是其他线程读取的还是本地的副本
  • 当我们用 volatile 关键字修饰共享变量时就可以做到以下两点

    1. 当线程修改变量时,会强制刷新到主内存中
    2. 当线程读取变量时,会强制从主内存读取变量并且刷新到工作内存中

指令重排

  • 何为指令重排?

为了提高程序运行效率,编译器和cpu会对代码执行的顺序进行重排列,可这有时候会带来很多问题

我们来看下代码


//指令重排测试
public class Demo2 {
    
    private Integer number = 10;
    private boolean flag = false;
    private Integer result = 0;
    
    public void  write(){
        this.flag = true// L1
        this.number = 20// L2
    }

    public void  reader(){
         while (this.flag){ // L3
             this.result = this.number + 1// L4
         }
    }
}

假如说我们有A、B两个线程 他们分别执行write()方法和 reader()方法,执行的顺序有可能如下图所示

  • 问题分析: 如图可见,A线程的L2和L1的执行顺序重排序了,如果要是这样执行的话,当A执行完L2时,B开始执行L3,可是这个时候flag还是为false,那么L4就执行不了了,所以result的值还是初始值0,没有被改变为21,导致程序执行错误

这个时候,我们就可以用volatile关键字来解决这个问题,很简单,只需

private volatile Integer number = 10;

  • 这个时候L1就一定在L2前面执行

A线程在修改number变量为20的时候,就确保这句代码的前面的代码一定在此行代码之前执行,在number处插入了内存屏障 ,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

内存屏障

内存屏障又是什么呢?一共有四种内存屏障类型,他们分别是

  1. LoadLoad屏障:

    • Load1 LoadLoad Load2 确保Load1的数据的装载先于Load2及所有后续装载指令的装载
  2. LoadStore屏障:

    • Load1 LoadStore Store2 确保Load1的数据的装载先于Store2及所有后续存储指令的存储
  3. StoreLoad屏障:

    • Store1 StoreLoad Load2 确保Store1的数据对其他处理器可见(刷新到内存)先于Load2及所有后续的装载指令的装载
  4. StoreStore屏障:

    StoreLoad 是一个全能型的屏障,同时具有其他3个屏障的效果。执行该屏障的花销比较昂贵,因为处理器通常要把当前的写缓冲区的内容全部刷新到内存中(Buffer Fully Flush)

    • Store1 StoreStore Store2 确保Store1数据对其他处理器可见(刷新到内存)先于Store2及所有后续存储指令的存储
  • 装载load 就是读 int a = load1  ( load1的装载)
  • 存储store就是写     store1 = 5  ( store1的存储)

volatile与内存屏障

那么volatile和这四种内存屏障又有什么关系呢,具体是怎么插入的呢?

  1. volatile写 (前后都插入屏障)

    • 前面插入一个StoreStore屏障
    • 后面插入一个StoreLoad屏障
  2. volatile读(只在后面插入屏障)

    • 后面插入一个LoadLoad屏障
    • 后面插入一个LoadStore屏障

官方提供的表格是这样的

我们此时回过头来再看我们的那个程序

  this.flag = true// L1
  this.number = 20// L2

由于number被volatile修饰了,L2这句话是volatile写,那么加入屏障后就应该是这个样子

  this.flag = true// L1
  //  StoreStore  确保flag数据对其他处理器可见(刷新到内存)先于number及所有后续存储指令的存储
  this.number = 20// L2
  // StoreLoad  确保number数据对其他处理器可见(刷新到内存)先于所有后续存储指令的装载

所以L1,L2的执行顺序不被重排序


ps:总部四号楼真是越来越好了,奖励自己一杯奶茶


更多精彩,请关注公众号xhJaver,京东工程师和你一起成长

往期精彩


浏览 10
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

举报