Java内存模型核心:happens before规则详解
2026-05-21 11:37:14
0浏览
收藏
Java内存模型中的happens-before规则并非描述实际执行的时间先后,而是一套严格的可见性契约,它决定了“一个操作的结果必须对另一个操作可见”的前提条件;文章深入剖析了最常用的四条核心规则——程序顺序、监视器锁、volatile变量、线程启动/终止,揭示它们如何在日常并发编程中默默构建安全的内存访问链,并一针见血地指出:90%的线程安全问题源于happens-before链条意外断裂——比如误以为volatile写能自动保证其他变量的可见性,或忽视锁与volatile背后隐式的内存屏障机制;真正考验开发者功力的,不是背诵规则,而是精准识别跨方法、跨类逻辑中那条缺失的关键可见性连接。

happens-before 不是时间先后,而是可见性契约
你写 x = 1 在前、flag = true 在后,不代表其他线程一定能先看到 x 的值——除非它们之间存在 happens-before 关系。JMM 不保证物理执行顺序,只保证:如果 A happens-before B,那么 A 对共享变量的修改,对 B 一定可见;且 JVM 和 CPU 不会做破坏这个语义的重排序。
- 它不是“谁先跑完”,而是“谁的结果必须被谁看见”
- 没有 happens-before,读操作可能看到未初始化的值、旧值,甚至“半构造对象”
- 编译器可以重排
int a = 1; int b = 2;,但绝不能把b = a + 1提到a = 1前面——因为程序顺序规则强制了这个 happens-before
最常用的四条规则,直接决定你代码是否线程安全
不用背全八条,日常开发里真正高频起作用的是这四条,每一条都对应一个典型同步手段:
- 程序顺序规则:同一线程内,
a = 1happens-beforeb = a + 1—— 单线程永远可靠,但跨线程不传递 - 监视器锁规则:线程 A 退出
synchronized(lock),和线程 B 进入同一synchronized(lock)构成 happens-before —— 锁不仅是互斥,更是内存屏障 - volatile 变量规则:
ready = true(写 volatile) happens-before 后续任意线程的if (ready)(读 volatile)—— 这是发布-订阅模式的底层依据 - 线程启动/终止规则:主线程调用
thread.start()之前的所有操作,happens-before 子线程的任意操作;子线程所有操作 happens-before 主线程thread.join()返回 —— 所以你能放心在join()后读子线程写过的普通变量
为什么加了 volatile 还读不到最新值?常见断链点
volatile 只保障“对它的写 happens-before 对它的读”,不自动延伸到其他变量。这是最多人栽跟头的地方:
- 错误写法:
data = 42; ready = true;(data是普通变量)→ready是 volatile,但data的写和后续读之间没有 happens-before - 正确写法:必须让读端也依赖
ready的读,比如if (ready) { System.out.println(data); }—— 此时 volatile 读建立了与前面所有写(含data = 42)的传递性链 - 更隐蔽的坑:两个 volatile 变量之间无自动关联,
v1 = true和v2 = false并不构成 happens-before,除非你用传递性手动串起来
用锁或 volatile 时,别漏掉“隐式屏障”的副作用
synchronized 和 volatile 不仅提供可见性,还禁止特定方向的重排序,这是它们能建立 happens-before 的底层机制:
synchronized块入口插入 load-load / load-store 屏障,出口插入 store-store / load-store 屏障volatile写插入 store-store + store-load 屏障,读插入 load-load + load-store 屏障- 这意味着:即使你没显式读写某个变量,只要它在临界区里被修改,也会被强制刷出;只要你在 volatile 读之后访问某变量,就一定能见到该读操作之前所有已发生的写
真正难的不是记住规则,而是识别哪两个操作之间缺了那条 happens-before 链——尤其当逻辑分散在多个方法、多个类里时,链一断,bug 就藏得极深。
终于介绍完啦!小伙伴们,这篇关于《Java内存模型核心:happens before规则详解》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!
Go 解析 Dropbox 文件时间戳方法
- 上一篇
- Go 解析 Dropbox 文件时间戳方法
- 下一篇
- 拼多多开店被骗,如何追回损失?
查看更多
最新文章
-
- 文章 · java教程 | 17小时前 | Java · ServiceLoader module-info.java Java模块
- Java 模块服务加载的可选实现与回退路径
- 363浏览 收藏
-
- 文章 · java教程 | 18小时前 |
- Java VarHandle 内存序选择与可见性验证
- 226浏览 收藏
-
- 文章 · java教程 | 19小时前 | 并发 · Java · CompletableFuture · java 异步编程 completablefuture CompletionStage minimalCompletionStage
- Java CompletableFuture minimalCompletionStage 限制下游控制
- 219浏览 收藏
-
- 文章 · java教程 | 20小时前 |
- Java JFR 事件流定位短时延迟尖峰
- 213浏览 收藏
-
- 文章 · java教程 | 21小时前 |
- Java Record 序列化兼容字段演进方案
- 483浏览 收藏
-
- 文章 · java教程 | 22小时前 |
- Java ServiceLoader 隔离模块化插件实现
- 414浏览 收藏
-
- 文章 · java教程 | 22小时前 |
- Java Pattern Matching switch 处理密封层级
- 189浏览 收藏
-
- 文章 · java教程 | 23小时前 | Stream · Java教程 · java Stream Collector Collectors.teeing 统计汇总
- Java Collectors.teeing 汇总两条统计管道
- 385浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Foreign Function Memory API 管理本地内存生命周期
- 385浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java StampedLock 乐观读校验失败的回退方式
- 165浏览 收藏
-
- 文章 · java教程 | 1天前 | 异常处理 · 并发编程 · Java教程 · StructuredTaskScope Java Structured Concurrency Joiner allUntil 子任务异常 聚合异常
- Java Structured Concurrency 汇总子任务异常
- 260浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java ForkJoinPool asyncMode 调整任务队列顺序
- 121浏览 收藏
查看更多
课程推荐
-
- 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
- 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
- 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
- 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
- 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
- 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。
- 418次使用
-
- 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。
- 500次使用
-
- 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。
- 507次使用
-
- 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。
- 454次使用
-
- 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。
- 282次使用
查看更多
相关文章
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览

