我們知道電腦有CPU、內存、硬盤，硬盤的讀取速度最慢，其次是內存的讀取，內存的讀取相對于 CPU 的運行又太慢了，因此又搞了個CPU緩存，L1、L2、L3。

正是這個CPU緩存再加上現(xiàn)在多核CPU的情況產生了并發(fā)BUG。

 

這就一個很簡單的代碼，如果此時有線程 A 和線程 B 分別在 CPU - A 和 CPU - B 中執(zhí)行這個方法，它們的操作是先將 a 從主存取到 CPU 各自的緩存中，此時它們緩存中 a 的值都是 0。

然后它們分別執(zhí)行 a++，此時它們各自眼中 a 的值都是 1，之后把 a 刷到主存的時候 a 的值還是1，這就出現(xiàn)問題了，明明執(zhí)行了兩次加一最終的結果卻是 1，而不是 2。

這個問題就叫可見性問題。

在看我們 a++ 這條語句，我們現(xiàn)在的語言都是高級語言，這其實和語法糖很類似，用起來好像很方便實際上那只是表面，真正需要執(zhí)行的指令一條都少不了。

高級語言的一條語句翻譯成 CPU 指令的時候可不止一條， 就例如 a++ 轉換成 CPU 指令至少就有三條。

• 把 a 從內存拿到寄存器中；

• 在寄存器中 +1；

• 將結果寫入緩存或內存中；

所以我們以為 a++ 這條語句是不可能中斷的是具備原子性的，而實際上 CPU 可以能執(zhí)行一條指令時間片就到了，此時上下文切換到另一個線程，它也執(zhí)行 a++。再次切回來的時候 a 的值其實就已經不對了。

這個問題叫做原子性問題。

并且編譯器或解釋器為了優(yōu)化性能，可能會改變語句的執(zhí)行順序，這叫指令重排，最經典的例子莫過于單例模式的雙重檢查了。而 CPU 為了提高執(zhí)行效率，還會亂序執(zhí)行，例如 CPU 在等待內存數(shù)據加載的時候發(fā)現(xiàn)后面的加法指令不依賴前面指令的計算結果，因此它就先執(zhí)行了這條加法指令。

這個問題就叫有序性問題。

至此已經分析完了并發(fā) BUG 的源頭，即這三大問題。可以看到不管是 CPU 緩存、多核 CPU 、高級語言還是亂序重排其實都是必要的存在，所以我們只能直面這些問題。

而解決這些問題就是通過禁用緩存、禁止編譯器指令重排、互斥等手段，今天我們的主題和互斥相關。

互斥就是保證對共享變量的修改是互斥的，即同一時刻只有一個線程在執(zhí)行。而說到互斥相信大家腦海中浮現(xiàn)的就是鎖。沒錯，我們今天的主題就是鎖！鎖就是為了解決原子性問題。

鎖

說到鎖可能 Java 的同學第一反應就是 synchronized 關鍵字，畢竟是語言層面支持的。我們就先來看看 synchronized，有些同學對 synchronized 理解不到位所以用起來會有很多坑。

synchronized 注意點

我們先來看一份代碼，這段代碼就是咱們的漲工資之路，最終百萬是灑灑水的。而一個線程時刻的對比著我們工資是不是相等的。我簡單說一下IntStream.rangeClosed(1,1000000).forEach，可能有些人對這個不太熟悉，這個代碼的就等于 for 循環(huán)了100W次。

 

你先自己理解下，看看覺得有沒有什么問題？第一反應好像沒問題，你看著漲工資就一個線程執(zhí)行著，這比工資也沒有修改值，看起來好像沒啥毛?。繘]有啥并發(fā)資源的競爭，也用 volatile 修飾了保證了可見性。

讓我們來看一下結果，我截取了一部分。

 

可以看到首先有 log 打出來就已經不對了，其次打出來的值竟然還相等！有沒有出乎你的意料之外？有同學可能下意識就想到這就raiseSalary在修改，所以肯定是線程安全問題來給raiseSalary 加個鎖！

請注意只有一個線程在調用raiseSalary方法，所以單給raiseSalary方法加鎖并沒啥用。

這其實就是我上面提到的原子性問題，想象一下漲工資線程在執(zhí)行完yesSalary++還未執(zhí)行yourSalary++時，比工資線程剛好執(zhí)行到yesSalary != yourSalary 是不是肯定是 true ？所以才會打印出 log。

再者由于用 volatile 修飾保證了可見性，所以當打 log 的時候，可能yourSalary++已經執(zhí)行完了，這時候打出來的 log 才會是yesSalary == yourSalary。

所以最簡單的解決辦法就是把raiseSalary() 和 compareSalary() 都用 synchronized 修飾，這樣漲工資和比工資兩個線程就不會在同一時刻執(zhí)行，因此肯定就安全了！

 

