佔小狼 轉載請註明原創出處，謝謝！
前言
Java中volatile這個熱門的關鍵字，在面試中經常會被提及，在各種技術交流群中也經常被討論，但似乎討論不出一個完美的結果，帶著種種疑惑，準備從JVM、C++、彙編的角度重新梳理一遍。
volatile的兩大特性：禁止重排序、記憶體可見性，這兩個概念，不太清楚的同學可以看這篇文章 -> java volatile關鍵字解惑
概念是知道了，但還是很迷糊，它們到底是如何實現的？
本文會涉及到一些彙編方面的內容，如果多看幾遍，應該能看懂。
重排序
為了理解重排序，先看一段簡單的程式碼
public class VolatileTest {
int a = 0;
int b = 0;
public void set() {
a = 1;
b = 1;
}
public void loop() {
while (b == 0) continue;
if (a == 1) {
System.out.println("i`m here");
} else {
System.out.println("what`s wrong");
}
}
}
複製程式碼VolatileTest類有兩個方法，分別是set()和loop()，假設執行緒B執行loop方法，執行緒A執行set方法，會得到什麼結果？
答案是不確定，因為這裡涉及到了編譯器的重排序和CPU指令的重排序。
編譯器重排序
編譯器在不改變單執行緒語義的前提下，為了提高程式的執行速度，可以對位元組碼指令進行重新排序，所以程式碼中a、b的賦值順序，被編譯之後可能就變成了先設定b，再設定a。
因為對於執行緒A來說，先設定哪個，都不影響自身的結果。
CPU指令重排序
CPU指令重排序又是怎麼回事？
在深入理解之前，先看看x86的cpu快取結構。
1、各種暫存器，用來儲存本地變數和函式引數，訪問一次需要1cycle，耗時小於1ns；
2、L1 Cache，一級快取，本地core的快取，分成32K的資料快取L1d和32k指令快取L1i，訪問L1需要3cycles，耗時大約1ns；
3、L2 Cache，二級快取，本地core的快取，被設計為L1快取與共享的L3快取之間的緩衝，大小為256K，訪問L2需要12cycles，耗時大約3ns；
4、L3 Cache，三級快取，在同插槽的所有core共享L3快取，分為多個2M的段，訪問L3需要38cycles，耗時大約12ns；
當然了，還有平時熟知的DRAM，訪問記憶體一般需要65ns，所以CPU訪問一次記憶體和快取比較起來顯得很慢。
對於不同插槽的CPU，L1和L2的資料並不共享，一般通過MESI協議保證Cache的一致性，但需要付出代價。
在MESI協議中，每個Cache line有4種狀態，分別是：
1、M(Modified)
這行資料有效，但是被修改了，和記憶體中的資料不一致，資料只存在於本Cache中
2、E(Exclusive)
這行資料有效，和記憶體中的資料一致，資料只存在於本Cache中
3、S(Shared)
這行資料有效，和記憶體中的資料一致，資料分佈在很多Cache中
4、I(Invalid)
這行資料無效
每個Core的Cache控制器不僅知道自己的讀寫操作，也監聽其它Cache的讀寫操作，假如有4個Core：
1、Core1從記憶體中載入了變數X，值為10，這時Core1中快取變數X的cache line的狀態是E；
2、Core2也從記憶體中載入了變數X，這時Core1和Core2快取變數X的cache line狀態轉化成S；
3、Core3也從記憶體中載入了變數X，然後把X設定成了20，這時Core3中快取變數X的cache line狀態轉化成M，其它Core對應的cache line變成I（無效）
當然了，不同的處理器內部細節也是不一樣的，比如Intel的core i7處理器使用從MESI中演化出的MESIF協議，F(Forward)從Share中演化而來，一個cache line如果是F狀態，可以把資料直接傳給其它核心，這裡就不糾結了。
CPU在cache line狀態的轉化期間是阻塞的，經過長時間的優化，在暫存器和L1快取之間新增了LoadBuffer、StoreBuffer來降低阻塞時間，LoadBuffer、StoreBuffer，合稱排序緩衝(Memoryordering Buffers (MOB))，Load緩衝64長度，store緩衝36長度，Buffer與L1進行資料傳輸時，CPU無須等待。
1、CPU執行load讀資料時，把讀請求放到LoadBuffer，這樣就不用等待其它CPU響應，先進行下面操作，稍後再處理這個讀請求的結果。
2、CPU執行store寫資料時，把資料寫到StoreBuffer中，待到某個適合的時間點，把StoreBuffer的資料刷到主存中。
因為StoreBuffer的存在，CPU在寫資料時，真實資料並不會立即表現到記憶體中，所以對於其它CPU是不可見的；同樣的道理，LoadBuffer中的請求也無法拿到其它CPU設定的最新資料；
