cas不是底层加锁了吗,为啥说执行时不需要加锁

时间: 2023-12-01 18:02:59 浏览: 29
CAS 确实使用了一种底层的加锁机制,但是其本质仍然是一种乐观锁实现。这是因为 CAS 操作在执行时并不会一直持有锁,而是只有在进行更新操作时才使用了底层的加锁机制,而且这个加锁的过程是非常短暂的。在执行 CAS 操作时,它会先读取内存中的值,然后与预期的值进行比较,如果相等,就使用新值进行更新,并返回操作成功;如果不相等,就说明内存中的值已经被其他线程修改过了,CAS 操作会返回操作失败。这个过程并没有对共享变量进行加锁,只是在更新过程中使用了一种基于硬件的原子操作,这种操作是非常快速的,而且不需要像悲观锁那样在执行期间一直持有锁,所以 CAS 可以被看作是一种乐观锁。
相关问题

所以乐观是否是从共享变量的角度来看的,即使cas底层加锁了,但是并不是对共享变量加的锁,所以还是乐观锁的范围内对吗

是的,乐观锁和悲观锁的区别是从对共享变量的加锁方式来区分的。在乐观锁中,我们假设对共享变量的并发操作不会产生冲突,因此不对共享变量进行加锁,而是在更新共享变量时通过比较预期值和实际值来判断是否存在冲突,从而实现并发控制。而在悲观锁中,我们假设对共享变量的并发操作非常频繁,因此在访问共享变量时就会进行加锁,以防止其他线程同时访问该变量。 虽然 CAS 操作在底层使用了一种基于硬件的加锁机制,但是在执行 CAS 操作时,并没有对共享变量进行加锁。CAS 操作的本质仍然是一种乐观锁实现,它假设对共享变量的并发操作不会产生冲突,而在更新共享变量时通过比较预期值和实际值来判断是否存在冲突,从而实现并发控制。因此,即使 CAS 操作在底层使用了一种加锁机制,但从共享变量的角度来看,它仍然是一种乐观锁的实现。

cas底层使用了cpu的lock指令,为啥还是乐观锁

CAS(Compare and Swap)操作是一种乐观锁的实现。虽然在 CAS 操作的实现中使用了 CPU 的 lock 指令,但其本质上仍然是乐观锁。这是因为,在 CAS 操作中,我们假设更改操作不会与其他并发操作发生冲突,因此在执行时不需要加锁。如果发现其他并发操作已经修改了被操作的数据,那么 CAS 操作会失败并立即返回,让上层应用程序重新尝试操作。 使用 CAS 操作实现乐观锁的好处在于,相对于悲观锁的加锁操作,CAS 操作无需进行加锁和解锁的操作,避免了由于频繁加锁和解锁而导致的性能瓶颈。在并发量不是很高的情况下,使用 CAS 操作实现乐观锁可以更好地发挥系统性能。

相关推荐

最新推荐

recommend-type

基于SpringBoot框架的中小企业完全开源的ERP.zip

基于springboot的java毕业&课程设计
recommend-type

基于Springboot的健身信息系统.zip

基于springboot的java毕业&课程设计
recommend-type

基于vue + springboot的学生成绩管理系统.zip

基于springboot的java毕业&课程设计
recommend-type

基于卷积神经网络的语义分割

基于卷积神经网络的语义分割卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均
recommend-type

track-map_android-master.zip

track-map_android-master
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

SQL怎么实现 数据透视表

SQL可以通过使用聚合函数和GROUP BY子句来实现数据透视表。 例如,假设有一个销售记录表,其中包含产品名称、销售日期、销售数量和销售额等信息。要创建一个按照产品名称、销售日期和销售额进行汇总的数据透视表,可以使用以下SQL语句: ``` SELECT ProductName, SaleDate, SUM(SaleQuantity) AS TotalQuantity, SUM(SaleAmount) AS TotalAmount FROM Sales GROUP BY ProductName, SaleDate; ``` 该语句将Sales表按照ProductName和SaleDat
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。