java虚拟机-内存模型

本文深入解析Java内存模型,包括主内存与工作内存的概念,以及两者之间的交互操作。介绍Java内存模型如何确保原子性、有序性和可见性,并阐述了先行发生原则在并发控制中的应用。
一、什么是Java内存模型

java虚拟机规范中定义一种Java内存模型试图来屏蔽各种操作系统和硬件访问之间的差异,JKD1.5之后,Java内存模型已经逐渐完善起来。

二、主内存和工作内存

1、 Java内存模型中主要定义了程序中各个变量间的访问规则,即在虚拟机中将变量储存到内存和从内存中取出变量的底层细节。此处的变量主要是实例变量,静态字段已经数组元素,因为局部变量和方法参数是线程所私有的,不会被共享,也就不会存在竞争。
2、Java内存模型中规定了所有的变量都存储在主内存中,每条线程都有自己的工作内存,线程工作内存中保存了变量到主内存的副本拷贝,线程对变量所有的操作都必须在主工作内存中进行而不能直接读取主内存中的变量。线程之间变量的传递依靠主内存来完成。
线程之间关系交互图如下:
在这里插入图片描述

三、内存间交互操作
  1. Java内存模型主要有八种操作,每个操作都是原子性操作,如下:
    1、lock(锁定):作用于主内存中的变量,它把一个变量标识为一条线程独占的状态。
    2、unlock(解锁):作用于主内存中的变量,它把一个处于锁定状态的变量释放出来,释放后的变量才可以被其他线程锁定。
    3、read(读取):作用于主内存中的变量,它把一个变量的值从主内存传输到线程的工作内存中,以便随后的load动作使用。
    4、load(载入):作用于工作内存的变量,它把read操作从主内存中得到的变量值放入工作内存的变量副本中。
    5、use(使用):作用于工作内存的变量,它把工作内存中一个变量的值传递给执行引擎,没当虚拟机遇到一个需要使用到变量的值的字节码指令时将会执行这个操作。
    6、assign(赋值):作用于工作内存中的变量,它把一个从执行引擎接收到的值赋值给工作内存中的变量,每当虚拟机遇到一个给变量赋值的字节码指令时执行这个操作。
    7、store(存储):作用于工作内存中的变量,它把工作内存中一个变量的值传送到主内存中,以便随后的write操作使用。
    8、write(写入):作用于主内存中的变量,它把store操作从工作内存中得到的变量值放入主内存的变量中。

  2. 操作的顺序执行

    (1)如果要把一个变量从主内存中复制到工作内存,就需要按顺寻地执行以下两个操作:
    先有jvm执行read()操作,然后有线程的工作内存执行load()操作
    (2)相反如果需要把一个变量从工作内存中同步回主内存就需要顺序执行以下操作:
    先有工作内存执行store()操作,然后jvm执行write操作。

  3. java虚拟机规定执行八种基本操作是必须满足以下基本要求:
    1、不允许read()load(),store()write()之一操作单独出现
    2、不允许线程丢弃它最近的assign()操作,即赋值之后必须同步回主内存
    3、不允许一个线程无原因地把数据从线程的工作内存同步回主内存中。
    4、一个新的变量只能从主内存中诞生,不允许在工作内存中直接使用一个未被初始化(load或assign)的变量。
    5、一个变量在同一时刻只允许一条线程对其进行lock操作,但lock操作可以被同一条线程重复执行多次,多次执行lock后,只有执行相同次数的unlock操作,变量才会被解锁。
    6、如果对同一个变量执行lock操作,那将会清空工作内存中此变量的值,在执行引擎使用这个变量前,需要重新执行load或assign操作初始化变量的值。
    7、如果一个变量事先没有被lock操作锁定,那就不允许对它进行unlock操作,也不允许去unlock一个被其他线程锁定的变量。
    8、对一个变量执行unlock操作之前,必须先把此变量同步回主内存中。

4、volatile变量的规则

VM的基本操作每个都是原子性操作,但是原子操作之间可能会发生中断。当一个线程更改了共享变量的值,因为线程之间是私有,其他线程之间不能马上知道变量的更改。

在这里插入图片描述
volatile关键应该是Java中最轻量的同步机制,一个变量被volatile定义后具有以下两种特性:
1、保证变量的可见性,但是注意一点它并不能保证安全性
2、使用volatile关键字可以禁止指令的重排序。可以保证变量的赋值顺序和代码执行顺序一致。

五、原子性、有序性、可见性

Java内存模型围绕着并发过程中如何处理原子性、可见性和有序性这三个特征来建立的,来逐个看一下:

  1. 原子性:
    由Java内存模型来直接保证原子性变量操作包括read、load、assign、use、store、write,大致可以认为基本数据类型的访问读写是具备原子性的。如果应用场景需要一个更大的原子性保证,Java内存模型还提供了lock和unlock,尽管虚拟机没有把lock和unlock操作直接开放给用户使用,但是却提供了更高层次的字节码指令monitorenter和monitorexit来隐式地使用这两个操作,这两个字节码指令反映到Java代码中就是同步块----synchronized关键字。

  2. 可见性:
    可见性是指当一个线程修改了共享变量的值,其他线程能够立即得知这个修改。volatile其实已经详细写了这一点,其实synchronized关键字也是可以实现可见性的,synchronized的可见性是由"对一个变量执行unlock操作之前,必须先把此变量同步回主内存中"这条规则获得的。另外,final关键字也可以实现可见性,因为被final修饰的字段在构造器中一旦初始化完成,并且构造器没有把this传递出去,那在其他线程中就能看见final字段的值。

  3. 有序性:
    Java语言提供了volatile和synchronized两个关键字来保证线程之间操作的有序性,volatile关键字本身就包含了禁止指令重排序的语义,而synchronized则是由"一个变量在同一时刻只允许一条线程对其进行lock操作"这条规则获得的,这条规则规定了持有同一个锁的两个同步块只能串行地进入。

六、先行发生原则(happens—before)

1、 如果Java内存模型中所有的有序性都仅仅靠volatile和synchronized来完成,那么有一些操作将变得很繁琐,但是我们在编写Java代码时并未感觉到这一点,这是因为Java语言中有一个"先行发生(happens-before)"原则。这个原则非常重要,它是判断数据是否存在竞争、线程是否安全的主要依据,依靠这个原则,我们可以通过几条规则就判断出并发环境下两个操作之间是否可能存在冲突的问题。

2、所谓先行发生原则是指Java内存模型中定义的两项操作之间的偏序关系,如果说操作A先行发生于操作B,那么操作A产生的影响能够被操作b观察到,"影响"包括修改了内存中共享变量的值、发送了消息、调用了方法等。Java内存模型下有一些天然的,不需要任何同步协助器就已经存在的先行发生关系:

1、程序次序规则:在一个线程内,按照控制流顺序,控制流前面的操作先行发生于控制流后面的操作,说"控制流"是因为还要考虑到分支、循环结构。

2、管程锁定规则:一个unlock操作先行发生于后面对同一个锁的lock操作。

3、volatile变量规则:对一个volatile变量的写操作先行发生于后面对这个变量的读操作。

4、线程启动规则:Thread对象的start()方法先行发生于此线程的每一个动作。

5、线程终止规则:线程中的所有操作都先行发生于对此线程的终止检测。

6、线程中断规则:对线程interrupt()方法的调用先行发生于被中断线程的代码检测到中断事件的发生。

7、对象终结规则:一个对象的初始化完成先行发生于它的finalize()方法的开始。

8、传递新:如果操作A先行发生于操作B,操作B先行发生于操作C,那么操作A必然先行发生于操作C。

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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