关于Volatile的那点事

1. 为啥要使用Volatile?

通常我们在Java中给变量加上Volatile修饰,主要用途是使该变量具有可见性。因为在多线程的操作中,由于每个线程内部都会开辟一个内存空间,如果想让每个空间都可见该变量则需要给这个变量加在Volatile修饰,使变量变成共享变量。它也能避免 jvm 指令重排。

2. Volatile 实现原理?

在了解volatile原理之前,我们先了解一下cpu和主存,关于cpu的定义如下图:
cpu术语定义
知道cpu定义后,我们来看一下内存和cpu是怎么交互的,由于内存处理速度和cpu的处理速度差距太大,为了平衡两者之间的差距引入了cpu
缓存如下图:
cpu和内存的交互
知道内存和cpu的交互后,我们来解决一个问题 – volatile 关键字是如何实现变量可见性的呢,我们通过一段代码来展示如何实现可见性的:
Java 代码如下:
object = new Singleton(); // object 是 volatile 修饰的变量
转变成汇编代码:
在这里插入图片描述
我们发现通过volatile 修饰的变量进行写操作的时候会多出一段Lock 前缀指令,这段指令的用途主要有两点:

  1. 将当前的处理器缓存行写会系统内存
  2. 这个写回操作使其他cpu里面缓存该值的内存地址数据实效。
    我们来了解一下实现过程,Lock前缀指令在执行期间会给处理器发送一个LOCK#信号,处理器收到信号后会锁住cpu缓存并将变量写入主内存中。由于处理器使用嗅探技术确保它内存缓存,系统内存和其他处理器的缓存的数据在总线上保持一致。如果嗅探到有一个处理器来检测其他处理器打算写入内存地址,而这个地址是处于共享状态的,那么正在嗅探的处理器中缓存的内存地址将变成无效,下次访问的时候直接读取主存中的内存地址。

3. volatile 能实现可见性,但不能保证原子性

虽然volatile关键字能保证从主内存中直接获取被volatile修饰的变量,也能直接把volatile修饰的变量写入主内存中,但是这样也不能保证原子性。在多cpu的情况下,还是会出现线程不安全情况,比如:在多线程下,多个线程正在写入一个volatile变量,并正确的将值写入主内存中,如果新写入的值不是根据之前的值计算得到的,那么就不能保证数据原子性了。
除了上述写了还有一种情况:
在多线程中,递增一个volatile变量counter,通过volatile不足够解决问题,下面我们通过一个例子来解释:
你想象一下如果线程1读取值为0的变量counter将他写入cpu缓存中,递增这个变量counter将它变成1,没有将修改的值写入主内存中。线程2也能从主内存中读取到相同的变量counter,但是这个变量counter还是0,然后将变量counter写入cpu的缓存中,线程2也递增了这个变量counter为1,没有将值写入主内存中,这种情况如下图所示:
在这里插入图片描述
线程1和线程2现在不是同步的。上述结果原本应该是2,但是因为两个线程都没有把变量counter写入主内存,导致主内存的变量counter还是0,即使最终线程1和2将变量counter写入主内存也是错误的。

4. 怎么保证volatile原子性呢?

如果两个以上的线程对共享变量读写操作,使用volatile并不能解决问题。你需要使用 synchronized 来确保对变量读写操作使原子性的。不止可以通过synchronized锁解决这个问题,你也可以使用 java.util.concurrent package 下的一些原子数据,比如 AtomicLong,AtomicReference 还有其他一些。volatile关键字能保证在32和64位的变量运行。

5. volatile 性能考虑

读取和写入volatile变量会导致变量被读取或写入主存储器。读取和写入主内存比访问CPU缓存更昂贵。访问volatile变量也会阻止指令重新排序,这是一种正常的性能增强技术。因此,当您确实需要强制实施变量可见性时,应该只使用volatile变量。

6. 总结

主要讲了一些 volatile 的底层实现和如何保证volatile原子性,最后讲了一下 需要考虑一些 volatile 性能。
注意:使用 volatile 修饰的变量避免该变量计算需要依赖之前的值。

参考文档:
Java Volatile Keyword
聊聊并发(一)——深入分析 Volatile 的实现原理

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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