并发编程（零）：并发问题与讨论范围

《并发编程（零）：并发问题与讨论范围》这篇在博客园热度很高，讲的正是大家天天碰到的事。下面帮你把要点捋出来，结尾有能直接抄的结论。

目录 1. 先明确讨论范围 2. 从一个共享变量开始 3. 两种主要的协作模型 3.1 Shared Memory：通过同步保护共享状态 3.2 Message Passing：通过消息进行协作 4. 为什么这些代码能够正确工作？ 5. 语言需要定义并发语义 6. 为什么还要继续下钻到硬件？ 7. 下一篇：先谈硬件 1. 先明确讨论范围 这个系列只讨论： 单机、单进程内部的并发。 也就是说，我们关注的是同一个进程中的多个执行单元。 例如： Java Thread / Virtual Thread； Go Goroutine； Python Thread / asyncio Task。 不讨论跨进程通信、分布式系统和网络通信。 2. 从一个共享变量开始 假设进程中有一个变量： [代码示例略] 现在有两个执行单元： [代码示例略] 如果 A 和 B 各执行一次，最终结果是否一定是： [代码示例略] 答案是不一定。

目录 1. 先明确讨论范围 2. 从一个共享变量开始 3. 两种主要的协作模型 3.1 Shared Memory：通过同步保护共享状态 3.2 Message Passing：通过消息进行协作 4. 为什么这些代码能够正确工作？ 5. 语言需要定义并发语义 6. 为什么还要继续下钻到硬件？ 7. 下一篇：先谈硬件 1. 先明确讨论范围 这个系列只讨论： 单机、单进程内部的并发。 也就是说，我们关注的是同一个进程中的多个执行单元。 例如： Java Thread / Virtual Thread； Go Goroutine； Python Thread / asyncio Task。 不讨论跨进程通信、分布式系统和网络通信。 2. 从一个共享变量开始 假设进程中有一个变量： [代码示例略] 现在有两个执行单元： [代码示例略] 如果 A 和 B 各执行一次，最终结果是否一定是： [代码示例略] 答案是不一定。 因为 count++ 可以从逻辑上拆成三个步骤： [代码示例略] 于是可能出现： [代码示例略] 最终： [代码示例略] 两个线程都完成了一次 +1 ，但因为它们读取到了相同的旧值 0 ，最终两次计算结果都只是 1 ，其中一次更新被覆盖了。

目录 1. 先明确讨论范围 2. 从一个共享变量开始 3. 两种主要的协作模型 3.1 Shared Memory：通过同步保护共享状态 3.2 Message Passing：通过消息进行协作 4. 为什么这些代码能够正确工作？ 5. 语言需要定义并发语义 6. 为什么还要继续下钻到硬件？ 7. 下一篇：先谈硬件 1. 先明确讨论范围 这个系列只讨论： 单机、单进程内部的并发。 也就是说，我们关注的是同一个进程中的多个执行单元。 例如： Java Thread / Virtual Thread； Go Goroutine； Python Thread / asyncio Task。 不讨论跨进程通信、分布式系统和网络通信。 2. 从一个共享变量开始 假设进程中有一个变量： [代码示例略] 现在有两个执行单元： [代码示例略] 如果 A 和 B 各执行一次，最终结果是否一定是： [代码示例略] 答案是不一定。 因为 count++ 可以从逻辑上拆成三个步骤： [代码示例略] 于是可能出现： [代码示例略] 最终： [代码示例略] 两个线程都完成了一次 +1 ，但因为它们读取到了相同的旧值 0 ，最终两次计算结果都只是 1 ，其中一次更新被覆盖了。 问题的关键在于两个Thread同时修改了 counter ，也就是 多个执行单元同时访问并修改了同一份状态。

目录 1. 先明确讨论范围 2. 从一个共享变量开始 3. 两种主要的协作模型 3.1 Shared Memory：通过同步保护共享状态 3.2 Message Passing：通过消息进行协作 4. 为什么这些代码能够正确工作？ 5. 语言需要定义并发语义 6. 为什么还要继续下钻到硬件？ 7. 下一篇：先谈硬件 1. 先明确讨论范围 这个系列只讨论： 单机、单进程内部的并发。 也就是说，我们关注的是同一个进程中的多个执行单元。 例如： Java Thread / Virtual Thread； Go Goroutine； Python Thread / asyncio Task。 不讨论跨进程通信、分布式系统和网络通信。 2. 从一个共享变量开始 假设进程中有一个变量： [代码示例略] 现在有两个执行单元： [代码示例略] 如果 A 和 B 各执行一次，最终结果是否一定是： [代码示例略] 答案是不一定。 因为 count++ 可以从逻辑上拆成三个步骤： [代码示例略] 于是可能出现： [代码示例略] 最终： [代码示例略] 两个线程都完成了一次 +1 ，但因为它们读取到了相同的旧值 0 ，最终两次计算结果都只是 1 ，其中一次更新被覆盖了。 问题的关键在于两个Thread同时修改了 counter ，也就是 多个执行单元同时访问并修改了同一份状态。 在单机、单进程范围内，当多个执行单元需要共享数据时，主要通过两种模型协作： Shared Memory / Shared State ：多个执行单元直接访问同一份状态； Message Passing ：执行单元之间通过消息交换信息。

目录 1. 先明确讨论范围 2. 从一个共享变量开始 3. 两种主要的协作模型 3.1 Shared Memory：通过同步保护共享状态 3.2 Message Passing：通过消息进行协作 4. 为什么这些代码能够正确工作？ 5. 语言需要定义并发语义 6. 为什么还要继续下钻到硬件？ 7. 下一篇：先谈硬件 1. 先明确讨论范围 这个系列只讨论： 单机、单进程内部的并发。 也就是说，我们关注的是同一个进程中的多个执行单元。 例如： Java Thread / Virtual Thread； Go Goroutine； Python Thread / asyncio Task。 不讨论跨进程通信、分布式系统和网络通信。 2. 从一个共享变量开始 假设进程中有一个变量： [代码示例略] 现在有两个执行单元： [代码示例略] 如果 A 和 B 各执行一次，最终结果是否一定是： [代码示例略] 答案是不一定。 因为 count++ 可以从逻辑上拆成三个步骤： [代码示例略] 于是可能出现： [代码示例略] 最终： [代码示例略] 两个线程都完成了一次 +1 ，但因为它们读取到了相同的旧值 0 ，最终两次计算结果都只是 1 ，其中一次更新被覆盖了。 问题的关键在于两个Thread同时修改了 counter ，也就是 多个执行单元同时访问并修改了同一份状态。 在单机、单进程范围内，当多个执行单元需要共享数据时，主要通过两种模型协作： Shared Memory / Shared State ：多个执行单元直接访问同一份状态； Message Passing ：执行单元之间通过消息交换信息。 下面仍然以 count++ 为例，看这两种模型分别如何处理前面的并发问题。

行动建议：收藏这篇，下次碰到同类问题先翻出来对照做一遍。好经验的价值，在于用起来。你最近被这类问题卡过吗？ 来源｜博客园《并发编程（零）：并发问题与讨论范围》，https://www.cnblogs.com/ThinkerQAQ/p/22954074.html