这部分内容,跟并发有关
我们知道,多任务处理,在现代操作系统几乎是必备功能。让计算机同时去做几件事情,不仅因为CPU运算能力太强大了,还有一个重要原因,CPU的运算速度远远高于它的存储和通信子系统的速度,大量时间耗费在磁盘I/O,网络I/O,数据库访问
虚拟机层面,如何实现多线程,多线程之间因数据共享或竞争而引发的一系列问题及解决方案
物理机中的并发–硬件效率与一致性
物理机遇到的并发与虚拟机中的情况,有不少相似之处,再扩展到分布式系统,我发现,其实也有不少相似之处。这之间有许多值得玩味的地方。
让计算机并发执行多个运算任务
这里面,不可能仅仅靠CPU计算就搞定的。CPU至少要跟内存交互,读取运算数据,存储运算结果,这个IO很难消除。当然,也无法仅仅靠CPU内的寄存器完成所有运算任务
CPU与存储设备之间的运算速度有几个数量级的差距,所以现代计算机系统都不得不加入一层读写尽可能接近CPU速度的高速缓存(Cache),作为内存与CPU间的缓冲。将运算需要的数据复制到缓冲,让运算快速进行,完后将缓存同步到内存。如此,CPU就无需等待缓慢的内存读写
在速度差距很大时,利用缓存来缓冲,用空间换时间;但同时会带来数据同步问题
引入了缓存一致性(Cache Coherence)问题
多核处理器里,每个CPU都有自己的高速缓存(一级、二级、三级),而它们又共享同一主内存。
当多个CPU的运算任务都涉及同一块主内存区域,可能导致各自的缓存数据不一致;数据同步回主存时,以谁的缓存数据为准呢?
为解决一致性问题,需要CPU访问缓存时都遵循一些协议,读写时,根据操作协议来。如MSI、MESI、MOSI、Synapse、Firefly、Dragon、Protocol
内存模型: 可以理解为,在特定操作协议下,对特定的内存或高速缓存进