为什么 5 个人 5 把叉子会全卡住?deadlock 四条件逐项实测

0 阅读10分钟

先给结果:5 个哲学家同时伸手拿左叉,500ms 后等待图变成 P0 → P1 → P2 → P3 → P4 → P0,1000 轮批量实验里 1000 轮全部死锁。

把拿叉顺序改成按编号从小到大,同样 1000 轮 0 死锁,吞吐 4.36 份/秒。

再加一个只放 4 人进场的服务员,死锁也是 0,但平均等待被拉到 1051ms。

图 1:实时沙盘总览,圆桌、5 个哲学家、5 把叉子和右侧的死锁四条件面板

在线沙盘:gitcode.com/OPCTeam/dem…

一、现场:5 个人各拿一把左叉,500ms 就成环

先把圆桌摆清楚。

P0 的左叉是 F4,右叉是 F0。P1 的左叉是 F0,右叉是 F1。依次类推,P4 的右叉是 F4。

无保护策略的规则只有一句:每个人都先拿左叉,再拿右叉。

5 个人同时起跑,500ms 内全部拿到左叉,然后一起等右叉。

P0 等 P1 手里的 F1,P1 等 P2 手里的 F2,最后 P4 等回 P0 手里的 F0。

等待图首尾相接,环形成。

图 2:无保护策略在 500ms 时形成 5 人等待环,5 条边全部标红

页面用四种状态描述每个人:思考、等左叉、等右叉、进餐。

叉子只有两种状态:空闲,或被某个人持有。

状态一变,叉子颜色和等待边一起变。这样不用看日志,也能看到谁卡在谁手里。

我把它点开跑了一遍,500ms 时右侧四个条件全部变红,等待图显示 5 条边,和预想一致。

二、四个条件:缺一条不成立,四条都成立也不一定卡死

死锁的四个必要条件,页面上逐条列着。

  1. 互斥:一把叉子同一时刻只能被一个人持有。
  2. 占有并等待:拿着左叉,继续等右叉。
  3. 不可抢占:别人手里的叉子不能直接抢走。
  4. 循环等待:P0 等 P1,P1 等 P2,最后等回 P0。

无保护策略同时满足四条,所以成环。

资源有序策略只改变拿叉顺序,互斥、占有并等待、不可抢占仍然成立,但循环等待被打破,所以不死锁。

这说明四条件是“必要条件”,不是“充分条件”。

页面把“成立”标成琥珀色,只有真的成环才标红。这样不会把“具备条件”误读成“已经死锁”。

还有一种更容易被忽略的卡死:5 个人只有 4 把叉。

这时等待图没有环,因为缺的那把叉不属于任何人。

但所有人都停在等待状态,没有一个人能进餐。

页面补了一个停滞检测:所有人都不在思考、也不在进餐,连续 1.8 秒没有新增进餐,就判定系统停住。

所以失败路径不能只看有没有环,还要看有没有人继续往前走。

三、四种策略:只改拿叉顺序,结果从 100% 死锁变成 0

页面里放了四种调度策略。

它们共用同一份圆桌、同一组思考时长和进餐时长,只换“先拿哪把、拿不到怎么办”。

批量实验固定 5 人、5 叉、思考 300ms、进餐 400ms、超时 300ms,每种策略跑 1000 轮,每人吃满 3 轮或判定死锁就结束。

策略死锁轮数死锁率完成轮数平均进餐平均等待退避次数吞吐
无保护1000100.0%00.000 ms00.00 份/秒
资源有序00.0%100023.00240.9 ms04.36 份/秒
超时退避00.0%100030.2168.0 ms113184.57 份/秒
服务员仲裁00.0%100015.001050.7 ms02.47 份/秒

