面试题：Rust原子操作在多线程环境中的基本性能表现

性能差异

普通操作：
- 在多线程环境下，普通操作没有特殊的内存同步机制。当多个线程对共享数据进行读写操作时，可能会出现竞态条件（race condition）。为了保证数据一致性，通常需要使用锁（如Mutex）来同步线程访问。然而，频繁地加锁和解锁会带来较大的性能开销，因为锁会阻塞其他线程的访问，降低了并发度。
原子操作：
- 原子操作是不可分割的操作，在执行过程中不会被其他线程打断。它通过特殊的CPU指令实现，不需要像锁那样进行上下文切换和线程阻塞。因此，原子操作在多线程环境下具有更低的同步开销，能在一定程度上提高性能。但原子操作通常只能对简单的数据类型（如整数、指针等）进行操作，并且其操作语义相对有限，不像锁那样可以保护复杂的代码块。

性能优势明显体现的场景举例

计数器场景：
- 假设有多个线程需要对一个计数器进行递增操作。如果使用普通操作，需要使用Mutex来保护计数器变量，如下所示：

use std::sync::{Arc, Mutex};
use std::thread;

fn main() {
    let counter = Arc::new(Mutex::new(0));
    let mut handles = vec![];

    for _ in 0..10 {
        let counter = Arc::clone(&counter);
        let handle = thread::spawn(move || {
            let mut num = counter.lock().unwrap();
            *num += 1;
        });
        handles.push(handle);
    }

    for handle in handles {
        handle.join().unwrap();
    }

    let result = *counter.lock().unwrap();
    println!("Final counter value: {}", result);
}

在这个例子中，每次递增操作都需要获取锁，这在高并发情况下会有较大的性能开销。
而使用原子操作可以避免锁的开销，如下所示：

use std::sync::atomic::{AtomicUsize, Ordering};
use std::thread;

fn main() {
    let counter = AtomicUsize::new(0);
    let mut handles = vec![];

    for _ in 0..10 {
        let counter = &counter;
        let handle = thread::spawn(move || {
            counter.fetch_add(1, Ordering::SeqCst);
        });
        handles.push(handle);
    }

    for handle in handles {
        handle.join().unwrap();
    }

    let result = counter.load(Ordering::SeqCst);
    println!("Final counter value: {}", result);
}

这里使用AtomicUsize的fetch_add方法进行原子递增操作，在多线程频繁递增计数器的场景下，原子操作的性能优势会明显体现出来，因为它避免了锁带来的线程阻塞和上下文切换开销。

星途面试题库

面试题：Rust原子操作在多线程环境中的基本性能表现

知识考点

面试题答案

性能差异

性能优势明显体现的场景举例