---

对多线程和高并发相关问题整理了一个简单的提纲。
通过这个提纲，足够引出对并发编程中大部分问题的讨论~

多线程

(多线程问题的)三大源头

线程并发执行带来的原子性问题。这是最主要的问题，无论是单核场景下的时间片轮转(线程切换)，还是多核场景下的并行，都可能会出现多线程对同一个共享变量进行并发访问的情况，而这个访问过程可能涉及到多个步骤，并不是原子性的，这将产生竞态条件或导致数据竞争。

CPU缓存带来的可见性问题：程序员要编写符合Happens Before(可见性规则)的代码保证可见性。

大多数情况不需要担心这个问题，但如果出现了不可见的情况(比如"咦，这个修改怎么没生效？")，要想到可能是这个原因导致的。
在C/C++/Java中，可以使用volatile关键字来修饰变量，使内存中的共享变量一旦修改完毕，就会立即将该变量刷新回主内存。

编译器带来的有序性问题：编译器的优化有可能会将指令重排。这种问题通常会出现在涉及到共享数据的多线程编程中，因为编译器的优化可能会导致操作的重新排序，从而破坏了程序的预期行为，例如导致可见性问题。

---

两个主要问题

(线程切换带来的原子性问题，会最终表现为以下两个问题)

竞态条件。强调并发执行顺序带来的结果不一致问题。
常见的竞态条件类型：先判断后执行竞态条件、读-操作-更新竞态条件(如i++)。

数据竞争。强调并发读写导致的未定义行为，可能会引起程序的崩溃。
数据竞争的类型：读写竞争、写写竞争。

---

两大解决方案

同步机制：利用原子操作或锁保证同步。缺点是大量使用锁会让很多逻辑都变成同步，效率可能还不如单线程。

• 原子操作是无锁同步机制，但仅适用于单值操作。
• 锁适用范围广。除了常用的原生锁，分布式场景下还可能需要用到分布式锁。

数据分片(actor模型)：将数据分为多个部分，由不同的线程独立处理。具体思路是根据数据所有者划分出数据主体(即actor)，每个actor在自己对应的线程中处理/访问自己的数据。

---

高并发问题解决方案

• 多线程：充分利用CPU性能，提高系统的性能和吞吐量。
• 负载均衡： 使用负载均衡器将请求分发到多个服务器上，以平衡系统的负载。
• 分布式架构：将系统拆分为多个独立的服务，采用分布式架构，可以减轻单一服务的压力，并提高整体的并发处理能力。
• 缓存：利用缓存技术来减轻数据库和其他服务的压力。将频繁访问的数据缓存起来，以减少对底层存储系统的访问。
• 异步处理：可以利用消息队列对消息进行异步解耦，避免大量消息等待响应。
• 其它：水平扩展、数据库优化等。