這篇文章簡單介紹下并發(fā)編程中一個(gè)重要的知識點(diǎn)：內(nèi)存模型。直接看這段代碼：

#include #include int x = 0;int y = 0; void func1() {  x = 100;  y = 2;} void func2() {  while (y == 2) {  std::cout << x << std::endl;  break;  }} int main() {  std::thread t1(func1);  std::thread t2(func2);  t1.join();  t2.join();}

大家猜一猜這段代碼會(huì)輸出什么？100嗎？絕大數(shù)時(shí)候會(huì)是100，但是也有極小概率會(huì)是0，理論上有輸出0的可能。這里涉及到內(nèi)存序（memory order）的知識點(diǎn)，在這之前，需要先了解下什么是改動(dòng)序列。在一個(gè)C++程序中，每個(gè)對象都具有一個(gè)改動(dòng)隊(duì)列，它由所有線程在對象上的全部寫操作構(gòu)成，變量的值會(huì)隨著時(shí)間推移形成一個(gè)序列，不同線程觀察同一個(gè)變量的序列，正常情況下是一致的，如果出現(xiàn)不一致，就說明出現(xiàn)了數(shù)據(jù)競爭線程不安全的問題。看圖，隨著時(shí)間的推移，一個(gè)變量可能做了圖中的改動(dòng)，產(chǎn)生了一個(gè)改動(dòng)序列，即（1,2,3,4,5,6,7,8,9,10），然而理論上來說，不同線程不能保證他們看見的是最新的值，比如同一時(shí)刻，線程a可能看見的是5，線程b可能看見的是4，線程c可能看見的是3，d是4，e是2。然后過了一段時(shí)間，可能變成了a(10)，b(4)，c(8)，d(6)，e(3)。每個(gè)線程看到的只會(huì)是序列中上一次看到的之后的值，不可能是之前的，時(shí)光不能倒流。
同理，如圖：如果有兩個(gè)變量，它們的改動(dòng)序列如圖，然而同一時(shí)刻，理論上可能不同線程看到的值不同。再回到上面那段代碼：

#include #include int x = 0;int y = 0;void func1() { x = 100; y = 2;}void func2() { while (y == 2) { std::cout << x << std::endl; break; }}int main() { std::thread t1(func1); std::thread t2(func2); t1.join(); t2.join();}

t1和t2線程看到的x和y值可能有（0，0）（0，2）（100，0）（100，2），所以上面的代碼運(yùn)行時(shí)，正常會(huì)輸出100，但是也有可能會(huì)輸出0。你可能會(huì)說，可得了吧，我測試了幾十萬次，輸出的都是100，從沒出現(xiàn)過0。是的，大概率都是100，這種現(xiàn)象只有理論上會(huì)出現(xiàn)，而且估計(jì)意外只會(huì)在內(nèi)存序相對寬松的Arm機(jī)器上會(huì)出現(xiàn)，正常的X86應(yīng)該不會(huì)出現(xiàn)這種問題。但我們寫代碼還是要往標(biāo)準(zhǔn)了寫。為什么會(huì)出現(xiàn)這種現(xiàn)象？因?yàn)榫幾g器有指令亂序的優(yōu)化。還是上面那段代碼：

int x = 0;int y = 0;void func() { x = 100; y = 2;}

函數(shù)func()中，按順序來看可能是先執(zhí)行x = 100再執(zhí)行y = 2，但實(shí)際情況可能不同，有可能編譯器會(huì)做一些指令重排序的優(yōu)化，真正優(yōu)化后的結(jié)果可能會(huì)是y = 2，再x = 100，重排序后再運(yùn)行，結(jié)果和順序執(zhí)行完全相同。（你可能會(huì)問，為什么要做這種優(yōu)化，先執(zhí)行誰后執(zhí)行誰都需要執(zhí)行，有意義嗎？文中我只是舉一個(gè)比較簡單的例子，可能這里沒有意義，但遇到真正復(fù)雜的代碼時(shí)指令重排序還是很有效的優(yōu)化策略，其實(shí)如果你學(xué)過計(jì)算機(jī)體系結(jié)構(gòu)就會(huì)知道，這種沒有任何依賴關(guān)系的指令是可以做并行優(yōu)化的，具體是什么術(shù)語我也記不起來了，好像是SIMD。）編譯器只會(huì)保證單線程環(huán)境下，優(yōu)化執(zhí)行的最終結(jié)果是一致的，所以這種優(yōu)化就會(huì)導(dǎo)致多線程情況下的數(shù)據(jù)沖突問題，比如上面的代碼：

void func1() { x = 100; y = 2;}void func2() { while (y == 2) { std::cout << x << std::endl; break; }}int main() { std::thread t1(func1); std::thread t2(func2); t1.join(); t2.join();}

由于執(zhí)行重排序的原因，無法保證另一個(gè)線程在執(zhí)行func2的時(shí)候，x和y的賦值順序，所以上面x的輸出，有可能是0，也有可能是100。這也就是為什么會(huì)出現(xiàn)上面介紹的改動(dòng)序列的原因。那怎么解決這種問題？肯定是要在某些情況下，禁止這種指令重排序。可以引入原子操作，我們可以把上面的x和y的定義改為：

std::atomic<int> x = 0;std::atomic<int> y = 0;

