并发编程（七）：volatile——从语言规则到 CPU

[0. 这一篇继续回答什么？](#0. 这一篇继续回答什么？)
[1. Java volatile 在语言层保证什么？](#1. Java volatile 在语言层保证什么？)
- [1.1 Visibility 和 Ordering](#1.1 Visibility 和 Ordering)
- [1.2 volatile 不能保证复合操作的 Atomicity](#1.2 volatile 不能保证复合操作的 Atomicity)
[2. HotSpot 如何实现 volatile？](#2. HotSpot 如何实现 volatile？)
- [2.1 分层](#2.1 分层)
- [2.2 一次 volatile write / read 的完整实现路径](#2.2 一次 volatile write / read 的完整实现路径)
- [2.3 Runtime / Language Implementation 层的两种保证](#2.3 Runtime / Language Implementation 层的两种保证)
  - [2.3.1 Visibility](#2.3.1 Visibility)
  - [2.3.2 Ordering](#2.3.2 Ordering)
- [2.4 Hardware 层的两种保证](#2.4 Hardware 层的两种保证)
[3. Go 和 CPython 为什么没有 Java volatile？](#3. Go 和 CPython 为什么没有 Java volatile？)
- [3.1 Go：这是语言设计选择](#3.1 Go：这是语言设计选择)
- [3.2 CPython：同步一直由 Runtime 承担](#3.2 CPython：同步一直由 Runtime 承担)
[4. volatile、Atomic 和 Mutex 的关系](#4. volatile、Atomic 和 Mutex 的关系)
[5. 下一篇：从 Mutex 到读写锁](#5. 下一篇：从 Mutex 到读写锁)

0. 这一篇继续回答什么？

前两篇从语言规则一路看到 CPU，解释了 Atomic 如何提供 Atomicity、Visibility 和 Ordering。

这一篇继续沿用同一条思路，只是对象换成 volatile。

volatile 不解决 counter++ 这样的复合更新。它更适合下面这种发布 / 观察关系：

text 复制代码

Thread A                         Thread B

counter = 1                     if (ready) {
ready = true                        print(counter)
                                }

我们希望保证：

如果 Thread B 已经读到 ready == true，那么随后读取 counter 时必须看到 1。

这一篇先从 Java 的语言规则解释为什么成立，再继续往下看 HotSpot 和 CPU 如何实现。

1. Java volatile 在语言层保证什么？

1.1 Visibility 和 Ordering

把 ready 声明为 volatile：

java 复制代码

int counter = 0;
volatile boolean ready = false;

// Thread A
counter = 1;
ready = true;

// Thread B
if (ready) {
    System.out.println(counter);
}

只有 ready 是 volatile，counter 仍然是普通变量。

JLS §17.4.4 规定：

"A write to a volatile variable v synchronizes-with all subsequent reads of v by any thread."

因此，如果 Thread B 的 volatile read 观察到了 Thread A 写入的 ready = true，就有：

text 复制代码

Thread A                              Thread B

counter = 1
    │
    │ program order
    ▼
volatile ready = true ── synchronizes-with ──► read volatile ready == true
                                                   │
                                                   │ program order
                                                   ▼
                                               read counter

再根据 happens-before 的传递性：

text 复制代码

write counter
    ↓ happens-before
write volatile ready
    ↓ synchronizes-with
read volatile ready
    ↓ happens-before
read counter

所以当 B 已经读到 ready == true 时，前面的 counter = 1 对 B 可见，并且不能再出现：

text 复制代码

ready == true
counter == 0

这里同时得到两个保证：

Visibility：A 在 volatile write 之前完成的写入，对随后观察到该 volatile write 的 B 可见；
Ordering：这些操作必须按照 happens-before 关系被观察，不能得到违反该顺序的结果。

1.2 volatile 不能保证复合操作的 Atomicity

例如：

java 复制代码

volatile int counter = 0;

counter++;

counter++ 仍然是一个 Read-Modify-Write：

text 复制代码

volatile read
      ↓
     add
      ↓
volatile write

volatile 可以约束这次读和写的可见性与顺序，但不能把整段 read → add → write 合成一次不可分割的更新。

多个线程同时执行时，仍然可能发生丢失更新。

如果需要原子的 RMW，应该使用 AtomicInteger、CAS 或 Mutex。

2. HotSpot 如何实现 volatile？

2.1 分层

和前面的 Mutex、Atomic 一样，先把实现层次固定下来：

text 复制代码

Java Source Code
实例：volatile boolean ready
作用：声明具有 volatile 内存语义的字段
        │
        ▼
JVM Bytecode
实例：getfield / putfield（或 getstatic / putstatic）
字段元数据：ACC_VOLATILE
作用：表达字段访问；volatile 属性来自字段元数据
        │
        ▼
JVM Implementation（HotSpot）
实例：field->is_volatile() / MO_SEQ_CST / MemBar
作用：保留并实现 volatile 的内存顺序语义
        │
        ▼
x86-64 Hardware
实例：Load / Store / Cache Coherence / Fence
作用：提供 Visibility 与 Ordering 的硬件基础

