JVM_06 内存模型（JMM）篇

Java内存模型（JMM）

JMM即为 Java Memory Model ，他定义了主存（多个线程所共享的空间、例：成员变量）、工作内存（线程的私有空间，例：局部变量）的抽象概念，对应着底层的CPU寄存器、缓存、硬件内存、CPU指令优化等；

概要：我们通过操作java这些抽象概念，间接的操作复杂底层（化繁为简）

JMM体现在以下的几个方面：

原子性：保证指令不会受到线程的上下文切换的影响
可见性：保证指令不会受到CPU缓存的影响
有序性：保证指令不会受到CPU指令优化的影响

可见性

退不出的循环问题

看一个现象：

public class VisibleTest {static boolean isrun = true ;public static void main(String[] args) throws InterruptedException {Thread t1 = new Thread(() -> {while(isrun){}}, "T1");t1.start();Thread.sleep(1000);System.out.println("T1线程停止");isrun = false ;//线程t1并不会如预想的一样停下来！}
}

测试结果：

为什么会这样？分析一下：

1、初始状态，T1线程从主存当中读取了run的值到工作内存；

2、因为t线程要频繁从主内存中读取run的值，JIT编译器会将run的值缓存至自己工作内存中的高速缓存中，减少对主存中run的访问，提高效率(JIT : Just In Time Compiler，一般翻译为即时编译器，)

1秒之后，main线程修改了run的值，并同步至主存，而+是从自己工作内存中的高速缓存中读取这个变量的值，结果永远是旧值

解决：

方法一：为变量添加修饰：volatile（易变化关键字）

volatile static boolean isrun = true ;

这样做的目的是：加上volatile 的变量，每次循环都是只能在主存当中获取，不会从高速缓存区中获取！

测试结果：T1线程停止

方法二：使用synchronized

在Java内存模型中，synchronized规定，线程在加锁时，先清空工作内存→在主内存中拷贝最新变量的副本到工作内存 →执行完代码→将更改后的共享变量的值刷新到主内存中→释放互斥锁。（线程获得对象锁后，会清空工作区内存，重新在主存中获取！）

可见性VS原子性

重点区分：volatile和synchronized ；

我们的volatile只能保证线程看到的变量是实时的，但是并不能保证是安全的！
多个线程同时访问，即使被volatile修饰，仍然可能会出现指令交错问题！

有序性

JVM会在不影响正确的条件下，调整语句的执行顺序！这种特性称作【指令重排】

//如下i和j的++操作调换顺序不影响结果！
public class ReSortTest {static int i = 0 ;static int j = 0 ;public static void main(String[] args) {i++;   //修改为j++j++;   //修改为i++}
}

思考：正常执行是正确的，而且多线程条件下指令重排可能是会出现问题的，为什么要进行指令重排的优化呢？

指令重排序优化

事实上，现代处理器会设计为一个时钟周期完成一条执行时间最长的CPU指令。为什么这么做呢?可以想到指令还可以再划分成一个个更小的阶段，例如，每条指令都可以分为: 取指令—指令译码—执行指令—内存访问—数据写回这5个阶段

重排之前：指令串行执行！

现代CPU支持多级指令流水线，例如支持同时执行取指令～指令译码–执行指令–内存访问–数据写回的处理器，就可以称之为五级指令流水线。这时CPU可以在一个时钟周期内，同时运行五条指令的不同阶段(相当于一条执行时间最长的复杂指令)，IPC =1，本质上，流水线技术并不能缩短单条指令的执行时间，但它变相地提高了指令地吞吐率。

重拍之后：指令并行执行 !

总结：指令级别的优化，我们线程的不同指令的不同阶段可同时进行！【指令级别的并发】

重排序的目的：为的是一个指令执行某一个阶段的时候，通过重排序，让其他执行执行其他的阶段！达到最大的指令并发！

当然前提是：重排互不影响结果 !

public class ReSortTest {static int i = 0 ;static int j = 0 ;public static void main(String[] args) {i++;   //2条指令可重排序！j++;   i= j - 10 ;   //不可重排序，会影响结果j++ ;}
}

禁止指令重排序

可以使用volatile实现，因为volatile可以使得被修饰的变量之前的操作是不会被重排序的

Volatile原理 *

以上可以了解到Volatile可以保证共享变量的有序性、可见性，我们接下来了解一下原理；

volatile的底层实现原理是内存屏障，Memory Barrier (Memory Fence)

对volatile变量的写指令后会加入写屏障 ;
对volatile变量的读指令前会加入读屏障 ;

