01 | 可见性、原子性和有序性问题:并发编程Bug的源头

如果你细心观察的话,你会发现,不管是哪一门语言,并发类的只是都是在高级篇里,换句话说,这块知识点对于程序员来讲是比较进阶的知识,比如你若对操作系统的知识一无所知的话,那去理解一些原理就会比较费力气。

你我都知道编写并发程序是一件困难的事情,并发程序的Bug 往往会诡异的出现,然后又诡异的消失,很多时候让人很抓狂。但要快速而精准的解决“并发” 类的疑难杂症,你就要了解事情的本质,追本溯源,深入分析Bug 的源头。

并发程序幕后的故事

这些年,我们的 CPU、内存、I/O 设备都在不断迭代, 不断朝着更快的方向努力,但是,在这个快速发展的过程中,有一个核心矛盾一直存在,就是者三者的速度差异,CPU 和内存的速度差异可以形象地描述为:CPU 是天上一天,内存是地上一年(假设 CPU 执行一条普通指令需要一天,那么 CPU 读写内存得等待一年的时间)。内存和 I/O 设备的速度差异就更大了,内存是天上一天,I/O 设备是地上十年。

程序里大部分语句都要访问内存,有些还要访问I/O, 根据木桶理论,程序的整体性能取决于最慢的读写-读写 I/O 设备, 也就是说单方面提高CPU 性能是无效的。

为了合理利用CPU 的高性能,平衡者三者的差异,计算机体系结构,操作系统,编译程序都做出了贡献,主要体现为:

1、CPU 增加了缓存,以均衡与内存的速度差异;

2、操作系统增加了进程、线程,以分时复用CPU ,进而均衡CPU 与 I/O 设备的速度差异;

3、编译程序优化指令执行次序,使得缓存能够更加合理的利用。

现在我们都在默默的享受着这些成果,但是天下没有免费的午餐,并发程序很多诡异问题的根源也在这里。

源头之一:缓存导致的可见性问题

在单核时代,所有的线程都是在一颗 CPU 上执行,CPU 缓存与数据的一致性容易解决。因为所有的线程都是操作同一个CPU 的缓存, 一个线程对缓存的读写,对另一个线程来说一定是可见的。例如在下图中线程 A 和线程 B 都是操作同一个 CPU 里面的缓存,所以线程 A 更新了变量 V 的值,那么线程 B 之后再访问变量 V,得到的一定是 V 的最新值(线程 A 写过的值)。

img

一个线程对共享变量的修改,另外一个线程能够立刻看到,我们成为可见性。

多核时代,每颗CPU都有自己的缓存,这时,CPU 缓存与内存的数据一致性就没那么容易解决了,当多个线程在不同的CPU 上执行时,这些线程操作的时不同的CPU 缓存,比如下图中 线程 A 操作的是 CPU-1 上的缓存,而线程 B 操作的是 CPU-2 上的缓存,很明显,这个时候线程 A 对变量 V 的操作对于线程 B 而言就不具备可见性了。这个就属于硬件程序员给软件程序员挖的“坑”。

img

下面我们再用一段代码来验证一下多核场景下的可见性问题。下面的代码,每执行一次 add10K() 方法,都会循环 10000 次 count+=1 操作。在 calc() 方法中我们创建了两个线程,每个线程调用一次 add10K() 方法,我们来想一想执行 calc() 方法得到的结果应该是多少呢?

当只有一个线程调用的时候

public class CounterTest {

    private int count = 0;

    private void add10k() {
        for (int idx = 0; idx < 10000; idx++) {
            count += 1;
        }
    }

    public static void main(String[] args) {

        CounterTest test = new CounterTest();
        //当只有一个线程调用时,输出结果
        new Thread(() -> {
            test.add10k();
            System.out.println(test.count);
        }).start();

        System.out.println("main thread is over");
    }
}

输出结果:
main thread is over
10000

增加一个线程:

public class CounterTest {

    private int count = 0;

    private void add10k() {
        for (int idx = 0; idx < 10000; idx++) {
            count += 1;
        }
    }

    public static void main(String[] args) throws Exception {

        CounterTest test = new CounterTest();
        //当只有一个线程调用时,输出结果
        Thread t1 = new Thread(() -> {
            test.add10k();
            System.out.println(test.count);
        });

