详解 volatile关键字 与 CAS算法
(请观看本人博文 —— 《详解 多线程》)
在讲解本篇博文的知识点之前,本人先来给出一个例子:
package edu.youzg.about_synchronized.core;
public class Test {
public static void main(String[] args) {
TestRunnable myRunnable = new TestRunnable();
new Thread(myRunnable).start();
while (true){
if (TestRunnable.getFlag()) {
System.out.println("进来了");
break;
}
}
}
}
class TestRunnable implements Runnable{
static boolean flag = false;
public static boolean getFlag() {
return flag;
}
@Override
public void run() {
try {
Thread.sleep(10);
} catch (InterruptedException e) {
e.printStackTrace();
}
flag=true;
System.out.println("flag的值是" + getFlag());
}
}
那么,现在本人来展示下运行结果:
可以看到,在上图中出现了这样的错误:
程序一直在运行!
那么,我们不是已经在run()中把flag设置为true了吗,我们让线程跑起来之后,再调用getFlag()方法,理应返回的是true啊。
但是,运行结果明显表明:返回的是false。
这是为什么呢?
对于上述问题,我们有一个专门的称呼 —— 内存可见性问题
那么,现在,本人就来讲解下 内存可见性问题:
内存可见性问题
首先,本人来讲解下内存模型:
内存模型:
Java内存模型规定了 :
所有的 变量 都存储在 主内存中;
而 每条线程中还有自己的工作内存。
线程的工作内存中保存了被该线程所使用到的变量
(这些变量是从主内存中拷贝而来)。
线程对变量的所有操作(读取,赋值)都必须在工作内存中进行。
不同线程之间也无法直接访问对方工作内存中的变量,
线程间变量值的传递均需要通过主内存来完成。
而对于上面出现的问题,本人来通过几张图来展示下原因:
首先,每个线程都会有一个独立的工作线程。
假设子线程先读入了主存中的flag值,并将工作内存中的flag改为了true:
这时,主线程竞争到了CPU,读入了主存中的flag的值:
这时,不论再竞争多少轮,只要子线程竞争到CPU,就会把工作线程中的flag的值返给主存:
但是,由于这时的主线程在循环中,循环的运行速度非常快,就导致主线程无暇去主存中读入新的flag的值,进而导致循环一直在进行,并且主线程的工作线程中的flag一直都是false,所以就一直循环,导致程序无法结束!
其实,对于以上问题,我们用之前博文所讲的“synchronized锁”的知识,也完全可以去解决这个问题:
本人现在来展示下加锁解决的代码:
package edu.youzg.about_synchronized.core;
public class Test {
public static void main(String[] args) {
TestRunnable myRunnable = new TestRunnable();
new Thread(myRunnable).start();
while (true){
synchronized (myRunnable) {
if (TestRunnable.getFlag()) {
System.out.println("进来了");
break;
}
}
}
}
}
class TestRunnable implements Runnable{
static boolean flag = false;
public static boolean getFlag() {
return flag;
}
@Override
public void run() {
try {
Thread.sleep(10);
} catch (InterruptedException e) {
e.printStackTrace();
}
flag=true;
System.out.println("flag的值是" + getFlag());
}
}
那么,本人再来展示下运行结果:
但是,本人之前说过,加锁有一个极大的缺点 —— 会降低运行效率
本人上图展示的仅是一个子线程和一个主线程.
那么,若是我们将来所做的app,同时去处理成百上千的线程呢?
产生的结果想想就觉得可怕... ...
那么,有没有办法能够 既解决内存可见性问题,又不会降低运行效率呢?
针对这种需求,Java有一种自己的解决办法 —— volatile关键字:
volatile关键字
概述:
当多个线程进行操作共享数据时,可以保证内存中的数据可见
相较于 synchronized 是一种较为轻量级的同步策略
也可以将volatile看作是一个轻量级锁
那么,对于上述解释,相信有的同学已经搞不懂了
那么,本人再来讲解 volatile关键字和 synchronized锁 的区别:
区别:
volatile 对于多线程,不是一种互斥关系
volatile 不能保证变量状态的“原子性操作”
那么,现在,本人来展示下用 volatile关键字 来解决上述问题:
package edu.youzg.about_synchronized.core;
public class Test {
public static void main(String[] args) {
TestRunnable myRunnable = new TestRunnable();
new Thread(myRunnable).start();
while (true){
if (myRunnable.getFlag()) {
System.out.println("进来了");
break;
}
}
}
}
class TestRunnable implements Runnable{
volatile boolean flag=false;
public boolean getFlag() {
return flag;
}
@Override
public void run() {
try {
Thread.sleep(10);
} catch (InterruptedException e) {
e.printStackTrace();
}
flag=true;
System.out.println("flag的值是"+getFlag());
}
}
本人再来展示下运行结果:
现在,本人再来给出一个有问题的代码:
package edu.youzg.about_synchronized.core;
import java.util.concurrent.atomic.AtomicInteger;
public class Test {
public static void main(String[] args) {
IRunnable iRunnable = new IRunnable();
for (int i = 0; i < 10; i++) {
new Thread(iRunnable).start();
}
}
}
class IRunnable implements Runnable{
static int i = 0;
@Override
public void run() {
while (true){
try {
Thread.sleep(200);
} catch (InterruptedException e) {
e.printStackTrace();
}
System.out.println(Thread.currentThread().getName() + ":" + i++);
}
}
}
由于本人设置的是死循环,所以展示运行中的一个片段:
可以看到,本人设置的static(静态)的变量的值,明明每次执行的是i++操作,却有相同的输出结果,这是为什么呢?