1、如何保证的可见性

写屏障(sfence)保证在该屏障之前的，对共享变量的改动，都同步到主存当中

public class ReSortTest {static int i = 0 ;volatile static int j = 0 ;public static void main(String[] args) {i++;   j++;   //由于j是volatile修饰的，此处对j进行写操作，所以插入写屏障 ！//所以j++ 以及之前的代码全部会被同步到主存当中}
}

读屏障(lfence)保证的是在该屏障之前的，对共享变量的改动，都同步到主存当中！

public class ReSortTest {volatile static int j = 0 ;public static void main(String[] args) {    if(j > 1){   //读取j ,在此之前的代码插入读屏障！（保证读取到的是主存中最新的数据！）}}
}

2、如何保证有序性

写屏障会确保指令重排序时，不会将写屏障之前的代码排在写屏障之后

public class ReSortTest {static int i = 0 ;volatile static int j = 0 ;public static void main(String[] args) {i++;   j++;   //由于j是volatile修饰的，此处对j进行写操作，所以插入写屏障 ！//所以j++ 以及之前的代码全部会被同步到主存当中  //写屏障 ， 之前的代码不会发生指令重排序!}
}

读屏障会确保指令重排序时，不会将读屏障之后的代码排在读屏障之前

public class ReSortTest {volatile static int j = 0 ;public static void main(String[] args) {  //读屏障：之后的代码不会被指令重排序 if(j > 1){   //读取j ,在此之前的代码插入读屏障！（保证读取到的是主存中最新的数据！）}}
}

总结：

读屏障之后的代码不会发产生指令重排序、而且读到的都是主存中的数据
写屏障之前的代码不会发生指令重排序、而且之前的代码会全部更新在主存当中！

虽然能解决可见性和有序性，但是仍然不能解决指令交错问题(原子性) ；

3、DCL问题的分析、纠正、解决

DCL : Double Check Locking 双检锁

看如下代码：

 // 最开始的单例模式是这样的public final class Singleton {private Singleton() { }private static Singleton INSTANCE = null;public static Singleton getInstance() {// 首次访问会同步，而之后的使用不用进入synchronizedsynchronized(Singleton.class) {if (INSTANCE == null) { // t1INSTANCE = new Singleton();}}return INSTANCE;}}
// 但是上面的代码块的效率是有问题的，因为即使已经产生了单实例之后，之后调用了getInstance()方法之后还是会加锁，这会严重影响性能！因此就有了模式如下double-checked lockin：public final class Singleton {private Singleton() { }private static Singleton INSTANCE = null;public static Singleton getInstance() {if(INSTANCE == null) { // t2                                  #1// 首次访问会同步，而之后的使用没有 synchronized       synchronized(Singleton.class) {                             #2  if (INSTANCE == null) { // t1                         #3INSTANCE = new Singleton();                          #4}}}return INSTANCE;                                               #5}}
//但是上面的if(INSTANCE == null)判断代码没有在同步代码块synchronized中，不能享有synchronized保证的原子性，可见性。所以

以上的实现特点是：

懒惰实例化
首次使用 getInstance() 才使用 synchronized 加锁，后续使用时无需加锁
有隐含的，但很关键的一点：第一个 if 使用了 INSTANCE 变量，是在同步块之外

多线程情况下，上述代码仍然存在指令重排的问题

当我们的线程t1，执行到 if(INSTANCE == null) #3,发现此时的实例为null，就去获取锁创建对象，我们看一下new对象的的字节码指令

// 通过这个复制的引用调用它的构造方法
21: invokespecial #4 // Method "<init>":()V
// 最开始的这个引用用来进行赋值操作
24: putstatic #2 // Field INSTANCE:Lcn/itcast/n5/Singleton;

此时我们的发生指令重排，先执行赋值操作，先将空的实例对象返回（此时Instance实例已经有值了），然后执行构造初始化对象！

就在我们的的初始化执行一半，线程t2过来了，发现instance不为null，执行 return INSTANCE;我们此时返回还是未被初始化的对象，所

以问题就此发生！！

解决DCL

加volatile就行了。

public final class Singleton {private Singleton() { }private static volatile Singleton INSTANCE = null;public static Singleton getInstance() {// 实例没创建，才会进入内部的 synchronized代码块if (INSTANCE == null) {synchronized (Singleton.class) { // t2// 也许有其它线程已经创建实例，所以再判断一次if (INSTANCE == null) { // t1INSTANCE = new Singleton();}}}return INSTANCE;}}