无保护不用多说,1000 轮全部死在同一个环上,吞吐为 0。

资源有序把 5 把叉按编号排序,每个人都先拿编号小的,再拿编号大的。

这样不可能出现“每个人都拿着小的等大的”的环,因为总有一个人的第二把叉已经空闲。

1000 轮里它一次没死锁,吞吐 4.36 份/秒,是四种策略里综合表现最稳的。

图 3:资源有序策略运行中,P2 和 P4 在进餐,P0、P1、P3 在排队等叉,等待图没有环

超时退避的规则是:拿不到右叉,等 300ms 就把左叉放回去,退避一小段再重来。

它也做到了 0 死锁、1000 轮全部完成,吞吐 4.57 份/秒,账面数字甚至略高于资源有序。

代价是 11318 次退避。

平均等待只有 68ms,看起来很低,但这个指标只统计“最后成功吃到”的那一次等待。

被放弃的等待没算进去,所以超时退避的等待时间被低估了。

这是页面指标的定义问题,不把它说清楚就会得出错误结论。

服务员仲裁限制同时拿叉的人数为 N-1,也就是 5 个人里最多 4 个人进场。

第 5 个人必须在门外等,直到有人吃完放下叉子。

它的死锁同样是 0,但平均等待 1050.7ms,吞吐只有 2.47 份/秒。

原因很直白:限制并发能破坏死锁,但也会把请求排成队。

图 4:1000 轮 × 4 策略的批量对照,无保护 100% 死锁,资源有序和服务员仲裁都是 0 死锁

这张表里还有一个容易被忽略的数字:资源有序的平均进餐是 23.00 份,超时退避是 30.21 份,都超过 15 份。

原因是每个人吃满 3 轮后不会立刻退出,先吃完的人还会继续吃,直到最后一个人也满 3 轮。

总进餐数因此会超过 5×3=15。

这不是数据错误,是“完成条件”定义带来的差异。

四、页面怎么跑:等待图 + 离散事件 + 12 条自检

页面是单文件,没有后端。

每个人每 100ms 走一步,步长乘以播放速度。

拿叉、等叉、进餐、放叉都在这一步里完成。

等待图这样建:

// 谁在等谁的叉子,就加一条有向边
for (const p of philosophers) {
  const fork = p.waitingForFork();
  const owner = forkOwner[fork];
  if (owner !== null) edges.push([p.id, owner]);
}
// 对 edges 做 DFS,遇到回边就是环

