无论程序语言如何千变万化，他们都深深地根植于目前的计算机体系结构。
左图是intel CPU的三级高速缓存设计，由于高速缓存对程序员基本不可见，因此可以抽象为右图。
缓存的设计
首先还是先谈谈左图。
- L1-cache分为两部分，i-cache存储指令(只读)，d-cache存储数据(可读可写)
- CPU只能和寄存器以及L1-cache进行直接交互，数据不能隔层传递，只能一层一层往上读，一层一层往下写
- 访问L1需要至少4个时钟周期，L2需要至少10个，L3需要至少30个。即便是速度最快的L1，也低于运算单元的执行速度，何况存在缓存未命中的情况，因此在L1和运算单元之间加上了Writebuffer和Readbuffer(合称Memory Ordering Buffer，MOB)，数据准备好的时候再完成相关指令，这就是CPU指令乱序——顺序执行乱序完成。乱序完成的结果放入到Writebuffer中，按照原有的执行顺序，刷到缓存中
- 缓存由多个缓存行组成。每个缓存行结构如图所示(以64位机器为例)
- CPU读取缓存的时候找到对应的缓存行，如果前面的有效位为零，就从下一级缓存加载到这一级缓存
相关的问题
明白缓存的设计之后，再看右图来分析其中的问题
- 缓存导致的内存可见性：已知线程A运行在core 0上，线程B运行在core 1上，两者都对同一个内存地址进行读取，这个内存地址的内容会被加载到cache，然后CPU读取，这时候线程A对内容进行了修改，但是线程B却可能一直从本核心的cache读取，无法感知到该地址的内容已被修改。
- 多核导致的自增操作原子性：自增操作分为三步：从内存读取变量到寄存器；寄存器中的值加1；写回到内存。已知线程A运行在core 0上，线程B运行在core 1上，两者都对变量执行加一操作。A执行完一二两步时，B执行完第一步，A将加一后的值写入到内存，B执行完二三两步也将加一后的值写入到内存，结果变量只加了一，而不是加二
- MOB导致的cache可见性：
a=1.0; a=a/2; a=a-1.0;按照正常的逻辑，a最后的结果为-0.5；但是因为除法的执行时钟周期大于减法，第三句执行时，a/2的结果存放在writebuffer中还没写入到缓存，a-1.0中a的值已经从缓存中加载到readbuffer，也就是a-1.0=1.0-1.0=0 (高级语言不会出现这个问题，因为编译器已经做了处理，前面的伪代码仅表示逻辑)
相关的实现
为了解决这些问题，CPU提供了一些指令，其中比如lock和cmpxchg。
- lock 汇编前缀，在Intel奔腾系列之前，这个指令前缀能够锁定总线，禁止其他CPU核心操作内存，执行完后边的指令后释放总线，在这个过程中其他CPU核心会监听总线，发现某个内存地址内容被修改，就会将本核心下的对应cache行有效位置0。因为锁总线会禁止所有内存操作，降低效率，因此在奔腾之后，这个指令前缀不锁总线而是锁定相关的cache行，对某个地址修改后直接让相关cache失效。这样解决了问题一
- cmpxchg 将寄存器a中的值与内存中比较如果一样，将寄存器c中的值和内存中的值交换，如果不一样就设置异常位并将内存中的值读取到寄存器a。代入到问题二，从内存读取值到寄存器a，加一后保存到寄存器c，然后执行cmpxchg，执行完后如果有异常，就重新加一，再尝试写回，直到成功。这样解决了问题二
- cmpxchg和lock 在执行完以后会将writebuffer刷到cache并清空readbuffer，这样解决了问题三。另外X86_64引入了内存屏障指令 lfence、sfence、mfence。lfence前面的读取操作完成，也就是readbuffer中的内容全部被cpu读取后，才能执行lfence之后的读取操作；sfence前面的写入操作完成，也就是writebuffer全部刷到缓存中，才能执行sfence之后的写入操作；mfence之前的读写操作全部完成，才能进行mfence之后的操作。