对volatile修饰的变量进行些操作的时候，在写操作后加上内存屏障，使得写屏障之前的代码不会发生指令重排！

happens before规则

七大规则（保证共享变量可见性的七种方法）！

二、共享模型之无锁

CAS + Volatile 无锁实现并发，保证线程安全（乐观锁）

CAS的工作方式

CAS (Compare And Set) : 比较并设置

//测试代码！
public class CasTest02 {AtomicInteger balance2 = new AtomicInteger(100);public void withdraw(Integer amount){while(true){int pre = balance2.get() ;int next = pre - amount ;if(balance2.compareAndSet(pre,next)){System.out.println(balance2.get());   //90break ;  //比较并设置设置值}}}
}
class TestCas{public static void main(String[] args) {CasTest02 test02 = new CasTest02();test02.withdraw(10);}//多个线程访问如下方法

其中ComapreAndSet，简称就是CAS(也有Compare And Swap的说法) ，它必须是原子操作！

当CAS方法执行时，prev 会与主存的实时balance比较一次，如果发现不一致（其他线程修改了），那么就返回false ；

//源码
public final boolean compareAndSet(int expect, int update) {return unsafe.compareAndSwapInt(this, valueOffset, expect, update);  //执行cas时expect会与自身value比较}

CAS 与 volatile

获取共享变量时，为了保证该变量的可见性，需要使用volatile修饰。

它可以用来修饰成员变量和静态成员变量，他可以避免线程从自己的工作缓存中查找变量的值，必须到主存中获取它的值，线程操作volatile变量都是直接操作主存。即一个线程对volatile变量的修改，对另一个线程可见。

注意
volatile仅仅保证了共享变量的可见性，让其它线程能够看到最新值，但不能解决指令交错问题（不能保证原子性)

//在我们原子整数当中,value都是被volatile修饰过的！
private volatile int value;

CAS必须借助volatile才能读取到共享变量的最新值来实现【比较并交换】的效果

为什么无锁效率高？

无锁情况下，即使重试失败，线程始终在高速运行，没有停歇，而synchronized 会让线程在没有获得锁的时候，发生上下文切换，进入阻塞。

而且最好用于线程数少于核心数的情况，线程数多的话CAS所在线程分不到时间片依然会进行上下文切换！

总结：因为CAS无锁保证线程安全的话，线程不会说会受到其他线程的影响陷入BLOCK阻塞状态，而是多个线程都会操作共享对象，但是cas会一直比较保证线程安全，线程是不会停止的，sync有锁方式则会出现一个线程获得锁，其他线程只能陷入BLOCK状态等待！

CAS的特点

结合CAS和volatile可以实现无锁并发，适用于线程数少、多核CPU的场景下。
CAS是基于乐观锁的思想:最乐观的估计，不怕别的线程来修改共享变量，就算改了也没关系，我点再重试呗。
synchronized是基于悲观锁的思想:最悲观的估计，得防着其它线程来修改共享变量，我上了锁你们想改，我改完了解开锁，你们才有机会。
CAS体现的是无锁并发、无阻塞并发，请仔细体会这两句话的意思
- 因为没有使用synchronized，所以线程不会陷入阻塞，这是效率提升的因素之一·
- 但如果竞争激烈，可以想到重试必然频繁发生，反而效率会受影响

原子整数

JUC的子包 java.util.concurrent.atomic 提供了

AtomicInteger
AtomicBoolean
AtomicLong

AtomicInteger为例：

       AtomicInteger i = new AtomicInteger(0);
//下边方法属于原子方法，线程安全的！System.out.println(i.getAndIncrement()); // 结果为 0 等价 i ++   （线程不安全的！）System.out.println(i.incrementAndGet()); // 结果为 2 等价 ++ iSystem.out.println(i.getAndAdd(5));// 结果2    System.out.println(i.addAndGet(5));// 结果12    读取到的   要更改为System.out.println(i.updateAndGet(x -> x * 10));   //输出 50
//本质都是compare and set ;

原子引用

除了保护我们的基本类型，还可以保护BigDecimal这种引用类型；

//测试代码！
private AtomicReference<BigDecimal> baclace ;  //外加一层AtomicReferencepublic void withdraw(Integer amount){while(true){BigDecimal pre = balance.get() ;BigDecimal next = pre.subtract(amount) ;  //引用数据类型减法if (balance.ComapreAndSet(pre,next))  break ;  //比较并设置设置值}}BigDecimal decimal = new BigDecimal("1000");  //初始化时最好传递的时字符串！

ABA问题

我们都知道我们cas保证的时最新的值和pre是否相等来判断是否被修改，但是存在这么一种情况：值被修改但是，修改后还是跟pre一致，这种情况，cas则无法判断是否被修改过 ;(虽然对业务无影响，但是仍是个隐患！)

