缓存行 Cache line

最新推荐文章于 2022-08-27 21:49:58 发布

雪花雨点

最新推荐文章于 2022-08-27 21:49:58 发布

阅读量171

点赞数

分类专栏： jvm 文章标签：缓存 java

本文链接：https://blog.csdn.net/qq_21732851/article/details/119918311

版权

jvm 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文通过两个示例展示了缓存行对齐在多线程环境中的影响。T01_CacheLinePadding 示例中，由于变量x未进行缓存行对齐，导致两个线程在更新不同对象的x时产生伪共享，影响性能。而T02_CacheLinePadding 则通过填充避免了伪共享，提高了并发效率。通过对比运行时间，可以看出缓存行对齐对于多线程程序的性能提升显著。

摘要由CSDN通过智能技术生成

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

Cache line

Cache line

cache line
cpu读取内存指令默认是读取一行，大小为６４Byte。
位于同一缓存行的两个不同数据，被两个不同CPU锁定，产生互相影响的伪共享问题
public class T02_CacheLinePadding {
private static class Padding {
public volatile long p1, p2, p3, p4, p5, p6, p7;
}

private static class T extends Padding {
    public volatile long x = 0L;
}

public static T[] arr = new T[2];

static {
    arr[0] = new T();
    arr[1] = new T();
}

public static void main(String[] args) throws Exception {
    Thread t1 = new Thread(()->{
        for (long i = 0; i < 2; i++) {
            arr[0].x = i;
            System.out.println("1  " + i);
        }
    });

    Thread t2 = new Thread(()->{
        for (long i = 0; i < 2; i++) {
            arr[1].x = i;
            System.out.println("2  " + i);
        }
    });

    final long start = System.nanoTime();
    t1.start();
    t2.start();
    t1.join();
    t2.join();
    System.out.println((System.nanoTime() - start)/100_0000);
}

}

public class T01_CacheLinePadding {
private static class T {
public volatile long x = 0L;
}

public static T[] arr = new T[2];

static {
    arr[0] = new T();
    arr[1] = new T();
}

public static void main(String[] args) throws Exception {
    Thread t1 = new Thread(()->{
        for (long i = 0; i < 1000_0000L; i++) {
            arr[0].x = i;
        }
    });

    Thread t2 = new Thread(()->{
        for (long i = 0; i < 1000_0000L; i++) {
            arr[1].x = i;
        }
    });

    final long start = System.nanoTime();
    t1.start();
    t2.start();
    t1.join();
    t2.join();
    System.out.println((System.nanoTime() - start)/100_0000);
}

}
使用缓存行的对齐能够提高效率