        //增加一个线程
        Thread t2 = new Thread(() -> {
            test.add10k();
            System.out.println(test.count);
        });

        t1.start();
        t2.start();

        t1.join();
        t2.join();

        System.out.println("main thread is over");
    }
}

输出结果:
11827
19664
main thread is over

直觉告诉我们应该是 20000,因为在单线程里调用两次 add10K() 方法,count 的值就是 20000,但实际上 calc() 的执行结果是个 10000 到 20000 之间的随机数。为什么呢?

我们假设线程 A 和线程 B 同时开始执行, 那么第一次都会将count=0 读到各自的 CPU 缓存里,执行完 count+=1 之后,各自 CPU 缓存里的值都是 1,同时写入内存后,我们会发现内存中是 1,而不是我们期望的 2。之后由于各自的 CPU 缓存里都有了 count 的值,两个线程都是基于 CPU 缓存里的 count 值来计算,所以导致最终 count 的值都是小于 20000 的。这就是缓存的可见性问题。

循环 10000 次 count+=1 操作如果改为循环 1 亿次,你会发现效果更明显,最终 count 的值接近 1 亿,而不是 2 亿。如果循环 10000 次,count 的值接近 20000,原因是两个线程不是同时启动的,有一个时差。

img

源头之二:线程切换带来的原子性问题

由于IO 太慢, 早期的操作系统就发明了多线程,即便在单核的CPU 上,我们也可以一边听歌,一边写BUG,这个就是多进程的功劳。

操作系统允许某个进程执行一小段时间,例如:50 毫秒,过了 50 毫秒操作系统就会重新选择一个进程来执行(我们称为“任务切换”),这个 50 毫秒称为“时间片”。

img

在一个时间片里,如果一个进程进行IO操作,例如读某个文件,这个时候该进程可以把自己标记为休眠状态” 并让出CPU的使用权,待文件读进内存,操作系统会把这个休眠的进程唤醒,唤醒后的进程就有机会从新获得CPU的使用权了。

这里的进程在等待IO时之所以会释放CPU 的使用权,是为了让CPU 在这段时间可以做别的事情,这样一来CPU 的使用率就上来了;此外,如果这时也有另外一个进程也读文件,读文件的操作就会排队,磁盘驱动在完成一个进程的读操作后,发现有排队的任务,就会立即启动下一个读操作,这样IO的使用率就上来了。

是不是很简单的逻辑?但是,虽然看似简单,支持多进程分时复用在操作系统的发展史上却有里程碑的意义,Unix 就是因为解决了这个问题而名震天下。

早期的操作系统基于进程来调度CPU ,不同进程间是不共享内存空间的,所以进程要做切换就要切换内存映射地址。而一个进程创建的所有线程,都是共享一个内存空间的,所以线程做任务切换成本就很低了,现代操作系统都是基于更轻量的线程来调度的,现在我们提到的“任务切换”都是指“线程切换”。

Java 并发程序都是基于多线程的,自然也会涉及到任务切换,也许你想不到,任务切换竟然也是并发编程的Bug 源头之一,任务切换的时机大多是在时间片结束的时候,我们现在基本都使用高级编程语言,高级语言里,一条语句往往需要多条CPU指令完成,例如上面代码中的count += 1,至少需要三条 CPU 指令。

指令 1:首先,需要把变量 count 从内存加载到 CPU 的寄存器;

指令 2:之后,在寄存器中执行 +1 操作;

