这一关回答多核编程里最反直觉的问题："共享内存"到底是什么。答案比直觉更激进：每个核看到的从来不是内存，而是自己的缓存——"所有核看到同一份内存"是一个由 MESI 协议时刻维持的幻觉。而幻觉的最小记账单位不是字节，是 64 字节的缓存行：你写 1 个字节，硬件按 64 字节跟你算账。
三个机制支点：MESI 四态与核间 invalidate（一性致如何维持）、伪共享（各写各的变量为什么互相拖慢）、解法三件套（cacheline 对齐、__read_mostly、per-CPU）。READ_ONCE/WRITE_ONCE 的边界留给 M18：它们防的是编译器，不是缓存一致性。M04 的 TLB shootdown、M07 的上下文切换、M09 的锁，都是这一关的下游。
每个缓存行在每个核的缓存里都有一个状态，四个字母就是全部可能：
读缺失时发 BusRd：如果别的核手里有 M 态的行，它先写回内存、转 S，我拿到 S；如果没人有，我直接拿到 E。写命中 S 态行时发 invalidate：别人的副本全转 I，我转 M。写缺失时先 RFO（Read For Ownership）——把整行读进来再写，而不是直接写内存：因为写 1 个字节也得先拥有整行。
E 态存在的理由值得品味："独占读进来、随后就写"是极常见的模式（比如刚 malloc 的内存第一次写入）。没有 E 态，每次"读后写"都要发一次 invalidate；有了 E 态，静默转 M，省一次核间消息。MESI 的每个状态都是为"省一次总线事务"而存在的。
arch/x86/include/asm/cache.h：L1_CACHE_BYTES = (1 << L1_CACHE_SHIFT)，x86_64 上就是 64 字节。一致性协议不认识字节——写 1 个字节的效果是：该行进 M 态，其他核的副本全进 I 态。硬件没有"字节级一致性"这个概念。
为什么是行而不是字节？两条硬理由：(1) DRAM 的 burst 传输本来就是按行搬运的，字节级传输在物理上不存在；(2) 状态位开销——每字节维护 2bit MESI 状态是 25% 的标签存储开销，按 64B 行摊薄到可忽略。一致性粒度是物理现实决定的，不是协议设计师拍脑袋定的。
量化是这一关的灵魂：L1 命中约 1ns（几个周期），行被 invalidate 后从内存重取约 100ns——两个数量级。伪共享的全部恐怖就在于：它把你的每次写，都变成了 100ns。
经典案发现场：
struct { long cnt_a; long cnt_b; } s;
// 核0 循环 s.cnt_a++，核1 循环 s.cnt_b++两个 8 字节变量落在同一个 64B 缓存行里。核0 写 cnt_a：本核行转 M，核1 的副本转 I；核1 写 cnt_b：RFO 把行抢回来，核0 的副本转 I……缓存行在核间乒乓，两个核"各写各的"，吞吐量却塌到内存带宽量级。诊断铁证：单核跑飞快，双核跑反而慢，perf 里 coherence miss / HITM（hit-modified）计数飙高。
解法一：____cacheline_aligned_in_smp（include/linux/cache.hSMP_CACHE_BYTES 对齐并独占一整行。注意它的 #else 分支：非 SMP 下展开为空——单核不需要一致性，对齐是纯浪费。内核连"要不要对齐"都按配置条件编译。
解法二：__read_mostly——cache.h 注释原话："keep rarely changing variables out of frequently updated cachelines"。它防的不是"写乒乓"，是"读污染"：把热路径频繁读取、极少写入的变量打包进只读缓存行，搬离写者的战场。
代价是显式的：对齐拿空间换时间，每个变量吃掉 64B。内核里 ____cacheline_aligned 的结构体不少——这是深思熟虑后的挥霍，不是粗心。
DEFINE_PER_CPU（include/linux/percpu.hthis_cpu_read/this_cpu_write——关抢占上下文里直接读写本 CPU 副本，无锁。
铁证：arch/x86/kernel/cpu/bugs.c 里，SPEC_CTRL 的当前值就是 DEFINE_PER_CPU(u64, x86_spec_ctrl_current)——连 Spectre 缓解代码自己都用 per-CPU 存状态。理由很硬：MSR 本来就是 per-CPU 的，切换上下文时（M07）本来就要按 CPU 写，per-CPU 是唯一自然的选择。