AtomicStampedReference

因此，为了解决ABA这种问题引入

AtomicStampedReference<String>  str = new AtomicStampedReference<>("a",0); // 0相当于版本号，只要修改过就会 + 1
//除了比较值是否相等还会比较版本号，版本号会记录改过的次数

AtomicMarkableReference

想对上面AtomicMarkableReference只关心是否被修改过，并不关心修改的次数

 AtomicMarkableReference<String> s = new AtomicMarkableReference<>("123",false);

原子数组

保护数组里面的元素、有点复杂没看懂涉及JDK8新特性

原子更新器

保护某个对象里的属性、保证多个线程访问对象中属性的安全性！

import java.util.concurrent.atomic.AtomicReferenceFieldUpdater;public class AtomicField {public static void main(String[] args) {Student student = new Student();  //多个线程修改其中的name属性//为Student的name属性设置更新器AtomicReferenceFieldUpdater updater =            //类         属性类型        属性名AtomicReferenceFieldUpdater.newUpdater(Student.class,String.class,"name");updater.compareAndSet(student,null,"张三");System.out.println(student);    //Student{name='张三'}}
}
class Student{volatile String name ;  //必须volatile修饰、不然抛出异常！@Overridepublic String toString() {return "Student{" +"name='" + name + '\'' +'}';}
}

通过打断点Debug模拟其他线程提前操作，导致cas匹配失败！

原子累加器

在进行累加的时候，JDK提供如下的2个类的性能是优越于AtomicInteger、AtomicLong这些的，提高4、5倍！

LongAdder
LongAccumulator

性能提升的原因很简单，就是在有竞争时，我们的AtomicLong向一个累加单元多次尝试，会降低效率，然而LongAdder设置多个累加单元，Therad-0累加Cell[0]，而Thread-1 累加Cell[1]…最后将结果汇总。这样它们在累加时操作的不同的Cell变量，因此减少了CAS重试失败从而提高性能。

缓存伪共享行为

其中的Cell为累加单元

//防止缓存行伪共享
@sun.misc.contended
public static final class cell {volatile long value;cell( long x) { value = x; }
//最重要的方法，用来 cas.方式进行累加,prev表示旧值,next表示新值final boolean cas( long prev,long next) {return UNSAFE.compareAndSwapLong(this, valueOffset, prev, next);}
//省略不重要代码

解释这个需要从CPU的缓存说起

、

因为CPU与内存的速度差异很大，需要靠预读数据至缓存来提升效率。
而缓存以缓存行为单位，每个缓存行对应着一块内存，一般是64 byte (8 个long)
缓存的加入会造成数据副本的产生，即同一份数据会缓存在不同核心的缓存行中
CPU要保证数据的一致性，如果某个CPU核心更改了数据，其它CPU核心对应的整个缓存行必须失效

因为Cell 是数组形式，在内存中是连续存储的，一个Cell为24字节(16字节的对象头和8字节的value)，因此缓存行可以存下2个的Cell对象。这样问题来了:

无论谁修改成功，都会导致对方Core的缓存行失效，比如Core-0中ce11[0]=6000,Cell[1]=800。要累加cell[e]=6001,cell[1]=800e，这时会让Core-1的缓存行失效
@sun.misc.Contended用来解决这个问题，它的原理是在使用此注解的对象或字段的前后各增加128字节大小的padding，从而让CPU将对象预读至缓存时占用不同的缓存行，这样，不会造成对方缓存行的失效

总结：

然而缓存行也存在问题：假设CPU的第一个核需要操作a变量，第二个核需要操作b变量，表面看a和b是没有任何关系的，但是a和b在同一个cache line中，这样假设核心一修改了变量a的值，那么它将会刷新所有和a相关的缓存的数据，b变量也就会受到牵连，最后导致核心二再去缓存读取b变量的时候出现cache miss，需要重新到主存加载新数据，这就是所谓的false share(伪共享) ！

我们可以用Contended注解使得我们的累加单元分别保存在不同的缓存行！

add方法解析

//源码
public void add(long x) {Cell[] as; long b, v; int m; Cell a;if ((as = cells) != null || !casBase(b = base, b + x)) {boolean uncontended = true;if (as == null || (m = as.length - 1) < 0 ||(a = as[getProbe() & m]) == null ||!(uncontended = a.cas(v = a.value, v + x)))longAccumulate(x, null, uncontended);}}

总结一个add的流程图

LongAccumulate

总结LongAccumulate流程图

sum方法分析

我们获取最终的累加结果

//源码
public long sum() {Cell[] as = cells; Cell a;long sum = base;if (as != null) {for (int i = 0; i < as.length; ++i) {if ((a = as[i]) != null)sum += a.value;}}return sum;}