計算機分為CPU、內存、硬盤等部分，我們運行中的程序也就是進程運行在內存中（當內存不足時可能被交換到位于硬盤的swap區）。
進程中包括數據區、代碼區，CPU將代碼指令和數據通過總線獲取到CPU中進行執行。
CPU中存在很多寄存器，CPU到寄存器的存取速度很快，但是寄存器的空間很小。內存的存取速度比寄存器慢，但是擁有更大的空間。
當內存訪問速度遠遠落后于CPU時，將導致系統執行速度受到內存速度的瓶頸限制，因此為了緩沖兩者間的速度差異，在直接增加了一些緩存。
緩存利用了局部性原理: CPU訪問存儲器時，無論是存取指令還是存取數據，所訪問的存儲單元都趨于聚集在一個較小的連續區域中。局部性又分為了時間局部性(一個數據在不久后還可能會被訪問)、空間局部性(一個數據附近的數據在不久后可能會被訪問到)、順序局部性（大部分代碼是順序執行的）。這樣在CPU和內存間增加緩存，來緩存剛使用到的數據，緩存的速度更快、相應的比內存空間小，能夠提高系統的性能。當前一般的計算機架構從CPU到外層依次為CPU-> 寄存器 -> L1 Cache -> C2 Cache -> L3Cache -> 主內存 -> 磁盤。越靠近CPU的越小速度越快。CPU訪問主內存的時間大概在80ns左右，而L1 Cache只需要約1ns。

CPU依靠多核來提高執行能力后，每個核都有自己的一級、二級緩存，這樣有帶來了緩存一致性問題，一些CPU通過緩存一致性協議來同步緩存間的數據的一致性，應用程序可以通過一些內存屏障等機制進行數據同步。

需要注意的是緩存中不存儲單個的項目，例如，不存儲單個值、單個指針，緩存由緩存行(Cache Line)組成（通常是64bytes），并且和內存中的一個位置對應。Java中一個long值占用8bytes，所以一個緩存行可以放8個long變量。
所以當我們訪問一個long數組時，獲取一個值后，其相鄰的值也被緩存到就近的緩存中，當我們迭代數組的時候就會很快速。

但是有一些情況可能比較糟糕，會造成緩存miss或頻繁緩存失效。
假設有一個head引用，并且在其之后有另一個tail引用。現在把head load到緩存的時候，tail也會被緩存起來。但是現在問題是head是有消費者線程控制寫入的，tail是由生產者控制寫入的，它們兩個可能不是一個線程，當更新head的時候，緩存值被更新、內存被更新，并且其他包含這個head的緩存行也要被失效來保證一致性。這樣情況導致的緩存失效問題叫做偽共享（false sharing)，因為每次訪問head的時候，也會得到tail。

解決方式

防止其他數據導致緩存失效的問題常用增加padding，叫做緩存行填充的方式來解決，例如在前后加上無用的數據。

? 1 2 3

? public long p1, p2, p3, p4, p5, p6, p7; private volatile long cursor; public long p8, p9, p10, p11, p12, p13, p14;

?

在32為平臺上, 一個對象 有4bytes的MarkWord, 4bytes指向類，這樣加起來128bytes就能夠防止偽共享問題了。
在Disrutpor就是用了這一方式，

? 1 2 3 4

? public final class RingBuffer<E> extends RingBufferFields<E> implements Cursored, EventSequencer<E>, EventSink<E> { public static final long INITIAL_CURSOR_VALUE = Sequence.INITIAL_VALUE; protected long p1, p2, p3, p4, p5, p6, p7;

JDK7的LinkedTransferQueue中也用到了padding

? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

? static final class PaddedAtomicReference<T> extends AtomicReference<T> { Object p0; Object p1; Object p2; Object p3; Object p4; Object p5; Object p6; Object p7; Object p8; Object p9; Object pa; Object pb; Object pc; Object pd; Object pe; PaddedAtomicReference(T r) { super(r); } }

?

值得注意的是，這些優化細節比較底層，并不一定能夠起作用，面對不同的編譯器、運行時和CPU都有可能有不同的優化。

關鍵點:
局部性。緩存。緩存一致性。

參考

• http://mechanitis.blogspot.com/2011/07/dissecting-disruptor-why-its-so-fast_22.html

from:?https://liuzhengyang.github.io/2017/04/13/false-sharing/?

總結

以上是生活随笔為你收集整理的伪共享的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。