现代计算机能够有如此高的性能，CPU缓存的作用功不可没，作为一个开发者不能仅仅只知道缓存的好处，我们还需要知道缓存带来的问题，缓存带来的最大的问题就是可见性问题，今天用一片文章来讲讲我对缓存可见性问题的理解。

用一张表格来表示三级缓存的差异

离CPU核心越近的缓存，速度更快，容量更小，这些是常识。这里有一个小知识点，L1 和 L2是核心独享的，而L3是所有核心共享的，所以并不是我们通常理解的L1~L3，就是3个缓存，实际上L1和L2的数量是根据CPU的核心数量来的。

并且L1高速缓存其实还分为2个部分，指令部分和数据部分。

cpu读取数据时，会逐级查询高速缓存，如果3级高速缓存都未命中，会从主存里读取数据或者指令，并且将读取到的数据或者指令缓存到各级缓存。

所以高速缓存的命中率其实就和性能直接挂钩了，换句话说，作为一个程序员，想要优化一个软件的性能，就可以从提升缓存的命中率作为切入点，具体怎么提升缓存命中率，可以引入另外一个话题——局部性原理（单独写一篇博客来聊）。

下面这张图就清晰展示了，因为软件所操作的数据来自不同的空间，所以软件的延迟差异就非常大

思考一个问题：cpu每次从主存里读取指令或者数据时，读取多少呢？如果是一条一条的读那不是时间都花在路上（总线io）了吗？

这个问题的答案其实就是缓存行（Cache Lines）。

在大多数系统里，缓存行的大小为64个字节，所以cpu每次从主存读取数据，都是读取一个64个字节的数据块。意味着无论cpu读取哪一个地址的数据或者指令时，都会连带相邻的63个字节的数据一起读取。并且cpu还会预读更多的cache line到高速缓存，所以程序的局部性原理显得更加重要了。

通过一个算法来验证这个猜想，通过单步和跳步的方式来遍历一个数组，看看花费的时间差异：

public class CacheLine {

    private static final int ARRAY_SIZE = 64 * 1024 * 1024;

    private static final int[] array = new int[ARRAY_SIZE];

    public static void main(String[] args) {

        long start = System.currentTimeMillis();

        for (int i = 0, n = array.length; i < n; i++) {

            array[i] *= 3;

        }

        System.out.println(System.currentTimeMillis() - start);

        for (int i = 0, n = array.length; i < n; i += 16) {

            array[i] *= 3;

        }

        System.out.println(System.currentTimeMillis() - start);

    }

}

运行结果：

34

47

通过结果可以看出来，遍历这个数组的时间差异并没有16倍这么大。这里跳步选择使用16的原因是16个int的大小就是64个字节。

设想一个场景，假设有一个双核的cpu，这2个核心分别处理2个线程，并且这2个线程会访问和修改同一个cache line，这时候这个cache line会同时缓存5份。

我们知道每一个cpu核心都有独立的L1和L2高速缓存，L3是所有核心共享的，所以这个共享的cache line会存在在每一个核心的L1和L2高速缓存里，并且L3高速缓存同时也会存储这个cache line。

试想一下，假如线程1（core 1）修改了cache line里面的数据，那么线程2（core 2）在没有额外帮助的情况下，是不知道cache line的变化的。这就是这篇文章标题讲的可见性问题。

所以，一个程序如果碰到了缓存的可见性问题，那么程序的运行结果就没办法得到保证，所以需要找到办法来规避这个问题。

后面会写一篇博客讲讲解决缓存一致性问题的办法——MESI。