为什么i++用volatile是存在线程安全问题的？

点击上方蓝色“后端面试那些事儿”，选择“设为星标”

学最好的别人，做最好的我们

从volatile说到i++的线程安全问题

简介

volatile关键字保证了在多线程环境下,被修饰的变量在别修改后会马上同步到主存,这样该线程对这个变量的修改就是对所有其他线程可见的,其他线程能够马上读到这个修改后值.

Thread的本地内存

• 每个Thread都拥有自己的线程存储空间

• Thread何时同步本地存储空间的数据到主存是不确定的

例子

借用Google JEREMY MANSON 的解释,上图表示两个线程并发执行,而且代码顺序上为Thread1->Thread2

1. 不用 volatile

假如ready字段不使用volatile,那么Thread 1对ready做出的修改对于Thread2来说未必是可见的,是否可见是不确定的.假如此时thread1 ready泄露了(leak through)了,那么Thread 2可以看见ready为true,但是有可能answer的改变并没有泄露,则thread2有可能会输出 0 (answer=42对thread2并不可见)

2. 使用 volatile

使用volatile以后,做了如下事情

• 每次修改volatile变量都会同步到主存中

• 每次读取volatile变量的值都强制从主存读取最新的值(强制JVM不可优化volatile变量,如JVM优化后变量读取会使用cpu缓存而不从主存中读取)

• 线程 A 中写入 volatile 变量之前可见的变量, 在线程 B 中读取该 volatile 变量以后, 线程 B 对其他在 A 中的可见变量也可见. 换句话说, 写 volatile 类似于退出同步块, 而读取 volatile 类似于进入同步块

所以如果使用了volatile,那么Thread2读取到的值为read=>true,answer=>42,当然使用volatile的同时也会增加性能开销

注意

volatile并不能保证非源自性操作的多线程安全问题得到解决,volatile解决的是多线程间共享变量的可见性问题,而例如多线程的i++,++i,依然还是会存在多线程问题,它是无法解决了.如下:使用一个线程i++,另一个i--,最终得到的结果不为0

public class VolatileTest {

private static volatile int count = 0;
private static final int times = Integer.MAX_VALUE;

public static void main(String[] args) {

long curTime = System.nanoTime();

Thread decThread = new DecThread();
decThread.start();

// 使用run()来运行结果为0,原因是单线程执行不会有线程安全问题
// new DecThread().run();

System.out.println("Start thread: " + Thread.currentThread() + " i++");

for (int i = 0; i < times; i++) {
count++;
}

System.out.println("End thread: " + Thread.currentThread() + " i--");

// 等待decThread结束
while (decThread.isAlive());

long duration = System.nanoTime() - curTime;
System.out.println("Result: " + count);
System.out.format("Duration: %.2fs\n", duration / 1.0e9);
}

private static class DecThread extends Thread {

@Override
public void run() {
System.out.println("Start thread: " + Thread.currentThread() + " i--");
for (int i = 0; i < times; i++) {
count--;
}
System.out.println("End thread: " + Thread.currentThread() + " i--");
}
}
}

最后输出的结果是

Start thread: Thread[main,5,main] i++
Start thread: Thread[Thread-0,5,main] i--
End thread: Thread[main,5,main] i--
End thread: Thread[Thread-0,5,main] i--
Result: -460370604
Duration: 67.37s

原因是i++和++i并非原子操作,我们若查看字节码,会发现

void f1() { i++; }

的字节码如下

void f1();
Code:
0: aload_0
1: dup
2: getfield #2; //Field i:I
5: iconst_1
6: iadd
7: putfield #2; //Field i:I
10: return

可见i++执行了多部操作, 从变量i中读取读取i的值 -> 值+1 -> 将+1后的值写回i中,这样在多线程的时候执行情况就类似如下了

Thread1 Thread2
r1 = i; r3 = i;
r2 = r1 + 1; r4 = r3 + 1;

i = r2; i = r4;

这样会造成的问题就是 r1, r3读到的值都是 0, 最后两个线程都将 1 写入 i, 最后 i 等于 1, 但是却进行了两次自增操作

可知加了volatile和没加volatile都无法解决非原子操作的线程同步问题

线程同步问题的解决

Java提供了java.util.concurrent.atomic 包来提供线程安全的基本类型包装类,例子如下

package com.qunar.atomicinteger;

import java.util.concurrent.atomic.AtomicInteger;

/**
* @author zhenwei.liu created on 2013 13-9-2 下午10:18
* @version $Id$
*/
public class SafeTest {

private static AtomicInteger count = new AtomicInteger(0);
private static final int times = Integer.MAX_VALUE;

public static void main(String[] args) {

long curTime = System.nanoTime();

Thread decThread = new DecThread();
decThread.start();

// 使用run()来运行结果为0,原因是单线程执行不会有线程安全问题
// new DecThread().run();

System.out.println("Start thread: " + Thread.currentThread() + " i++");

for (int i = 0; i < times; i++) {
count.incrementAndGet();
}

// 等待decThread结束
while (decThread.isAlive());

long duration = System.nanoTime() - curTime;
System.out.println("Result: " + count);
System.out.format("Duration: %.2f\n", duration / 1.0e9);
}

private static class DecThread extends Thread {

@Override
public void run() {
System.out.println("Start thread: " + Thread.currentThread() + " i--");
for (int i = 0; i < times; i++) {
count.decrementAndGet();
}
System.out.println("End thread: " + Thread.currentThread() + " i--");
}
}
}

输出

Start thread: Thread[main,5,main] i++
Start thread: Thread[Thread-0,5,main] i--
End thread: Thread[Thread-0,5,main] i--
Result: 0
Duration: 105.15

结论

1. volatile解决了线程间共享变量的可见性问题

2. 使用volatile会增加性能开销

3. volatile并不能解决线程同步问题

4. 解决i++或者++i这样的线程同步问题需要使用synchronized或者AtomicXX系列的包装类,同时也会增加性能开销

往期推荐

一起进大厂，每日学干货

关注我，不迷路