这里和 synchronized、AtomicInteger 都不一样：

text 复制代码

synchronized
  → 有 monitorenter / monitorexit 专用字节码

AtomicInteger
  → 普通 invokevirtual
  → 没有 Atomic 专用字节码

volatile
  → 仍然是 getfield / putfield
  → 没有 volatile load / store 专用字节码
  → volatile 属性记录在字段的 ACC_VOLATILE 元数据中

2.2 一次 volatile write / read 的完整实现路径

继续使用同一个 counter / ready 例子：

主流程里最重要的不是某一条固定机器指令，而是 HotSpot 必须识别 ready 是 volatile 字段，并把它的内存语义一直保留到目标架构。

2.3 Runtime / Language Implementation 层的两种保证

2.3.1 Visibility

HotSpot 在解析字段访问时会区分普通字段和 volatile 字段。当前 C2 路径中，volatile 字段访问会带上 MO_SEQ_CST 一类的内存顺序信息，而普通字段使用普通的无序访问语义。

可以抽象成：

text 复制代码

普通字段
  → ordinary load / store

volatile 字段
  → volatile load / store
  → 保留跨线程可观察的内存语义

也就是说，HotSpot 不能把 volatile 访问当作普通字段访问随意优化掉、合并或跨越必要的同步边界。

2.3.2 Ordering

HotSpot 还需要限制 volatile 前后的内存操作重排。

C2 的模型中可以看到典型的：

text 复制代码

volatile store
  ← MemBarRelease 等顺序约束

volatile load
  → MemBarAcquire 等顺序约束

对于 volatile store → volatile load 这类还需要更强顺序的场景，还要建立相应的 StoreLoad / volatile barrier 约束。

这些是 HotSpot 的中间表示和编译约束；经过优化后，不代表每个节点都会一一对应成独立的 CPU fence。

相关实现可以查看 OpenJDK 的 parse3.cpp、memnode.hpp 和 templateTable_x86.cpp。

2.4 Hardware 层的两种保证

继续向下，最终还是回到第一篇的两类硬件能力：

text 复制代码

Visibility
  → Cache Coherence
  → 让其他 CPU Core 不再长期使用已经失效的旧 Cache Line

Ordering
  → CPU Memory Ordering + Fence / 等价顺序约束
  → 保证 volatile 边界要求的内存访问顺序

在 x86-64 上，内存模型本身已经提供较强的顺序约束，所以很多 Acquire / Release 约束不需要额外生成一条硬件 fence。

真正需要 StoreLoad fence 时，HotSpot 的 Linux x86 路径可以使用：

asm 复制代码

lock; addl $0, 0(%rsp)

来建立 full fence 效果。

相关实现可以继续查看 OpenJDK 的 orderAccess_linux_x86.hpp。

3. Go 和 CPython 为什么没有 Java volatile？

Go 和 Python 都没有 Java 这种字段级 volatile 机制。原因不同，分别来看。

3.1 Go：这是语言设计选择

Effective Go 用一句话概括 Go 的并发设计：

"Do not communicate by sharing memory; instead, share memory by communicating."

这句话反映的是 Go 的设计取向：并发同步应该通过显式的并发原语表达，而不是通过字段修饰符隐式表达。

因此，Go 没有像 Java 那样提供字段级 volatile。同类问题交给 Channel、Mutex 和 Atomic 处理。

对于和 Java volatile 最接近的场景，Go 使用 sync/atomic。The Go Memory Model 明确写道：

"This definition provides the same semantics as C++'s sequentially consistent atomics and Java's volatile variables."

