; Intel syntax
locked: ; The lock variable. 1 = locked, 0 = unlocked.
dd 0
spin_lock:
mov eax, 1 ; Set the EAX register to 1.
xchg eax, [locked] ; Atomically swap the EAX register with
; the lock variable.
; This will always store 1 to the lock, leaving
; the previous value in the EAX register.
test eax, eax ; Test EAX with itself. Among other things, this will
; set the processor's Zero Flag if EAX is 0.
; If EAX is 0, then the lock was unlocked and
; we just locked it.
; Otherwise, EAX is 1 and we didn't acquire the lock.
jnz spin_lock ; Jump back to the MOV instruction if the Zero Flag is
; not set; the lock was previously locked, and so
; we need to spin until it becomes unlocked.
ret ; The lock has been acquired, return to the calling
; function.
spin_unlock:
mov eax, 0 ; Set the EAX register to 0.
xchg eax, [locked] ; Atomically swap the EAX register with
; the lock variable.
ret ; The lock has been released.
但是上述的代码在有些cpu上是没法正常工作的，这取决于xchg eax, [locked]这句指令中，xchg指令的实现中是否使用了内存屏障来保障内存读写顺序。
那内存屏障究竟具体做了什么呢？先看下面一张图：
cpu对寄存器，store buffer，load buffer的访问是远远快于cache和memory的。而且在现代cpu的设计中，提升性能的主要方式就是提升并行度。而提升指令级并行的两种主要方式，包括增加流水线深度，和多发射流水线（每条流水线执行多条指令）。由于每条指令的执行时间由流水线上最耗时的阶段来决定，因此增加流水线的深度后，可以缩短每条指令的执行耗时。不过因为流水线每个阶段之间传递数据的耗时无法忽略，因此可增加的流水线的深度会存在上限。所以，另外一种方法就是让每条流水线执行多条指令。实现多发射流水线的方式包括静态多发射，和动态多发射。静态多发射可以理解为一条指令包含多个操作（VLIW[6]）。动态多发射也叫超标量技术[7]，一条流水线存在多个执行单元，可用于执行例如浮点计算，整型计算，store/load等。多条指令可以根据其依赖关系，实现并行执行。而且由于store/load buffer的存在，写入数据不必立马刷入内存，读取数据可以提前读取，因此可以进一步提升并行度。同时，对于分支指令，存在speculation execution（推测执行），最近爆出的cpu漏洞就是和这个技术有关。因此，从上面介绍的可知，我们的程序指令其实是乱序执行的。不过，为了保证正确性，执行后的结果却是顺序提交的，这样就防止出现分支预测失败，而导致执行了不该被执行的指令。在乱序执行的过程中，结果只会被暂存到物理寄存器和buffer中，只有当提交的时候，才会将更改写入ISA(指令级架构)寄存器和cache中。因此，当出现预测失败的时候，只要丢弃掉执行的结果就行，未提交的指令的修改不会对外暴露出来。多说一句，我们写汇编时候用到的寄存器其实是逻辑寄存器，或者说ISA寄存器，它们和真实的物理寄存器的之间存在映射关系。
通过我上述的介绍可以知道，首先，cpu写入的数据不会也没有必要直接写到cache中，而是会缓存在寄存器和store buffer中，读取到的数据也会缓存在load buffer中。然后，读写指令由于存在指令并行优化，顺序会被打乱。
写到这里，应该可以明白了，内存屏障的外在表现形式是：
阻止读写内存动作的重排序。比如，mfence阻止mfence指令之后的读写内存的动作被重排序到mfence之前，以及阻止mfence指令被重排序到更早的读写内存动作之前。sfence和mfence类似，但只是阻止写内存动作的重排序。lfence同样和mfence类似，但只是阻止读内存动作的重排序。
而内存屏障的实现，以x86架构举例：
sfence/mfence会将store buffer中缓存的修改刷入L1 cache中，使得其他cpu核可以观察到这些修改，而且sfence/mfence之后的写操作，不会被调度到sfence/mfence之前。
但是在新版本的intel的cpu实现中，为了提升性能，打破了上述的约束。
首先，允许预读取操作，将数据提前存到load buffer中。
然后，允许store buffer的缓存，因此导致之前的写->读操作，变成读->写操作。
最后，字符串操作指令在单指令内部，会存在乱序（启动fast string模式下）；绕过cache的写指令（MOVNTI, MOVNTQ, MOVNTDQ, MOVNTPS, and MOVNTPD）之间，可以存在指令的重排序。
因此，此时需要内存屏障的出现，来保障memory order。 顺便说下，对x86架构下使用的x86-TSO内存一致性模型感兴趣的，可以看这里[10]。
上面，我们提到了sequential consistency，但是cpu在不断优化的过程中，会降低一致性的要求，来逐渐提升性能。此时，为了保障程序的正确，需要开发者使用例如内存屏障这些工具，来保障一致性。因此，cpu选择实现怎样的一致性内存模型，本质上是以降低指令排序约束来提升并发度，和提升编程复杂度，这两者之间的一个tradeoff的过程。
