并发编程之volatile关键字

本文深入解析了volatile关键字在解决线程间共享变量不可见性、禁止指令重排序及不具备原子性等方面的作用。通过实例展示了volatile如何确保多线程环境下变量的一致性和可见性,以及在指令重排序中提供安全保障。

在并发编程领域当中,volatile关键字经常被提到,实际项目中很少用到这个关键字。但对于某些并发场景volatile还是能解决规避一些问题的。
volatile关键字主要有以下两方面作用:

(一)解决线程间共享变量的不可见性。

计算机在处理程序时希望能得到更快的速度,因此在cpu中会有一些cache用来缓存计算的结果,以便下次使用时能快速获取。在单核cpu机器中cpu cache与内存都是所有程序共享的,不会出现数据不一致的情况,但在多核cpu的计算机当中,不同的线程可能会被不同的cpu执行,如果共享变量被cpu cache缓存下来的话,对于不是同一个cpu执行的线程来说是不可见的,因此会有多个变量副本,这就导致了同一个变量在不同线程中的值是不一致的问题。这个问题如何解决呢?如果在具有锁机制的程序当中也不会存在这样的问题,不同线程更新共享变量后会刷新到内存当中保证其他线程可见性。volatile就是具有这样的功能,带有volatiel关键字的变量会使cpu cache 当中的变量副本失效,把线程更新后的值更新到内存当中,线程读取volatile关键字的变量时不读取cpu cache副本,直接读取内存当前变量的值,使得程序执行跟我们期望的一致,共享变量只有一份(这部分内容跟计算机内存屏障机制相关)。计算不同线程中的共享变量会存在这样的问题,为什么我们实际使用当中很少遇到呢?这与程序计算的频率相关,如果一个操作数变量使用频率非常高,cpu才会将他缓存到 cache当中,来不及写入内存。例如下面这段代码

 Boolean flag = false;
    public void testVolatile(){

        new Thread() {
            @Override
            public void run() {
                while (!flag) {
                 
                }
            }
        }.start();
        try {
            Thread.sleep(100);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        flag = true;
        System.out.println(" 程序结束");
    }

你会惊奇的发现程序无法退出,程序无法退出原因在于while (!flag) {}这个语句,如果flag一直为false的话就会引发死循环导致程序无法退出,下面 flag = true 已经把flag值赋为true了,但while (!flag) {}所在的线程看不到主线程的flag值,这就是变量不同线程间的不可见性如果为flag加上volatile关键字 ,定义 volatile Boolean flag = false; 则程序可以正常退出,使用volatile关键字解决了变量不同线程间的不可见性。但如果在while (!flag) {}循环中加入一个输出语句,将程序改为如下

 Boolean flag = false;

   public void testVolatile() {

       new Thread() {
           @Override
           public void run() {
               while (!flag) {
                   System.out.println("0");
               }
           }
       }.start();
       try {
           Thread.sleep(100);
       } catch (InterruptedException e) {
           e.printStackTrace();
       }
       flag = true;
       System.out.println(" 程序结束");
   }

发现程序也是可以正常退出的,这个普通的不能再普通的输出语句是不具备任何解决变量线程间不可见性的。这只能说明添加了额外的逻辑后,flag操作数的使用频率达不到cpu需要缓存的频率,因此flag的读写都实时更新到了内存当中。因此不存在变量的线程间不可见问题。因此在实际的使用当中,除了极少数特殊情景(执行时间非常短,少于微妙)需要考虑变量线程间的不可见性外,一般具有业务逻辑的代码片段中不需要考虑。

(二)禁止指令重排序。

jvm对程序指令进行了优化,可能会对指令进行重排序,指令重排序必须保证单线程的执行结果与不重排序的一致。对于多线程间读取同一个操作数进行业务操作时,指令重排序有可能会引发逻辑错误。例如:
线程A:

content = initContent();    //(1)
isInit = true;              //(2)

线程B

while (isInit) {            //(3)
    content.operation();    //(4)
}

线程A (1)(2)操作没有数据依赖,实际执行时有可能会被重排序,如果先执行(2),这时候B线程的(3)判断成立进入循环,但content对象还未被实例化导致异常发生,对于使用volatile关键字修饰的变量的使用,jvm会禁止指令重排序,防止异常发生。

(三)volatile不具备原子性

在使用synchronized关键字或其他锁机制的程序代码片段中,代码片段中的操作是具有原子性的,例如 t++,volatile关键字只保证线程间的可见性,不保证多线程读写情况下的数据一致性,因此使用了volatile关键字的变量还是会面临过并发写场景下数据错误的问题,这通常通过锁机制来解决。

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值