併發編程（零）：併發問題與討論範圍

《併發編程（零）：併發問題與討論範圍》這篇在博客園熱度很高，講的正是大家天天碰到的事。下面幫你把要點捋出來，結尾有能直接抄的結論。

目錄 1. 先明確討論範圍 2. 從一個共享變量開始 3. 兩種主要的協作模型 3.1 Shared Memory：通過同步保護共享狀態 3.2 Message Passing：通過消息進行協作 4. 爲什麼這些代碼能夠正確工作？ 5. 語言需要定義併發語義 6. 爲什麼還要繼續下鑽到硬件？ 7. 下一篇：先談硬件 1. 先明確討論範圍 這個系列只討論： 單機、單進程內部的併發。 也就是說，我們關注的是同一個進程中的多個執行單元。 例如： Java Thread / Virtual Thread； Go Goroutine； Python Thread / asyncio Task。 不討論跨進程通信、分佈式系統和網絡通信。 2. 從一個共享變量開始 假設進程中有一個變量： [代碼示例略] 現在有兩個執行單元： [代碼示例略] 如果 A 和 B 各執行一次，最終結果是否一定是： [代碼示例略] 答案是不一定。

目錄 1. 先明確討論範圍 2. 從一個共享變量開始 3. 兩種主要的協作模型 3.1 Shared Memory：通過同步保護共享狀態 3.2 Message Passing：通過消息進行協作 4. 爲什麼這些代碼能夠正確工作？ 5. 語言需要定義併發語義 6. 爲什麼還要繼續下鑽到硬件？ 7. 下一篇：先談硬件 1. 先明確討論範圍 這個系列只討論： 單機、單進程內部的併發。 也就是說，我們關注的是同一個進程中的多個執行單元。 例如： Java Thread / Virtual Thread； Go Goroutine； Python Thread / asyncio Task。 不討論跨進程通信、分佈式系統和網絡通信。 2. 從一個共享變量開始 假設進程中有一個變量： [代碼示例略] 現在有兩個執行單元： [代碼示例略] 如果 A 和 B 各執行一次，最終結果是否一定是： [代碼示例略] 答案是不一定。 因爲 count++ 可以從邏輯上拆成三個步驟： [代碼示例略] 於是可能出現： [代碼示例略] 最終： [代碼示例略] 兩個線程都完成了一次 +1 ，但因爲它們讀取到了相同的舊值 0 ，最終兩次計算結果都只是 1 ，其中一次更新被覆蓋了。

目錄 1. 先明確討論範圍 2. 從一個共享變量開始 3. 兩種主要的協作模型 3.1 Shared Memory：通過同步保護共享狀態 3.2 Message Passing：通過消息進行協作 4. 爲什麼這些代碼能夠正確工作？ 5. 語言需要定義併發語義 6. 爲什麼還要繼續下鑽到硬件？ 7. 下一篇：先談硬件 1. 先明確討論範圍 這個系列只討論： 單機、單進程內部的併發。 也就是說，我們關注的是同一個進程中的多個執行單元。 例如： Java Thread / Virtual Thread； Go Goroutine； Python Thread / asyncio Task。 不討論跨進程通信、分佈式系統和網絡通信。 2. 從一個共享變量開始 假設進程中有一個變量： [代碼示例略] 現在有兩個執行單元： [代碼示例略] 如果 A 和 B 各執行一次，最終結果是否一定是： [代碼示例略] 答案是不一定。 因爲 count++ 可以從邏輯上拆成三個步驟： [代碼示例略] 於是可能出現： [代碼示例略] 最終： [代碼示例略] 兩個線程都完成了一次 +1 ，但因爲它們讀取到了相同的舊值 0 ，最終兩次計算結果都只是 1 ，其中一次更新被覆蓋了。 問題的關鍵在於兩個Thread同時修改了 counter ，也就是 多個執行單元同時訪問並修改了同一份狀態。

目錄 1. 先明確討論範圍 2. 從一個共享變量開始 3. 兩種主要的協作模型 3.1 Shared Memory：通過同步保護共享狀態 3.2 Message Passing：通過消息進行協作 4. 爲什麼這些代碼能夠正確工作？ 5. 語言需要定義併發語義 6. 爲什麼還要繼續下鑽到硬件？ 7. 下一篇：先談硬件 1. 先明確討論範圍 這個系列只討論： 單機、單進程內部的併發。 也就是說，我們關注的是同一個進程中的多個執行單元。 例如： Java Thread / Virtual Thread； Go Goroutine； Python Thread / asyncio Task。 不討論跨進程通信、分佈式系統和網絡通信。 2. 從一個共享變量開始 假設進程中有一個變量： [代碼示例略] 現在有兩個執行單元： [代碼示例略] 如果 A 和 B 各執行一次，最終結果是否一定是： [代碼示例略] 答案是不一定。 因爲 count++ 可以從邏輯上拆成三個步驟： [代碼示例略] 於是可能出現： [代碼示例略] 最終： [代碼示例略] 兩個線程都完成了一次 +1 ，但因爲它們讀取到了相同的舊值 0 ，最終兩次計算結果都只是 1 ，其中一次更新被覆蓋了。 問題的關鍵在於兩個Thread同時修改了 counter ，也就是 多個執行單元同時訪問並修改了同一份狀態。 在單機、單進程範圍內，當多個執行單元需要共享數據時，主要通過兩種模型協作： Shared Memory / Shared State ：多個執行單元直接訪問同一份狀態； Message Passing ：執行單元之間通過消息交換信息。

目錄 1. 先明確討論範圍 2. 從一個共享變量開始 3. 兩種主要的協作模型 3.1 Shared Memory：通過同步保護共享狀態 3.2 Message Passing：通過消息進行協作 4. 爲什麼這些代碼能夠正確工作？ 5. 語言需要定義併發語義 6. 爲什麼還要繼續下鑽到硬件？ 7. 下一篇：先談硬件 1. 先明確討論範圍 這個系列只討論： 單機、單進程內部的併發。 也就是說，我們關注的是同一個進程中的多個執行單元。 例如： Java Thread / Virtual Thread； Go Goroutine； Python Thread / asyncio Task。 不討論跨進程通信、分佈式系統和網絡通信。 2. 從一個共享變量開始 假設進程中有一個變量： [代碼示例略] 現在有兩個執行單元： [代碼示例略] 如果 A 和 B 各執行一次，最終結果是否一定是： [代碼示例略] 答案是不一定。 因爲 count++ 可以從邏輯上拆成三個步驟： [代碼示例略] 於是可能出現： [代碼示例略] 最終： [代碼示例略] 兩個線程都完成了一次 +1 ，但因爲它們讀取到了相同的舊值 0 ，最終兩次計算結果都只是 1 ，其中一次更新被覆蓋了。 問題的關鍵在於兩個Thread同時修改了 counter ，也就是 多個執行單元同時訪問並修改了同一份狀態。 在單機、單進程範圍內，當多個執行單元需要共享數據時，主要通過兩種模型協作： Shared Memory / Shared State ：多個執行單元直接訪問同一份狀態； Message Passing ：執行單元之間通過消息交換信息。 下面仍然以 count++ 爲例，看這兩種模型分別如何處理前面的併發問題。

行動建議：收藏這篇，下次碰到同類問題先翻出來對照做一遍。好經驗的價值，在於用起來。你最近被這類問題卡過嗎？ 來源｜博客園《併發編程（零）：併發問題與討論範圍》，https://www.cnblogs.com/ThinkerQAQ/p/22954074.html