由於StoreBuffer和LoadBuffer是非同步執行的，所以在外面看來，先寫後讀，還是先讀後寫，沒有嚴格的固定順序。
記憶體可見性如何實現
從上面的分析可以看出，其實是CPU執行load、store資料時的非同步性，造成了不同CPU之間的記憶體不可見，那麼如何做到CPU在load的時候可以拿到最新資料呢？
設定volatile變數
寫一段簡單的java程式碼，宣告一個volatile變數，並賦值
public class VolatileTest {
static volatile int i;
public static void main(String[] args){
i = 10;
}
}
複製程式碼這段程式碼本身沒什麼意義，只是想看看加了volatile之後，編譯出來的位元組碼有什麼不同，執行 javap -verbose VolatileTest 之後，結果如下：
讓人很失望，沒有找類似關鍵字synchronize編譯之後的位元組碼指令（monitorenter、monitorexit），volatile編譯之後的賦值指令putstatic沒有什麼不同，唯一不同是變數i的修飾flags多了一個ACC_VOLATILE標識。
不過，我覺得可以從這個標識入手，先全域性搜下ACC_VOLATILE，無從下手的時候，先看看關鍵字在哪裡被使用了，果然在accessFlags.hpp檔案中找到類似的名字。
通過is_volatile()可以判斷一個變數是否被volatile修飾，然後再全域性搜”is_volatile”被使用的地方，最後在bytecodeInterpreter.cpp檔案中，找到putstatic位元組碼指令的直譯器實現，裡面有is_volatile()方法。
當然了，在正常執行時，並不會走這段邏輯，都是直接執行位元組碼對應的機器碼指令，這段程式碼可以在debug的時候使用，不過最終邏輯是一樣的。
其中cache變數是java程式碼中變數i在常量池快取中的一個例項，因為變數i被volatile修飾，所以cache->is_volatile()為真，給變數i的賦值操作由release_int_field_put方法實現。
再來看看release_int_field_put方法
內部的賦值動作被包了一層，OrderAccess::release_store究竟做了魔法，可以讓其它執行緒讀到變數i的最新值。
奇怪，在OrderAccess::release_store的實現中，第一個引數強制加了一個volatile，很明顯，這是c/c++的關鍵字。
c/c++中的volatile關鍵字，用來修飾變數，通常用於語言級別的 memory barrier，在”The C++ Programming Language”中，對volatile的描述如下：
A volatile specifier is a hint to a compiler that an object may change its value in ways not specified by the language so that aggressive optimizations must be avoided.
volatile是一種型別修飾符，被volatile宣告的變數表示隨時可能發生變化，每次使用時，都必須從變數i對應的記憶體地址讀取，編譯器對操作該變數的程式碼不再進行優化，下面寫兩段簡單的c/c++程式碼驗證一下
#include <iostream>
int foo = 10;
int a = 1;
int main(int argc, const char * argv[]) {
// insert code here...
a = 2;
a = foo + 10;
int b = a + 20;
return b;
}
複製程式碼程式碼中的變數i其實是無效的，執行g++ -S -O2 main.cpp得到編譯之後的彙編程式碼如下：
可以發現，在生成的彙編程式碼中，對變數a的一些無效負責操作果然都被優化掉了，如果在宣告變數a時加上volatile
#include <iostream>
int foo = 10;
volatile int a = 1;
int main(int argc, const char * argv[]) {
// insert code here...
a = 2;
a = foo + 10;
int b = a + 20;
return b;
}
複製程式碼再次生成彙編程式碼如下：
和第一次比較，有以下不同：
1、對變數a賦值2的語句，也保留了下來，雖然是無效的動作，所以volatile關鍵字可以禁止指令優化，其實這裡發揮了編譯器屏障的作用；
編譯器屏障可以避免編譯器優化帶來的記憶體亂序訪問的問題，也可以手動在程式碼中插入編譯器屏障，比如下面的程式碼和加volatile關鍵字之後的效果是一樣
#include <iostream>
int foo = 10;
int a = 1;
int main(int argc, const char * argv[]) {
// insert code here...
