1、物理机的并发问题
物理机遇到的并发问题与虚拟机中的情况有不少相似之处，首先多任务并发执行不仅仅只靠计算机“计算”就能完成，至少还与内存的交互、读取运算数据、存储运算数据结果等相关。
由于计算机的存储设备和处理器的运算速度有着几个数量级的差距，所以现代计算机系统都不得不加入一层读写速度尽可能接近处理器运算速度的高速缓存。基于高速缓存的存储交互很好的解决了处理器和内存的速度矛盾，但是也引入了新的问题：缓存一致性。在多个处理器系统中，当多个处理器都有自己高速缓存，而它们又共享同一主内存，将有可能导致缓存的数据不一致问题。*那同步到主内存以谁的缓存数据为主呢？*为了解决一致性问题，在读写时需要遵守一些协议，例如：MSI、MESI、MOSI、 Synapse、 Firefly等等。
2、Java内存模型
2.1、主内存和工作内存
Java内存模型的主要目标是定义程序中各个变量的访问规则，即在虚拟机中将变量存储到内存和从内存中取出变量这样的底层细节。此处的变量包括：实例字段、静态字段和构成数组对象的元素。但是不包括局部变量和方法参数，因为后者是线程私有的，不被共享，自然就不存在竞争问题。
Java内存模型规定了所有变量都存储在主内存中（类比硬件的主内存，此处仅是虚拟机内存的一部分），每条线程还有自己的工作内存（类比之前的处理器高速缓存），线程中的工作内存保存了被该线程使用到的变量的主内存的拷贝副本,线程对变量的所有操作（读取、赋值等）都必须在工作内存中进行，而不能直接读写主内存中的变量。不同线程之间也无法直接访问对方工作内存中的变量，线程间变量值的传递均需要通过主内存来完成。线程、主内存、工作内存之间的关系如图所示：
2.2、内存间交互操作
关于一个变量如何从主内存拷贝到工作内存、如何从工作内存同步回主内存之类的实现细节，Java内存模型中定义了八种操作来完成：
1、lock：作用于主内存的变量，它把一个变量标识为一条线程独占的状态。
2、unlock：作用于主内存的变量，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：作用于主内存的变量，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：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中变量副本中。
5、use：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，每当虚拟机遇到一个需要使用到变量的字节码指令时会执行这个操作。
6、assign：作用于工作内存的变量，它把一个从执行引擎接收到的值赋值给工作内存的变量，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:作用于工作内存的变量，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：作用于主内存的变量，它把store操作从工作内存中得到的变量的值放入主内存的变量中。
除此之外，Java内存模型还规定了在执行上述八种基本操作时必须满足如下规则：
1、不允许read和load、store和write操作之一单独出现，即不允许一个变量从主内存读取了但工作内存不接受，或者从工作内存发起回写了但主内存不接受的情况出现。
2、不允许一个线程丢弃它的最近的assign操作，即变量在工作内存中改变了之后必须把变化同步回主内存。
3、不允许一个线程无原因的（没有发生过任何assign操作）把数据从线程的工作内存同步回主内存中。
4、一个新的变量只能在主内存中“诞生”，不允许在工作内存中直接使用一个未被初始化（load和assign）的变量，换句话说就是对一个变量实施use和store操作之前，必须先执行过了assign和load操作。
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、如果对一个变量执行lock操作，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和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，则不允许对它执行unlock操作，也不允许去unlock一个b被其他线程锁定住的变量。
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。
2.3 、对于volatile型变量的特殊规则
当一个变量被volatile定义之后，它将具备两个性质：第一是保证此变量对所有线程可见，这里的“可见性”是指当一条线程修改了这个变量的值，新值对于其他线程来说是可以立即得知的，而普通变量做不到这一点，变量值在线程间传递均需要通过主内存来完成。但是被volatile修饰的变量不能保证线程安全，因为当遇到非原子性操作时就会造成数据不一致的问题。
4、思考题
1、关于java线程内存模型还需要更深入研究。
138
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