看起來鎖好像也挺簡單，不過這個 synchronized 的使用還是對于新手來說還是有坑的，就是你要關注 synchronized 鎖的究竟是什么。

比如我改成多線程來漲工資。這里再提一下parallel，這個其實就是利用了 ForkJoinPool 線程池操作，默認線程數(shù)是 CPU 核心數(shù)。

 

由于 raiseSalary() 加了鎖，所以最終的結果是對的。這是因為 synchronized 修飾的是yesLockDemo實例，我們的 main 中只有一個實例，所以等于多線程競爭的是一把鎖，所以最終計算出來的數(shù)據正確。

那我再修改下代碼，讓每個線程自己有一個 yesLockDemo 實例來漲工資。

 

你會發(fā)現(xiàn)這鎖怎么沒用了？這說好的百萬年薪我就變 10w 了？？這你還好還有 70w。

這是因為此時我們的鎖修飾的是非靜態(tài)方法，是實例級別的鎖，而我們?yōu)槊總€線程都創(chuàng)建了一個實例，因此這幾個線程競爭的就根本不是一把鎖，而上面多線程計算正確代碼是因為每個線程用的是同一個實例，所以競爭的是一把鎖。如果想要此時的代碼正確，只需要把實例級別的鎖變成類級別的鎖。

很簡單只需要把這個方法變成靜態(tài)方法，synchronized  修飾靜態(tài)方法就是類級別的鎖。

 

還有一種就是聲明一個靜態(tài)變量，比較推薦這種，因為把非靜態(tài)方法變成靜態(tài)方法其實就等于改了代碼結構了。

 

我們來小結一下，使用 synchronized 的時候需要注意鎖的到底是什么，如果修飾靜態(tài)字段和靜態(tài)方法那就是類級別的鎖，如果修飾非靜態(tài)字段和非靜態(tài)方法就是實例級別的鎖。

鎖的粒度

相信大家知道 Hashtable 不被推薦使用，要用就用 ConcurrentHashMap，是因為 Hashtable 雖然是線程安全的，但是它太粗暴了，它為所有的方法都上了同一把鎖！我們來看下源碼。

 

你說這 contains 和 size 方法有啥關系？我在調用 contains 的時候憑啥不讓我調 size ? 這就是鎖的粒度太粗了我們得評估一下，不同的方法用不同的鎖，這樣才能在線程安全的情況下再提高并發(fā)度。

但是不同方法不同鎖還不夠的，因為有時候一個方法里面有些操作其實是線程安全的，只有涉及競爭競態(tài)資源的那一段代碼才需要加鎖。特別是不需要鎖的代碼很耗時的情況，就會長時間占著這把鎖，而且其他線程只能排隊等著，比如下面這段代碼。

 

很明顯第二段代碼才是正常的使用鎖的姿勢，不過在平時的業(yè)務代碼中可不是像我代碼里貼的 sleep 這么容易一眼就看出的，有時候還需要修改代碼執(zhí)行的順序等等來保證鎖的粒度足夠細。

而有時候又需要保證鎖足夠的粗，不過這部分JVM會檢測到，它會幫我們做優(yōu)化，比如下面的代碼。

 

可以看到明明是一個方法里面調用的邏輯卻經歷了加鎖-執(zhí)行A-解鎖-加鎖-執(zhí)行B-解鎖，很明顯的可以看出其實只需要經歷加鎖-執(zhí)行A-執(zhí)行B-解鎖。

所以 JVM 會在即時編譯的時候做鎖的粗化，將鎖的范圍擴大，類似變成下面的情況。

 

而且 JVM 還會有鎖消除的動作，通過逃逸分析判斷實例對象是線程私有的，那么肯定是線程安全的，于是就會忽略對象里面的加鎖動作，直接調用。

讀寫鎖

讀寫鎖就是我們上面提交的根據場景減小鎖的粒度了，把一個鎖拆成了讀鎖和寫鎖，特別適合在讀多寫少的情況下使用，例如自己實現(xiàn)的一個緩存。

ReentrantReadWriteLock

讀寫鎖允許多個線程同時讀共享變量，但是寫操作是互斥的，即寫寫互斥、讀寫互斥。講白了就是寫的時候就只能一個線程寫，其他線程也讀不了也寫不了。

我們來看個小例子，里面也有個小細節(jié)。這段代碼就是模擬緩存的讀取，先上讀鎖去緩存拿數(shù)據，如果緩存沒數(shù)據則釋放讀鎖，再上寫鎖去數(shù)據庫取數(shù)據，然后塞入緩存中返回。

 

這里面的小細節(jié)就是再次判斷 data = getFromCache() 是否有值，因為同一時刻可能會有多個線程調用getData()，然后緩存都為空因此都去競爭寫鎖，最終只有一個線程會先拿到寫鎖，然后將數(shù)據又塞入緩存中。

此時等待的線程最終一個個的都會拿到寫鎖，獲取寫鎖的時候其實緩存里面已經有值了所以沒必要再去數(shù)據庫查詢。

當然 Lock 的使用范式大家都知道，需要用 try- finally，來保證一定會解鎖。而讀寫鎖還有一個要點需要注意，也就是說鎖不能升級。什么意思呢？我改一下上面的代碼。