a = 2;
__asm__ volatile ("" : : : "memory"); //編譯器屏障
a = foo + 10;
__asm__ volatile ("" : : : "memory");
int b = a + 20;
return b;
}
複製程式碼編譯之後，和上面類似
2、其中_a(%rip)是變數a的每次地址，通過movl $2, _a(%rip)可以把變數a所在的記憶體設定成2，關於RIP，可以檢視 x64下PIC的新定址方式：RIP相對定址
所以，每次對變數a的賦值，都會寫入到記憶體中；每次對變數的讀取，都會從記憶體中重新載入。
感覺有點跑偏了，讓我們回到JVM的程式碼中來。
執行完賦值操作後，緊接著執行OrderAccess::storeload()，這又是啥？
其實這就是經常會念叨的記憶體屏障，之前只知道念，卻不知道是如何實現的。從CPU快取結構分析中已經知道：一個load操作需要進入LoadBuffer，然後再去記憶體載入；一個store操作需要進入StoreBuffer，然後再寫入快取，這兩個操作都是非同步的，會導致不正確的指令重排序，所以在JVM中定義了一系列的記憶體屏障來指定指令的執行順序。
JVM中定義的記憶體屏障如下，JDK1.7的實現
1、loadload屏障（load1，loadload， load2）
2、loadstore屏障（load，loadstore， store）
這兩個屏障都通過acquire()方法實現
其中__asm__，表示彙編程式碼的開始。
volatile，之前分析過了，禁止編譯器對程式碼進行優化。
把這段指令編譯之後，發現沒有看懂….最後的”memory”是編譯器屏障的作用。
在LoadBuffer中插入該屏障，清空屏障之前的load操作，然後才能執行屏障之後的操作，可以保證load操作的資料在下個store指令之前準備好
3、storestore屏障（store1，storestore， store2）
通過”release()”方法實現：
在StoreBuffer中插入該屏障，清空屏障之前的store操作，然後才能執行屏障之後的store操作，保證store1寫入的資料在執行store2時對其它CPU可見。
4、storeload屏障（store，storeload， load）
對java中的volatile變數進行賦值之後，插入的就是這個屏障，通過”fence()”方法實現：
看到這個有沒有很興奮？
通過os::is_MP()先判斷是不是多核，如果只有一個CPU的話，就不存在這些問題了。
storeload屏障，完全由下面這些指令實現
__asm__ volatile ("lock; addl $0,0(%%rsp)" : : : "cc", "memory");
複製程式碼為了試驗這些指令到底有什麼用，我們再寫點c++程式碼編譯一下
#include <iostream>
int foo = 10;
int main(int argc, const char * argv[]) {
// insert code here...
volatile int a = foo + 10;
// __asm__ volatile ("lock; addl $0,0(%%rsp)" : : : "cc", "memory");
volatile int b = foo + 20;
return 0;
}
複製程式碼為了變數a和b不被編譯器優化掉，這裡使用了volatile進行修飾，編譯後的彙編指令如下：
從編譯後的程式碼可以發現，第二次使用foo變數時，沒有從記憶體重新載入，使用了暫存器的值。
把__asm__ volatile ***指令加上之後重新編譯
相比之前，這裡多了兩個指令，一個lock，一個addl。
lock指令的作用是：在執行lock後面指令時，會設定處理器的LOCK#訊號（這個訊號會鎖定匯流排，阻止其它CPU通過匯流排訪問記憶體，直到這些指令執行結束），這條指令的執行變成原子操作，之前的讀寫請求都不能越過lock指令進行重排，相當於一個記憶體屏障。
還有一個：第二次使用foo變數時，從記憶體中重新載入，保證可以拿到foo變數的最新值，這是由如下指令實現
__asm__ volatile ( : : : "cc", "memory");
複製程式碼同樣是編譯器屏障，通知編譯器重新生成載入指令(不可以從快取暫存器中取)。
讀取volatile變數
同樣在bytecodeInterpreter.cpp檔案中，找到getstatic位元組碼指令的直譯器實現。
通過obj->obj_field_acquire(field_offset)獲取變數值
最終通過OrderAccess::load_acquire實現
inline jint OrderAccess::load_acquire(volatile jint* p) { return *p; }
複製程式碼底層基於C++的volatile實現，因為volatile自帶了編譯器屏障的功能，總能拿到記憶體中的最新值。