結(jié)果自然而然就會(huì)變得正常。為什么？因?yàn)镃++的atomic不僅僅是原子操作，它很重要的一點(diǎn)是可以禁止這種指令重排序。我們平時(shí)使用atomic可能都是這樣使用：

int value = x.load();x.store(100); 

但其實(shí)atomic的多數(shù)函數(shù)都是重載函數(shù)，它可以配置一些參數(shù)，這些參數(shù)就是內(nèi)存序的類型參數(shù)：

x.store(100, std::memory_order_relaxed);

C++里關(guān)于一共引入了6種內(nèi)存序的類型：

• memory_order_relaxexd：只有普通的原子性，沒有任何內(nèi)存次序的要求。
• memory_order_seq_cst：與代碼順序嚴(yán)格一致。
• memory_order_acquire：載入語義，當(dāng)前線程，load操作之后的讀寫操作不能被重排序到當(dāng)前指令前面。如果其它線程對此變量使用release的store操作，在當(dāng)前線程是可見的。
• memory_order_release：存儲(chǔ)語義，當(dāng)前線程，store操作之前的讀寫操作不能重排序到當(dāng)前指令后面，如果其它線程對此變量使用了acquire的load操作，當(dāng)前線程store之前的任何讀寫操作都對其它線程可見。
• memory_order_acq_rel：它等于acquire + release
• memory_order_consume：C++17中明確建議我們不使用此次序，以后會(huì)被廢棄掉，咱也就不糾結(jié)它了。

盡管有6種內(nèi)存序，但其實(shí)可簡單劃分為3種模式：

• 先后一致次序（Sequential Consistency Ordering）：這就是atomic默認(rèn)的內(nèi)存次序，它是最直觀、最符合直覺的內(nèi)存次序，所有關(guān)于此次序的實(shí)例，都嚴(yán)格保持先后順序，這種內(nèi)存模型無法重新編排次序，它要求在所有線程間進(jìn)行全局同步，因此也是代價(jià)最高的內(nèi)存次序。
• 寬松次序（Relaxed Ordering）：你可以理解為使用搭配這種次序的atomic，只有原子性，而對內(nèi)存次序沒有任何要求，指令重排序之類的優(yōu)化還是正常進(jìn)行。
• 獲取-釋放次序（Acquire-Release Ordering）：它比寬松次序嚴(yán)格一些，卻沒有先后一致次序那樣特別嚴(yán)格。在此次序模型中，載入（load）操作可以使用memory_order_acquire語義，存儲(chǔ)（store）可以使用memory_order_release語義，而讀-改-寫（fetch_add、exchange）可以使用memory_order_acq_rel語義。

所以，我們看下這段使用relaxed模型的代碼會(huì)不會(huì)觸發(fā)assert：

#include #include #include  std::atomic<bool> x, y;std::atomic<int> z; void write_x_then_y() {  x.store(true, std::memory_order_relaxed);  y.store(true, std::memory_order_relaxed); }  void read_y_then_x() {  while (!y.load(std::memory_order_relaxed))  ;  if (x.load(std::memory_order_relaxed))  ++z; }  int main() {  x = false;  y = false;  z = 0;  std::thread a(write_x_then_y);  std::thread b(read_y_then_x);  a.join();  b.join();  assert(z.load() != 0); } 

再看下使用acquire-release模型的代碼會(huì)不會(huì)觸發(fā)assert：

#include #include #include std::atomic<bool> x, y;std::atomic<int> z;void write_x_then_y() { x.store(true, std::memory_order_relaxed); y.store(true, std::memory_order_release);} void read_y_then_x() { while (!y.load(std::memory_order_acquire)) ; if (x.load(std::memory_order_relaxed)) ++z;} int main() { x = false; y = false; z = 0; std::thread a(write_x_then_y); std::thread b(read_y_then_x); a.join(); b.join(); assert(z.load() != 0);}

使用先后一致次序模型的代碼這里就不過多介紹了，atomic的默認(rèn)次序，肯定沒問題的。所以在我們平時(shí)開發(fā)過程中，普通開發(fā)者不用管那么多，使用默認(rèn)的atomic次序就行，資深程序員可以自由選用，充分利用更加細(xì)分的次序關(guān)系來提升性能，比如寫一個(gè)高性能的無鎖隊(duì)列。一般使用默認(rèn)的atomic足以，我估計(jì)大多數(shù)人寫的代碼，性能瓶頸一般都在業(yè)務(wù)邏輯上，而不是這種內(nèi)存模型上。這里還有個(gè)memory fence的概念，大體作用和上面介紹的類似，感興趣的可以自己了解一下哈。寫到這里，推薦大家看看這段無鎖隊(duì)列的代碼 https://github.com/taskflow/taskflow/blob/master/taskflow/core/tsq.hpp ，有助于理解C++的內(nèi)存模型。