c++11 多线程 顺序执行_【工程经验系列】c++11与内存模型

在多核CPU时代，多线程成为一种更高效的编程方式，为了更好的利用多线程编程，我们有必要了解和学习linux内存模型。

1 Linux中的cache

讲cache之前，简单了解一下程序是怎么在机器运行的， linux环境下程序是运行在 RAM之中(默认都知道啊)，RAM 就是所谓的DDR，称之为main memory(主存)。当我们在Linux环境下启动一个线程时，操作系统会进行调度，从磁盘中将可执行文件加载到主存中，然后开始运行程序，这个运行过程中会涉及到主存和CPU之间交互，为了方便叙述，我们用一个简单的例子说明这个程序执行过程，代码如下：

int a=0;a=a+1;

如果CPU需要将一个变量a(因为实际是内存操作，我们假设地址是A啊)加1，一般分为以下3个步骤：

1. CPU 从主存中读取地址A的数据到内部通用寄存器 x0。
2. 通用寄存器 x0 加1。
3. CPU 将通用寄存器 x0 的值写入主存。

整个过程如下图所示：

图1

上图显示的只是一个理想过程，理想是丰满的，但是现实是骨感的啊，其实现实中，CPU通用寄存器的速度和主存之间存在着太大的差异。两者之间的速度差距很大，CPU register的速度一般小于1ns，主存的速度一般是65ns左右。速度差异近百倍啊。因此，上面举例的3个步骤中，步骤1和步骤3实际上速度很慢。当CPU试图从主存中load/store 操作时，由于主存的速度限制，CPU不得不等待这漫长的65ns时间。所以为了提升处理效率，我们有必要提升主存的速度，出于成本和效率考虑，人们考虑在cpu与主存之间加入缓存在硬件上，我们将cache放置在CPU和主存之间，作为主存数据的缓存。当CPU试图从主存中load/store数据的时候， CPU会首先从cache中查找对应地址的数据是否缓存在cache中。如果数据缓存在cache中，直接从cache中拿到数据并返回给CPU。当存在cache的时候，程序运行流程如下：

图2

有没有感觉redis就是和这玩意差不多呢，事实上cache的花样很多，上图只是一个简单模式，事实上现代多核CPU都长成下图这样：

图3

但是，这就满足人们对性能的追求了吗？并没有。为了进一步提升性能，引入多级cache。前面提到的cache，称之为L1 cache(第一级cache)。我们在L1 cache 后面连接L2 cache，在L2 cache 和主存之间连接L3 cache。等级越高，速度越慢，容量越大，每个CPU也都有自己内部才能访问的缓存，结构变成了图3所示的这个样子啊,执行如下：

• 有多个CPU处理器，每个CPU处理器内部又有多个核心。
• 存在只能被一个CPU核心访问的L1 cache。
• 存在只能被一个CPU处理器的多个核心访问的L2 cache。
• 存在能被所有CPU处理器都能访问到的L3 cache以及内存。
• L1 cache、L2 cache、L3 cache的容量空间依次变大，但是访问速度依次变慢。

写到这你可能在想，这个缓存的结构和我们写c++代码有啥关系呢？我们考虑一种c++多线程的情况，不同的线程在不同核心运行时，这些缓存的存在会给数据同步带来挑战，当CPU结构发生变化，增加了只能由内部才能访问的缓存之后，一些在旧架构上不会出现的问题，在新的架构上就会出现。而本篇的主角内存模型(memory model)，其作用就是规定了各种不同的访问共享内存的方式，不同的内存模型，既需要编译器的支持，也需要硬件CPU的支持。

2 从c++多线程访问数据开始

我们从一个c++多线程处理数据开始引入多线程数据同步问题：

#include#include #include #include  int A,B; void FuncA(){
         A=1;    std::cout<} void FuncB(){
         B=2;    std::cout<} int main(){
         A=0;    B=0;    std::thread thread1(FuncA);    std::thread thread2(FuncB);    thread1.join();    thread2.join();    return 0; }

上图的程序主要做了这样的实验，程序执行之前，A=B=0，有两个线程同时分别执行如下的代码：

线程1(thread1)	线程2(thread2)