對 Data Race Free 的理解

Data Race Free 的動機

Data Race Free 是對多線程程序 同步程度 的一種描述，假如你的多線程程序的同步程度知足 DRF 的要求，那麼，你的程序會有這樣一個好處：

程序在弱一致性模型下執行，執行的結果與在SC模型下執行同樣

這意味着，程序員在寫程序時，能夠按SC模型來推斷程序的執行。而程序在底層運行時，能夠享受弱一致性模型帶來的種種優化措施。

Data Race Free 具體內容

DRF 要求多線程程序中不能有衝突的操做。

什麼是衝突的操做呢？

衝突的操做是指：兩個操做來自不一樣線程，操做同一地址，至少有一個是寫操做。

如何讓衝突的操做不衝突呢？

須要使用同步操做將衝突的操做隔離開。

爲何要用同步操做將衝突的操做隔離開呢?

由於若是不隔離開，程序在弱一致性模型下執行的結果就和在SC模型下執行的結果不同了。這意味着若是你用SC模型推斷程序執行結果，而程序又運行在弱一致性模型下，那麼程序的真正結果可能和你推斷的不同。

那麼，又爲何：若是不隔離開，程序在弱一致性模型下執行結果就和SC模型下不同了呢？

這個問題其實在問：爲何隔離會使得程序在弱一致性模型下執行結果與SC模型下執行結果一致？

這個問題用一句話來回答是：隔離使得咱們能夠找到全部操做的一種全序，而這種全序正是SC所須要的。

同步操做將相互衝突的操做隔離開，這種隔離爲本來無序的多線程程序添加了一些順序：

• 同步操做之間有順序了
• 同步操做與其以前的全部操做之間有順序了
• 同步操做與其以後的全部操做之間有順序了

這些順序保證了程序在弱一致性模型下與在SC模型下執行結果同樣。

另外，咱們還發現，有些操做之間並無順序保證，這正是DRF的優點所在，這些無須順序保證的操做能夠在弱一致性模型下獲得優化，同時他們的無序又不會使得執行結果與SC下有任何不一樣。

若是咱們想找一個全部操做之間的全序，只須要在這些無須保證順序的操做中隨便選擇一個順序，另外，還須要保證那些由於同步而添加的順序關係。如此構成一個全序。這個全序正是SC模型所須要的。

由此，咱們也明白了DRF的精髓:

只保證必要的順序，不保證沒必要要的順序。

所謂必要是指，保證這些順序就可使得程序在弱一致性模型下的執行結果與SC模型下的執行結果一致，不保證就不行。