指令 3:最后,将结果写入内存(缓存机制导致可能写入的是 CPU 缓存而不是内存)。

操作系统做任务切换,可以发生在任何一条CPU 指令 执行完,是的,是CPU 指令 ,而不是高级语言里的一条语句,对于上面的三条指令来说,我们假定count=0, 如果线程A 在指令 1 执行完后做线程切换, 线程 A 和线程 B 按照下图的序列执行,那么我们会发现两个线程都执行了 count+=1 的操作,但是得到的结果不是我们期望的 2,而是 1。

img

我们潜意识里就觉得count+=1 这个 操作是一个不可分割的整体,就像一个原子一样,线程的切换可以发生在count+=1 之前,也可以发生在count+=1 之后,但就是不会发生在中间,我们把一个或者多个操作在CPU 执行的过程中不被中断的特性成为原子性。CPU 能保证的原子操作是CPU 指令级别的,而不是高级语言的操作符。这是违背我们直觉的地方。因此,很多时候我们需要在高级语言层面保证操作的原子性。

源头之三:编译优化带来的有序性问题

那并发编程还有没有其他有违直觉容易导致Bug 的技术呢?有,就是有序性,顾名思义,有序性是指按照代码的先后顺序执行。编译器为了优化性能,有时候会改变程序中语句的先后顺序,例如程序中:“a=6;b=7;”编译器优化后可能变成“b=7;a=6;”, 在这个例子中,编译器调整了语句的顺序,但是不影响程序的最终结果。有时候编译器及解释器的优化可能导致意想不到的Bug 。

在Java 领域一个经典的案例就是利用双重检查创建单利对象,例如下面代码:在获取实例 getInstance() 的方法中,我们首先判断 instance 是否为空,如果为空,则锁定 Singleton.class 并再次检查 instance 是否为空,如果还为空则创建 Singleton 的一个实例。


public class Singleton {
  static Singleton instance;
  static Singleton getInstance(){
    if (instance == null) {
      synchronized(Singleton.class) {
        if (instance == null)
          instance = new Singleton();
        }
    }
    return instance;
  }
}

假设有两个线程 A、B 同时调用 getInstance() 方法,他们会同时发现 instance == null ,于是同时对 Singleton.class 加锁,此时 JVM 保证只有一个线程能够加锁成功(假设是线程 A),另外一个线程则会处于等待状态(假设是线程 B);线程 A 会创建一个 Singleton 实例,之后释放锁,锁释放后,线程 B 被唤醒,线程 B 再次尝试加锁,此时是可以加锁成功的,加锁成功后,线程 B 检查 instance == null 时会发现,已经创建过 Singleton 实例了,所以线程 B 不会再创建一个 Singleton 实例。

这看上去一切都很完美,无懈可击,但实际上这个 getInstance() 方法并不完美。 问题出在哪里呢?出在 new 操作上,我们以为的 new 操作应该是:

  1. 分配一块内存M;
  2. 在内存 M 上初始化 Singleton 对象;
  3. 然后 M 的地址赋值给 instance 变量。

但是实际上优化后的路径却是 这样的:

  1. 分配一块内存M;
  2. 将 M 的地址赋值给 instance 变量;
  3. 最后在内存 M 上初始化 Singleton 对象。

优化后会导致什么问题呢?我们假设现在A先执行getInstance() 方法, 当执行完指令 2 时恰好发生了线程切换,切换到了线程 B 上;如果此时线程 B 也执行 getInstance() 方法,那么线程 B 在执行第一个判断时会发现 instance != null ,所以直接返回 instance,而此时的 instance 是没有初始化过的,如果我们这个时候访问 instance 的成员变量就可能触发空指针异常。

img

总结

要写好并发程序,首先要知道并发程序的问题在哪里,只有确定了“靶子”, 才有可能把问题解决,毕竟所有的解决方案都是针对问题的。并发程序经常出现的诡异问题看上去非常无厘头,但是深究的话,无外乎就是直觉欺骗了我们,只要我们能够深刻理解可见性、原子性、有序性在并发场景下的原理,很多并发Bug 都是可以理解、可以诊断的。

在介绍可见性、原子性、有序性的时候,特意提到缓存导致的可见性问题,线程切换带来的原子性问题,编译优化带来的有序性问题,其实缓存、线程、编译优化的目的和我们写并发程序的目的是相同的,都是提高程序性能。但是技术在解决一个问题的同时,必然会带来另一个问题,所以在采用一项技术的同时,一定要清楚他带来的问题是什么,以及如何规避。

推荐阅读更多精彩内容