代价有三：内存开销 ×NR_CPUS；汇总时需要跨 CPU 求和（同步点，M09 会展开）；以及——per-CPU 变量在进程上下文里不能随意 this_cpu_*（抢占可能把你换到别的 CPU），要配 get_cpu()/put_cpu() 或在已关抢占区使用。
include/asm-generic/rwonce.h 注释原话："Prevent the compiler from merging or refetching reads or writes"——防的是编译器把两次读合并成一次、把没必要的读优化掉。它的两个官方用例：(1) 同一 CPU 上进程上下文与 irq/NMI handler 之间的通信；(2) 与显式 barrier/原子指令配合、不需要排序的访问。
关键边界，一句话："读到的是某次完整写入的值"和"按什么顺序看到多次写入"是两回事。READ_ONCE 只约束编译器，不约束 CPU 的乱序执行和投机，也不提供核间的顺序保证。后者是 M18 内存模型 + smp_mb() 的地盘——本关在这里给 M18 埋钩子。
为什么一致性粒度是缓存行而不是字节？
因为物理层就没有字节级搬运：DRAM burst、总线事务都是按行；再加上每字节 2bit 状态位的存储开销。字节级一致性在物理和经济上都不成立——MESI 是"向物理现实妥协"的最优解，不是"向程序员妥协"的。
为什么是写失效（invalidate）而不是写更新（update）？
写更新要求每次写都把数据广播给所有共享者——"多核读、频繁写"的场景下总线直接爆炸。写失效只在第一次写时发一次 invalidate，之后本核的写零流量。"一次写、长期独占"是更常见的模式，协议为常见模式优化。
为什么内核里到处是 per-CPU，而不是"更好的锁"？
因为锁解决的是正确性，per-CPU 消除的是竞争本身。M09 会展开这个鄙视链：不共享 > 共享+无锁 > 共享+锁。但 per-CPU 把复杂度推给了"汇总"时刻——求和的那一刻，一致性账单还是要付。
task_struct 缓存行跟着"变冷"——调度器的 cache-hot 逻辑就是这一关的消费者switch_mm/switch_to 路径上的 SPEC_CTRL（per-CPU）读写，M16 会算它的 Spectre 账READ_ONCE 不保证顺序，smp_mb() 才保证——本关埋的钩子，M18 来收出题原则：10 题中记忆性题目不超过 3 道，其余为应用/推理/权衡类——场景预测、设计 trade-off 比较、从代码路径找问题、解释"为什么这样设计而不是那样"。难度递进，最后两道需要想一会儿。
Modified（独占脏）、Exclusive（独占干净）、Shared（共享干净）、Invalid（无效）。M 态时内存里是旧的——最新数据只在持有 M 态行的那个核的缓存里，内存的拷贝已经过时，直到该行被写回（writeback）或逐出。
E 态为"独占读进来、随后就写"的常见模式省一次总线事务。从 E 写：静默转 M，零总线事务（本来就独占，没人需要通知）；从 S 写：必须先发 invalidate，把其他核的 S 副本打成 I，自己转 M。E 态是 MESI 里"为常见模式省钱"的设计。
诊断：伪共享。a 和 b 落在同一 64B 缓存行，每次写都 invalidate 对方核的副本，缓存行在核间乒乓（HITM = 命中了别的核 Modified 的行，是伪共享的铁证）。修复：(1) 给 a、b 各加 ____cacheline_aligned_in_smp，让它们独占不同缓存行；(2) 改用 per-CPU 变量/每线程局部变量 + 最后汇总，彻底消除共享。
展开成空（cache.h 的 #else 分支直接 #define ____cacheline_aligned_in_smp）。单核下没有第二个核来 invalidate 你的缓存行，一致性协议根本没有工作对象——对齐是纯粹的内存浪费，所以内核用条件编译把它裁掉。
语义（cache.h 注释原话）：把极少变化、但在热路径被频繁读取的变量，搬出频繁被更新的缓存行、打包进只读缓存行。它防的不是"写乒乓"（那是 ____cacheline_aligned 的活），而是"读污染"：别让只读的热数据和别人写的热数据挤在同一行里，被连带 invalidate。