还是用前面的 counter / ready 例子：

go 复制代码

var counter int
var ready atomic.Bool

// Goroutine A
counter = 1
ready.Store(true)

// Goroutine B
if ready.Load() {
    fmt.Println(counter)
}

如果 ready.Load() 观察到 ready.Store(true)，那么两个 Atomic 操作之间建立 synchronized-before：

text 复制代码

Goroutine A                          Goroutine B

counter = 1
    │
    │ sequenced-before
    ▼
ready.Store(true) ── synchronized-before ──► ready.Load() == true
                                                 │
                                                 │ sequenced-before
                                                 ▼
                                             read counter

因此，当 B 读到 ready == true 时，前面的 counter = 1 对 B 可见。

3.2 CPython：同步一直由 Runtime 承担

Python 没有 Java volatile，核心原因不在语法，而在同步职责一直放在 CPython Runtime。

主要有两点。

1. 传统 CPython 通过 GIL 覆盖了大量 Visibility / Ordering 问题

CPython C API 文档写道：

"only a thread that holds the GIL may operate on Python objects or invoke Python's C API."

传统 CPython 中，大量 Python 对象操作都经过 GIL 串行化。

GIL 的释放与重新获取也是线程同步边界，因此它在实际效果上覆盖了很多 volatile 用来解决的 Visibility 和 Ordering 问题。

但两者不是同一个东西：

text 复制代码

Java volatile
  → 字段级语言语义

CPython GIL
  → Runtime 级同步机制

2. Free-threaded CPython 仍然选择 Runtime Lock + Atomic

GIL 可以关闭以后，CPython 也没有新增字段级 volatile。

PEP 703 的方案是：

"This PEP proposes using per-object locks..."

同时，Runtime 内部还会使用 Atomic 操作。

所以路线只是从：

text 复制代码

GIL

变成：

text 复制代码

Per-object Lock + Atomic

同步仍然留在 Runtime，没有上移成 Python 的字段级语言语义。

应用层需要发布 / 观察时，使用同步对象。Python 的 threading.Event 文档写道：

"one thread signals an event and other threads wait for it."

还是套回前面的 counter / ready：

python 复制代码

counter = 0
ready = threading.Event()

# Thread A
counter = 1
ready.set()

# Thread B
ready.wait()
print(counter)

这里 Event 承担了 ready 的同步职责：

text 复制代码

Thread A                         Thread B

counter = 1
    │
    ▼
ready.set()  ───────────────►  ready.wait() returns
                                  │
                                  ▼
                              read counter

所以 Python 应用层使用 Event / Lock，底层的 Atomic 和 Memory Ordering 留在 CPython Runtime。

4. volatile、Atomic 和 Mutex 的关系

把前面几篇放在一起，三者解决的问题并不相同：

	`volatile`	Atomic	Mutex
核心问题	发布 / 观察共享状态	一次共享状态操作	一段临界区
Atomicity	不保证复合 RMW	保证单次 Atomic 操作	保证临界区互斥
Visibility	是	是	是
Ordering	是	是	是
典型场景	初始化完成 / 配置加载 / 停止标记 / 状态发布	计数 / Add / CAS / Swap	多步逻辑 / 多字段整体更新

可以把关系简化为：

text 复制代码

volatile
  → 让一次发布与后续观察建立 Visibility / Ordering

Atomic
  → 让一次共享状态操作本身不可分割
  → 同时提供相应的 Visibility / Ordering

Mutex
  → 用 Atomic 等底层能力竞争锁状态
  → 再保护一整段临界区

它们不是"强弱不同的同一种工具"，而是在解决不同粒度的问题。

5. 下一篇：从 Mutex 到读写锁

Mutex 同一时刻只允许一个执行单元进入临界区。

如果大量操作只是读取共享状态，让读者之间也互斥就没有必要。

下一篇继续看读写锁：如何让多个读者同时进入，同时仍然保证写入互斥。

本文首发于 ThinkerQAQ 的个人博客，由作者本人同步发布。原文可能持续修订，最新版本请以个人博客为准。

并发编程（七）：volatile——从语言规则到 CPU

目录

0. 这一篇继续回答什么？

1. Java volatile 在语言层保证什么？

1.1 Visibility 和 Ordering

1.2 volatile 不能保证复合操作的 Atomicity

2. HotSpot 如何实现 volatile？

2.1 分层

2.2 一次 volatile write / read 的完整实现路径

2.3 Runtime / Language Implementation 层的两种保证

2.3.1 Visibility

2.3.2 Ordering

2.4 Hardware 层的两种保证

3. Go 和 CPython 为什么没有 Java volatile？

3.1 Go：这是语言设计选择

3.2 CPython：同步一直由 Runtime 承担

4. volatile、Atomic 和 Mutex 的关系

5. 下一篇：从 Mutex 到读写锁