死锁判定不能只看环。

无保护策略在 500ms 内成环,环持续超过 250ms,页面就判定死锁并自动暂停。

超时退避也会短暂成环,但 300ms 后会有人放下叉子,所以阈值放宽到 450ms。

资源有序和服务员仲裁不该成环,一旦成环超过阈值,同样会标红。

写自检时踩到一个真 bug。

第一版自检跑出 10/12,失败的两条是“叉子同一时刻只被一人持有”和“每人最多持有两把叉”。

我一开始把“所有叉子的持有者”塞进 Set,看到 P1 同时持有 F0 和 F1,就以为出现了重复计数。

实际上一个人拿两把叉是正常的,重复的是人,不是叉子。

断言写错了,模拟本身没错。

改成逐人检查 holding 内不重复、并且 forkOwner 与 holding 对得上,12/12 才通过。

第二个坑是 5 人 4 叉。

等待图里没有环,原来的“有环才算死锁”直接漏判。

补上停滞检测后,页面才能在 2.6 秒时给出“没有成环,但系统已经停住”的结论。

第三个坑是超时退避的完成率。

批量实验一开始只给 20 秒逻辑时间,超时退避只完成 988/1000 轮。

这不是死锁,是 11318 次退避把时间用完了。

把上限放到 60 秒后,1000 轮全部完成,吞吐仍然是 4.57 份/秒。

这三处都不是界面问题,是“判定条件”和“指标口径”的问题。

页面自检现在有 12 条断言,全部在浏览器里跑。

覆盖死锁率、完成轮数、平均进餐、吞吐、叉子互斥、持有上限、进餐守恒、缺失叉子配置。

失败会标红,不会静默通过。

自检结果不是一张写死的截图,点一下就会重新跑 1000 轮。

五、失败路径:5 个人 4 把叉,没有环也会停

把叉子数量从 5 调到 4,页面顶部立刻出现红色配置错误。

文案直接说清楚:叉子数量 4 小于人数 5,至少一人永远拿不到两把叉。

点开始后,5 个人还是按无保护策略先拿左叉。

P0 的左叉 F4 不存在,P0 永远等不到。

其余四个人把 F0 到 F3 拿在手里,继续等右叉。

等待图只有 3 条边,没有环。

但所有人都停住,2.6 秒后页面判定死锁,并显示“没有成环,但系统已经停住”。

图 5:5 人 4 叉的失败路径,红色配置错误条 + 缺失叉子占位 + 停滞检测

这个失败路径比“看到环”更值得留给读者。

生产环境里的死锁也经常不是标准环:连接池被占满、线程池全部阻塞、某个资源被下线,都可能让所有人停住但没有明显循环。

只看等待图会漏判,必须同时看“有没有人继续完成工作”。

六、本地复现:一条命令打开,12 条断言 12/12 通过

页面是单文件,没有构建步骤,也没有外部依赖。

把它放进任意静态目录,执行 python -m http.server 8000,浏览器打开 http://localhost:8000。

自检标签页点「运行自检」,先跑 1000 轮 × 4 策略,再逐条核对,12/12 通过。

12 条断言分成两类。

一类盯模拟本身:叉子同一时刻只被一人持有、每人最多两把、持有记录与叉子登记一致、进餐数守恒。

另一类盯实验结论:无保护死锁率不低于 90%,另外三种策略死锁为 0,1000 轮全部完成。

批量实验每轮用固定种子,从 1000 开始递增,同一组参数每次得到同一张表。

我连跑三次,四种策略的死锁数、完成轮数、平均进餐三项完全一致。

批量结果可以复现,页面上的数字不是截图里的死数。

七、进入码道 Web(AI 开发者空间)

码道有三种使用方式:WebUI(浏览器对话)、TUI(终端命令行)和桌面 IDE(IDE 插件)。本文用 WebUI 版演示。

浏览器打开码道 Web 版:devcloud.cn-north-4.huaweicloud.com/chat?source…

八、使用码道体会

这一轮的需求写得很细:单文件、四种策略、1000 轮批量、四条件面板、12 条自检,连判定阈值都写进了需求。

WebUI 的长需求一直停在生成中,短句能正常返回,长需求等到半小时也没有产物。

我没有继续等,按同一份需求手写了页面,再用浏览器把四种策略和失败路径逐项跑了一遍。

所以文中的数字来自页面真实运行,不是生成结果的自述。

这次留下的五条经验:

  • 需求里先写死验收数字,生成物才有对错。1000 轮、死锁率、平均等待,一个都不能少。
  • 判定死锁不能只看等待图有没有环,还要看有没有人继续完成工作。
  • 指标要写清口径。平均等待只统计成功那一次,退避成本就被藏起来了。
  • 自检断言要检查事实,不要检查看起来像事实的集合。第一版 10/12 就栽在这里。
  • 边界配置单独做成失败路径,不要塞进正常流程里凑数。

九、写在最后

死锁不是理论题。

连接池被占满、线程池全部阻塞、两把锁交叉等待,出问题时都是同一个形状:每个人拿着一个资源,等另一个资源。

四条件里最容易动手的是循环等待。给资源定一个全局顺序,环就构造不出来。

代价是设计时要维护这个顺序,不能随手加锁。

已经乱序加锁的代码,退一步可以给等待加超时和退避,或者限制并发,但要接受吞吐下降。

先量一遍再改,比凭感觉改安全。

十、直接试玩

仓库地址:gitcode.com/OPCTeam/dem…

源码在同一个目录,index.html 是单文件,下载后双击就能跑。