相信看过本人之前博文的同学已经知道了:
由于i++不是原子型操作,所以就会出现一个线程对i的 读、改、写三步操作还未完成,就被另一个线程占据了CPU执行权,就导致了这种现象的出现。
本人在之前的博文中,对于这种问题的解决,用的是 “synchronized 锁”的知识点:
但是, “synchronized 锁”会使得程序的效率大大降低,
所以,针对这种 原子性问题,Java也同样有一种解决方案 —— CAS算法:
CAS算法:
概述:
CAS (Compare-And-Swap,即:比较并交换) 是一种硬件对并发的支持,
针对多处理器操作而设计的处理器中的一种特殊指令,
用于管理对共享数据的并发访问
实现原理:
CAS是一种无锁算法
CAS有3个操作数:内存值V,旧的预期值A,要修改的新值B。
当且仅当预期值A和内存值V相同时,将内存值V修改为B,
否则什么都不做。
CAS算法的伪代码可以表示为:
do {
备份旧数据;
基于旧数据构造新数据;
} while (!CAS( 内存地址,备份的旧数据,新数据 ))
本人再来用几张图片来展示下这个算法的基本原理:
首先,假设线程1争取到了CPU:
然后,假设线程2 争取到了CPU:
这时,又轮到了线程1争取到了CPU,线程1发现A1和V值相同,于是将B1的值传回给主存,将V的值改为value2:
假设现在,线程2 又抢到了CPU的运行权,它发现A2和V 不一样,于是放弃了写入的操作,并将之前的A2、B2全部清空:
以上,就是CAS算法的基本流程,至于怎么实现,本人拿它的实现类来展示下相关代码:
现在,本人再来说明一点:
jdk5增加了并发包java.util.concurrent.*,
其下面的类使用CAS算法实现了区别于synchronouse同步锁的一种乐观锁。
JDK 5之前Java语言是靠synchronized关键字保证同步的,这是一种独占锁,也是是悲观锁。
缺点:
- 对资源的开销大
- 只能保证 变量的原子性 而不能保证 代码块的原子性
运用CAS算法实现的 原子操作的常用类:
AtomicBoolean 、 AtomicInteger 、 AtomicLong 、 AtomicReference
AtomicIntegerArray 、 AtomicLongArray
AtomicMarkableReference
AtomicReferenceArray
那么,本人就拿 AtomicInteger来解决下上面的问题:
package edu.youzg.about_synchronized.core;
import java.util.concurrent.atomic.AtomicInteger;
public class Test {
public static void main(String[] args) {
//CAS 算法:比较并交换
//是一种硬件支持
IRunnable iRunnable = new IRunnable();
for (int i = 0; i < 10; i++) {
new Thread(iRunnable).start();
}
}
}
class IRunnable implements Runnable{
// int i=0;
//把普通变量换成原子变量,
AtomicInteger num=new AtomicInteger(1);
@Override
public void run() {
while (true){
try {
Thread.sleep(200);
} catch (InterruptedException e) {
e.printStackTrace();
}
System.out.println(Thread.currentThread().getName() + ":" + num.getAndIncrement());
}
}
}
本人还是来截取一段运行结果来展示:
可以看到,并没有出现重复值的问题!
那么,说到 CAS算法,本人就不得不为同学们来扩展下知识点了:
扩展 —— 乐观锁 与 悲观锁:
悲观锁:
概述:
总是假设最坏的情况。
每次去拿数据的时候都认为别人会修改,
所以每次在拿数据的时候都会上锁,
这样别人想拿这个数据就会 阻塞 直到别人拿到锁。
举例:
Java里面的同步原语 synchronized 关键字的实现就是悲观锁
优点:
- 充分保证线程安全性
缺点:
- 降低运行效率
乐观锁:
概述:
总是假设最好的情况。
每次去拿数据的时候都认为别人不会修改,
所以不会上锁,
但是在更新时会 判断一下在此期间别人有没有去更新这个数据 (可以使用版本号等机制)
举例:
乐观锁适用于 多读 的应用类型,这样可以提高吞吐量,
像数据库提供的类似于 write_condition 机制,其实都是提供的乐观锁。
在 Java 中 java.util.concurrent.atomic 包下面的原子变量类就是使用了乐观锁的一种实现方式 —— CAS算法 实现的
优点:
- 非阻塞,效率高
缺点:
- 会造成大量开销
(本人 《详解 多线程》 博文 链接:https:////www.cnblogs.com/codderYouzg/p/12418935.html)
详解 volatile关键字 与 CAS算法的更多相关文章
- 详解volatile关键字和原子引用
本篇看一下Volatile关键字和原子引用. 上图就是JUC包结构,总共分成三块 (1)java.util.concurrent:并发包基础类,包括阻塞队列,线程池相关类,线程安全Map等. (2)j ...
