当前位置:首页 > 文章列表 > 文章 > java教程 > JMM解决哪些问题?深入解析Java内存模型

JMM解决哪些问题?深入解析Java内存模型

2026-05-08 15:06:45 0浏览 收藏
Java内存模型(JMM)是一套抽象的并发规则,而非物理内存结构,核心在于解决多线程环境下共享变量的可见性、有序性和原子性三大难题:它通过volatile、synchronized、happens-before等机制确保一个线程对变量的修改能及时被其他线程感知,防止指令重排序破坏逻辑正确性,并保障复合操作的不可分割性;更重要的是,JMM巧妙屏蔽了x86、ARM等不同CPU架构的内存一致性差异,让开发者只需遵循Java同步原语,就能写出跨平台行为一致、可预测的高并发代码——理解JMM,是写出真正线程安全程序的关键基石。

在Java中JMM解决了哪些问题_Java内存模型原理解析

JMM(Java内存模型)不是物理内存布局,而是一套抽象规则,专门用来解决多线程环境下共享变量访问的不确定性问题。它不负责分配堆或栈,而是定义线程如何读写共享变量、何时能看到彼此的修改、以及操作顺序如何被保障。

可见性:为什么改了别人看不见?

每个线程都有自己的工作内存(可理解为CPU缓存的抽象),从主内存复制变量副本后操作。线程A改了值但没及时刷回主内存,线程B还在用旧副本——这就导致“改了却看不到”。比如 flag = false 的循环可能永远不退出。

  • volatile 关键字强制每次读都从主内存加载,每次写都立即刷新到主内存
  • synchronized 块结束时,会把工作内存中所有共享变量同步回主内存
  • 锁的获取动作也会清空本地缓存,强制重新读取主内存最新值

有序性:代码明明这么写的,为啥执行顺序乱了?

编译器和CPU为了性能,可能调整指令顺序(如把无关的读操作提前)。单线程下没问题,但多线程中可能导致 a=1; y=b 和 b=1; x=a 这类逻辑错乱,出现 x=0, y=0 的结果。

  • volatile 写操作前后插入写屏障,读操作前后插入读屏障,禁止重排序跨越屏障
  • happens-before 规则提供语义保证:比如监视器锁的解锁 happens-before 后续加锁,确保解锁前的写对后续加锁线程可见
  • final 字段的初始化完成 happens-before 构造方法结束,防止对象逸出时看到未初始化状态

原子性:i++ 看似简单,为何不是“一步到位”?

i++ 实际分三步:读 i、算 i+1、写回 i。两个线程同时做,可能都读到 1,都算出 2,最终只加了一次。这就是非原子操作引发的数据竞争。

  • synchronized 或 ReentrantLock 可将多个操作包裹成临界区,实现整体原子性
  • AtomicInteger 等原子类基于 CAS(Compare-And-Swap)指令,在硬件层面保证读-改-写不被中断
  • long 和 double 的非 volatile 读写在32位JVM上甚至可能“撕裂”,即高低32位分两次写入

统一跨平台行为:x86 和 ARM 怎么做到一致?

不同CPU架构的内存一致性模型差异很大(如x86较严格,ARM/PowerPC更宽松)。JMM屏蔽底层差异,为Java程序员提供统一的并发语义——只要遵守JMM规则(如用volatile、synchronized),代码在任何平台表现一致。

  • JMM通过定义8种原子内存操作(read/load/use/assign/store/write/lock/unlock)约束JVM实现
  • 这些操作映射到底层时,JVM会按目标平台特性插入合适的内存屏障(如x86的mfence、ARM的dmb)
  • 开发者无需关心CPU指令,只需使用Java提供的同步原语即可获得可预测行为

今天关于《JMM解决哪些问题?深入解析Java内存模型》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

漫蛙漫画官网正版免费阅读平台漫蛙漫画官网正版免费阅读平台
上一篇
漫蛙漫画官网正版免费阅读平台
Promise.withResolvers简化异步流程设计
下一篇
Promise.withResolvers简化异步流程设计
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    266次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    318次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    303次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    275次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    94次使用