选 (b)。(a) 的每次 atomic_inc 都要把缓存行抢到 M 态——N 个核就是 N 路 invalidate 风暴，一致性流量随核数线性增长；(b) 每次写都是本 CPU 副本的 L1 命中，零核间流量。代价是 (b) 读总数时要跨 CPU 求和——但"读总数"是低频操作，把高频的竞争换成低频的汇总，总体稳赚。教训：把竞争从热路径上删掉，而不是在热路径上更好地竞争。
READ_ONCE 只保证"这次读是单次、不被编译器合并/撕裂的完整访问"，不保证它和别的读写之间的顺序。多核场景下，CPU 的乱序执行和 store buffer 可能让"先看到新值 B、后看到旧值 A"——读到的每个值都完整，但顺序是错的。smp_mb() 约束的是顺序。M18 会展开：单次访问的原子性 vs 多次访问的顺序，是两个正交的问题。
因为 NUMA 下一致性域更大：跨 node 的缓存行乒乓要走 interconnect（如 UPI），延迟比同 node 跨核高一个数量级，且可能按更大的传输单元搬运。更大的对齐保证"逻辑上无关"的数据在物理上离得更远，避免一次跨 node 传输拖走无辜邻居。对齐粒度跟着"犯错的代价"走——代价越大，对齐越宽。
因为写 1 个字节不等于写整行——行里其余 63 字节的数据还得保留。RFO 先把整行读进来（获得 M 态所有权），再在缓存里修改那 1 个字节，最后统一写回。直接写内存会丢掉同行的其他字节。RFO 是"字节级语义"和"行级一致性"之间的翻译层——伪共享的写放大，根子就在这里。
(a) 伪共享布局：long cnt[8] 紧密数组——8×8=64B 恰好挤在一行里；避免：struct { long v; } cnt[8] ____cacheline_aligned_in_smp 或每线程局部变量。(b) 每次写：1 次 RFO（64B 读）+ 1 次 invalidate 广播（7 个核的副本转 I）≈ 2 个核间消息 × 64B 行——而有效载荷只有 8B，放大 16 倍，还没算对方下次写的抢回。(c) 对齐数组：8×64B=512B 常驻；per-CPU：同样 8×64B 量级（percpu 按 unit 分配，实际按 CPU 数×对齐后大小）。内存开销接近，差异在访问模式：per-CPU 用 this_cpu_* 无锁且天然关抢占安全，对齐数组仍需处理"谁写哪一项"的索引——开销接近时，选语义更干净的。
____cacheline_aligned_in_smp、__read_mostly、CACHELINE_PADDING 的定义与注释DEFINE_PER_CPU、alloc_percpu、this_cpu_* 家族READ_ONCE/WRITE_ONCE，"防编译器合并/重取"的原话出处L1_CACHE_SHIFT/L1_CACHE_BYTES，x86_64 的 64B 来源MESI 状态迁移（核0视角，初始行不在缓存 = I）
读缺失 读缺失
(别人无此行) (别人有M态行)
I ─────────────────────► E I ──────────► S
│ 写缺失(RFO) ▲ │ 写(S→M)
│ │ BusRd │ 发invalidate
▼ │ ▼
M ◄──────── 静默转M ────────── E 别人的S ──► I
│ (独占，无需总线事务)
│ 写回内存/被逐出
▼
(M→S：响应别人的BusRd，先写回)
一句话：E 是"读进来就知道没人和我抢"，S 是"读进来就知道有人和我分"。
伪共享：两个核"各写各的"，硬件看到的却是同一行
缓存行 (64B): [ cnt_a (8B) | cnt_b (8B) | ............ 48B ............ ]
▲ ▲
核0只写a 核1只写b
t0: 核0写a → 行在核0进M态，核1副本→I
t1: 核1写b → RFO抢回，行在核1进M态，核0副本→I
t2: 核0写a → RFO抢回 ………… 乒乓，吞吐量塌到内存带宽
修复后：[ cnt_a + 56B填充 ] [ cnt_b + 56B填充 ]
各占一行，写a不再invalidate核1的行。
在页面里每题写下你的答案（关键词即可），卡住的题点一下"卡住了"标记，
点"生成作答汇总"后复制、贴到聊天里——对错由我来判定，我逐题批改并据此
调整下一关的深浅；准备好了说"下一关"。
点下面按钮生成汇总文本，复制后贴到「内核二十关」侧聊里，对错由我判定。