并发编程（十一）：Shared Memory 与 Message Passing——关系与组合使用

目录

• [0. 从上一篇继续](#0. 从上一篇继续)
• [1. 两种协作模型是什么关系？](#1. 两种协作模型是什么关系？)
• [2. 两种模型如何组合使用？](#2. 两种模型如何组合使用？)
• [3. 小结](#3. 小结)

---

0. 从上一篇继续

前面的文章已经分别讨论了 Shared Memory 和 Message Passing 两种并发协作模型。

接下来，我们讨论它们的关系，以及面对具体的并发需求时，如何选择与组合使用。

1. 两种协作模型是什么关系？

Shared Memory 通过直接访问共享状态进行协作，Message Passing 则通过发送和接收消息进行协作。两者的协作方式不同，却并不互斥。

上一篇分析 BlockingQueue 和 Channel 时已经看到：Producer 和 Consumer 虽然通过消息交换数据，通信组件内部仍然需要通过共享内存维护队列状态。

以 Java ArrayBlockingQueue 为例：

Producer
    |
    v
ArrayBlockingQueue
    |
    +-- Array：存放消息
    |
    +-- ReentrantLock：保护队列状态
    |
    +-- Condition：队列为空或已满时等待
    |
    v
Consumer

多个 Producer 和 Consumer 可能同时入队或出队，因此 ArrayBlockingQueue 使用锁保护队列操作，并通过 Condition 协调队列空、满时的等待与唤醒。

Go Channel 通过 Runtime 的 hchan 管理缓冲区和等待队列，并使用锁、原子操作及 Goroutine 调度机制协调通信；CPython 的 queue.Queue 则使用 Mutex 和 Condition 保护队列状态。

Message Passing 没有消除底层的共享状态，而是将消息交接所需的同步封装在 Channel、Queue 等通信组件中。 这也是为什么上一篇最终仍要回到 Mutex、Atomic、Condition 和内存顺序，解释消息交接如何满足 Atomicity、Visibility 和 Ordering。

2. 两种模型如何组合使用？

在实际程序中，两种模型经常一起使用。

例如，一个任务处理系统需要由多个 Producer 提交任务、多个 Worker 并行执行，并统计成功和失败的任务数量：

Producer A ──┐
             ├──> Task Queue ──> Worker 1 ──┐
Producer B ──┘                └─> Worker 2 ──┤
                                            |
                                            v
                                     Shared Statistics
                                     (Mutex / Atomic)

这里，Message Passing 负责任务交接 ：Producer 将任务放入 Queue，Worker 取出并处理；Shared Memory 负责统计状态的更新：多个 Worker 通过 Mutex 或 Atomic 协调对统计数据的访问。

如果希望统计状态由一个执行单元集中维护，也可以让 Worker 发送处理结果：

Producer --> Task Queue --> Workers
                               |
                               v
                          Result Queue
                               |
                               v
                          Stats Owner
                               |
                               v
                           Statistics

这时只有 Stats Owner 修改统计数据，Worker 不再直接访问它。

两种方案都能保证正确性，但各有代价：直接更新共享状态更简单；由 Owner 集中处理，便于统一维护多个字段及其约束，却增加了消息交接和 Owner 的生命周期管理，也可能形成串行瓶颈。

3. 小结

本篇从底层实现和实际应用两个角度，讨论了 Shared Memory 与 Message Passing 的关系，以及如何组合使用这两种协作模型。

下一篇进入本系列的终章。我们将回顾整个并发编程系列，并最后做个总结。

---

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。