- 详解volatile 关键字与内存可见性
先来看一个例子: public class VolatileTest { public static void main(String[] args) { T ...
- Java并发指南3:并发三大问题与volatile关键字,CAS操作
本文转载自互联网,侵删 序言 先来看如下这个简单的Java类,该类中并没有使用任何的同步. 01 final class SetCheck { 02 private int a = 0; 03 ...
- 详解十大经典数据挖掘算法之——Apriori
本文始发于个人公众号:TechFlow,原创不易,求个关注 今天是机器学习专题的第19篇文章,我们来看经典的Apriori算法. Apriori算法号称是十大数据挖掘算法之一,在大数据时代威风无两,哪 ...
- 详解十大经典机器学习算法——EM算法
本文始发于个人公众号:TechFlow,原创不易,求个关注 今天是机器学习专题的第14篇文章,我们来聊聊大名鼎鼎的EM算法. EM算法的英文全称是Expectation-maximization al ...
- Java(2)详解注释&关键字&常量&变量&标识符
作者:季沐测试笔记 原文地址:https://www.cnblogs.com/testero/p/15201497.html 博客主页:https://www.cnblogs.com/testero ...
- Java之static静态关键字详解|final关键字详解
前言 在Java语言中,static表示"静态"的意思,使用场景可以用来修饰成员变量和成员方法,当然也可以是静态代码块.static的主要作用在于创建独立于具体对象的域变量或者方法 ...
- Lua5.4源码剖析:二. 详解String数据结构及操作算法
概述 lua字符串通过操作算法和内存管理,有以下优点: 节省内存. 字符串比较效率高.(比较哈希值) 问题: 相同的字符串共享同一份内存么? 相同的长字符串一定不共享同一份内存么? lua字符串如何管 ...
- scala 隐式详解(implicit关键字)
掌握implicit的用法是阅读spark源码的基础,也是学习scala其它的开源框架的关键,implicit 可分为: 隐式参数 隐式转换类型 隐式调用函数 1.隐式参数 当我们在定义方法时,可以把 ...
随机推荐
- CSAPP-bomblab
DO NOT READ THIS ARTICLE. I wrote bullshit in English. This lab I have finished once, so this articl ...
- OpenCV-Python SIFT尺度不变特征变换 | 三十九
目标 在这一章当中, 我们将学习SIFT算法的概念 我们将学习找到SIFT关键点和描述算符. 理论 在前两章中,我们看到了一些像Harris这样的拐角检测器.它们是旋转不变的,这意味着即使图像旋转了, ...
- OpenCV-Python 轨迹栏作为调色板 | 九
目标 了解将轨迹栏固定到OpenCV窗口 您将学习以下功能:cv.getTrackbarPos,cv.createTrackbar等. 代码演示 在这里,我们将创建一个简单的应用程序,以显示您指定的颜 ...
- iOS UITableView优化
一.Cell 复用 在可见的页面会重复绘制页面,每次刷新显示都会去创建新的 Cell,非常耗费性能. 解决方案:创建一个静态变量 reuseID,防止重复创建(提高性能),使用系统的缓存池功能. s ...
- [noip模拟]难缠的值周生<宽搜>
难缠的值周生 [问题描述] 小 P 上学总是迟到,迟到了以后常常会被值周生发现.被值周生发现就会给他所在的班级扣分,被扣了分不免要挨班主任的训,这令小 P 很不爽.不过,聪明的他经过观察发现,值周生通 ...
- Java合并png图片
package org.jimmy.autosearch2019.test; import java.awt.Graphics; import java.awt.image.BufferedImage ...
- Java 程序该怎么优化?(命令篇)
灵魂拷问,JDK 提供的命令,除了 java.javac,你还用过哪些命令呢? 灵魂再拷问,若你写的 Java 程序,出现了性能问题,该怎么去排查呢? Java 作为编程语言中的战斗机,JDK 默认已 ...
- DAO,Service,Controler的简介
DAO层: DAO层叫数据访问层,全称为data access object,属于一种比较底层,比较基础的操作,具体到对于某个表的增删改查,也就是说某个DAO一定是和数据库的某一张表一一对应的,其中封 ...
- Appium自动化(1) - 环境准备详细教程
Appium需要用到的工具 链接:https://pan.baidu.com/s/1od9x-1l0ALGRT5T6QFDHWg 提取码:bnhq 安装Appium Pyhton client包 1. ...
- Python机器学习笔记 集成学习总结
集成学习(Ensemble learning)是使用一系列学习器进行学习,并使用某种规则把各个学习结果进行整合,从而获得比单个学习器显著优越的泛化性能.它不是一种单独的机器学习算法啊,而更像是一种优 ...