 

但是寫鎖內可以再用讀鎖，來實現(xiàn)鎖的降級，有些人可能會問了這寫鎖都加了還要什么讀鎖。

還是有點用處的，比如某個線程搶到了寫鎖，在寫的動作要完畢的時候加上讀鎖，接著釋放了寫鎖，此時它還持有讀鎖可以保證能馬上使用寫鎖操作完的數(shù)據，而別的線程也因為此時寫鎖已經沒了也能讀數(shù)據。

其實就是當前已經不需要寫鎖這種比較霸道的鎖！所以來降個級讓大家都能讀。

小結一下，讀寫鎖適用于讀多寫少的情況，無法升級，但是可以降級。Lock 的鎖需要配合 try- finally，來保證一定會解鎖。

對了，我再稍稍提一下讀寫鎖的實現(xiàn)，熟悉 AQS 的同學可能都知道里面的 state ，讀寫鎖就是將這個 int 類型的 state 分成了兩半，高 16 位與低 16 位分別記錄讀鎖和寫鎖的狀態(tài)。它和普通的互斥鎖的區(qū)別就在于要維護這兩個狀態(tài)和在等待隊列處區(qū)別處理這兩種鎖。

所以在不適用于讀寫鎖的場景還不如直接用互斥鎖，因為讀寫鎖還需要對state進行位移判斷等等操作。

StampedLock

這玩意我也稍微提一下，是 1.8 提出來的出鏡率似乎沒有 ReentrantReadWriteLock 高。它支持寫鎖、悲觀讀鎖和樂觀讀。寫鎖和悲觀讀鎖其實和 ReentrantReadWriteLock 里面的讀寫鎖是一致的，它就多了個樂觀讀。

從上面的分析我們知道讀寫鎖在讀的時候其實是無法寫的，而 StampedLock 的樂觀讀則允許一個線程寫。樂觀讀其實就是和我們知道的數(shù)據庫樂觀鎖一樣，數(shù)據庫的樂觀鎖例如通過一個version字段來判斷，例如下面這條 sql。

 

StampedLock 樂觀讀就是與其類似，我們來看一下簡單的用法。

 

它與 ReentrantReadWriteLock 對比也就強在這里，其他的不行，比如 StampedLock 不支持重入，不支持條件變量。還有一點使用 StampedLock 一定不要調用中斷操作，因為會導致CPU 100%，我跑了下并發(fā)編程網上面提供的例子，復現(xiàn)了。

 

具體的原因這里不再贅述，文末會貼上鏈接，上面說的很詳細了。

所以出來一個看似好像很厲害的東西，你需要真正的去理解它，熟悉它才能做到有的放矢。

CopyOnWrite

寫時復制的在很多地方也會用到，比如進程 fork() 操作。對于我們業(yè)務代碼層面而言也是很有幫助的，在于它的讀操作不會阻塞寫，寫操作也不會阻塞讀。適用于讀多寫少的場景。

例如 Java 中的實現(xiàn) CopyOnWriteArrayList，有人可能一聽，這玩意線程安全讀的時候還不會阻塞寫，好家伙就用它了！

你得先搞清楚，寫時復制是會拷貝一份數(shù)據，你的任何一個修改動作在CopyOnWriteArrayList 中都會觸發(fā)一次Arrays.copyOf，然后在副本上修改。假如修改的動作很多，并且拷貝的數(shù)據也很大，這將是災難！

并發(fā)安全容器

最后再來談一下并發(fā)安全容器的使用，我就拿相對而言大家比較熟悉的 ConcurrentHashMap 來作為例子。我看新來的同事好像認為只要是使用并發(fā)安全容器一定就是線程安全了。其實不盡然，還得看怎么用。

我們先來看下以下的代碼，簡單的說就是利用 ConcurrentHashMap 來記錄每個人的工資，最多就記錄 100 個。

 

最終的結果都會超標，即 map 里面不僅僅只記錄了100個人。那怎么樣結果才會是對的？很簡單就是加個鎖。

 

看到這有人說，你這都加鎖了我還用啥 ConcurrentHashMap ，我 HashMap 加個鎖也能完事！是的你說的沒錯！因為當前我們的使用場景是復合型操作，也就是我們先拿 map 的 size 做了判斷，然后再執(zhí)行了 put 方法，ConcurrentHashMap 無法保證復合型的操作是線程安全的!

而 ConcurrentHashMap 合適只是用其暴露出來的線程安全的方法，而不是復合操作的情況下。比如以下代碼

 

當然，我這個例子不夠恰當其實，因為 ConcurrentHashMap 性能比 HashMap + 鎖高的原因在于分段鎖，需要多個 key 操作才能體現(xiàn)出來，不過我想突出的重點是使用的時候不能大意，不能純粹的認為用了就線程安全了。