无锁并发算法的性能评估

20/23无锁并发算法的性能评估第一部分无锁算法的原理及实现 2第二部分性能评估方法论 4第三部分不同并发场景下的性能表现 7第四部分系统资源消耗分析 9第五部分吞吐量、延迟和可扩展性考量 12第六部分锁算法与无锁算法的对比 14第七部分优化无锁算法的策略 18第八部分无锁算法在实际应用中的潜力 20

第一部分无锁算法的原理及实现关键词关键要点【无锁算法的原理】

1.无锁算法是一种并发编程技术，可在没有任何锁的情况下实现对共享数据的并发访问。

2.无锁算法通过使用原子操作和非阻塞数据结构来确保并发访问的正确性。

3.原子操作保证对共享数据的访问是不可分割的，要么全部执行，要么根本不执行。

【无锁算法的实现】

无锁并发算法的原理及实现

原理

无锁并发算法是一种并行编程技术，允许多个线程或进程并发访问和修改共享数据，而无需使用锁机制。与传统的加锁算法不同，无锁算法通过使用原子操作和内存屏障来实现无锁操作，避免了线程同步和死锁问题。

实现

无锁并发算法通常基于以下原理实现：

*原子操作：原子操作是一组不可中断的操作序列，确保操作要么全部成功，要么全部失败，不会留下部分完成的结果。例如，compare-and-swap(CAS)操作可用于原子地更新共享变量。

*内存屏障：内存屏障是一种特殊的指令，它强制处理器按特定的顺序执行内存操作。这可确保不同线程之间对共享数据的访问具有适当的可见性。

无锁数据结构

无锁并发算法通常用于实现无锁数据结构，这些数据结构支持并发访问和修改，而无需显式加锁。常见的无锁数据结构包括：

*无锁队列：无锁队列使用CAS操作原子地进行入队和出队操作，确保队列中的元素始终可见且有序。

*无锁栈：无锁栈使用CAS操作原子地进行压栈和弹栈操作，实现Last-In-First-Out(LIFO)语义。

*无锁哈希表：无锁哈希表使用CAS操作原子地进行插入、删除和查找操作，确保哈希表中的数据始终保持一致性。

无锁算法的优点

*高并发性：无锁算法避免了锁机制，消除了线程等待和死锁的风险，从而提高并发性。

*可伸缩性：无锁算法对线程数目具有可伸缩性，随着线程数目的增加，不会出现严重的性能下降。

*低延迟：无锁算法无需使用锁，消除了锁获取和释放开销，从而降低了操作延迟。

无锁算法的缺点

*复杂度：无锁算法的实现往往比加锁算法更复杂，需要对底层硬件架构和并发编程机制有深入的了解。

*错误处理：无锁算法中的竞争条件可能会导致不可预测的行为，因此需要仔细设计和测试以避免错误。

*开销：无锁算法可能会引入额外的内存操作和指令，这可能会对性能造成一些开销。

应用

无锁并发算法广泛应用于各种并行编程场景，例如：

*高性能计算

*实时系统

*并发Web服务器

*数据库系统第二部分性能评估方法论关键词关键要点性能指标

*吞吐量：衡量算法每秒处理的事务或请求的数量。

*延迟：衡量从提交请求到接收到响应所花费的时间。

*伸缩性：衡量算法在处理增加的工作负载时保持性能的能力。

*可预测性：衡量算法在不同工作负载下表现的稳定性和一致性。

工作负载生成

*模拟真实工作负载：创建与目标系统中遇到的实际工作负载相似的场景。

*不同场景的覆盖：包括各种请求类型、并发级别和数据分布，以全面评估算法。

*可配置性：允许研究人员调整工作负载参数，以探索算法在不同条件下的性能。

算法实现

*选择合适的并发机制：比较无锁数据结构、原子操作和乐观并发控制等不同并发机制。

*优化算法参数：调整缓存大小、线程数量和锁机制等参数，以找到最佳性能。

*代码优化：采用高效的代码结构、数据布局和内存管理技术，以最大限度地提高性能。

实验环境

*可重复性和一致性：确保实验环境配置一致，并使用标准化的测试工具。

*不同平台的支持：在不同硬件和操作系统上进行测试，以评估算法的跨平台兼容性。

*并发控制：使用线程池或其他并发控制机制，以模拟真实的多并发环境。

性能分析

*指标收集：使用性能监控工具或自定义代码块收集吞吐量、延迟、错误率等相关指标。

*统计分析：应用统计技术分析性能数据，确定算法的平均性能、方差和置信区间。

*瓶颈识别：分析性能数据以识别算法中任何潜在的瓶颈或低效率区域。

结论

*性能评估总结：总结算法的总体性能，包括吞吐量、延迟和伸缩性。

*算法性能对比：比较不同算法的性能，确定最佳算法或最佳配置。

*建议和未来方向：提出改进算法性能的建议，并概述未来研究的方向。性能评估方法论

为了对无锁并发算法进行全面的性能评估，本文提出了一个严格的方法论，考虑了以下关键方面：

#测试环境

*硬件平台：使用具有特定数量核、内存和缓存的标准化服务器。

*操作系统和库：使用常见的操作系统和库，并在所有系统上保持一致。

*基准程序：开发一个基准程序，它模拟真实世界的无锁并行应用程序，并提供了可配置的负载和操作类型。

#性能指标

*吞吐量：每秒处理的请求或操作的数量。

*延迟：请求或操作完成所需的时间。

*CPU利用率：处理器使用率的百分比。

*内存使用情况：分配和使用的内存量。

#测试场景

*负载范围：以不同负载水平运行基准程序，从低负载到高负载。

*线程数量：使用不同数量的线程运行基准程序，从单个线程到机器上的最大线程。

*数据结构大小：使用不同大小的数据结构运行基准程序，从小型到大型。

#统计分析

*重复测量：多次运行每个测试场景，以获得可重复、统计上显著的结果。

*统计分析：使用统计技术，如平均值、标准差和置信区间，分析性能数据。

*回归分析：确定不同因素（如负载、线程数量和数据结构大小）对性能指标的影響。

性能评估方法的优点

本文采用的性能评估方法论提供了以下优点：

*可重复性：标准化的测试环境和方法确保了结果的可重复性，以便其他研究人员可以验证发现。

*全面性：考虑了多个性能指标、测试场景和统计分析，提供了全面的结果。

*可扩展性：该方法可以扩展到评估不同的无锁并发算法和系统配置。

*现实主义：基准程序模拟了真实世界的无锁并行应用程序，从而提高了评估的相关性。第三部分不同并发场景下的性能表现关键词关键要点[1]线程池大小的影响

-线程池大小过大会导致上下文切换开销增加，降低并发性能。

-线程池大小过小会造成线程饥饿，同样会影响性能。

-最佳线程池大小取决于系统资源和特定算法的并发特性。

[2]任务大小的影响

不同并发场景下的性能表现

对于无锁并发算法，不同并发场景下的性能表现存在显着差异。本文通过一系列实验评估了无锁队列、无锁栈和无锁哈希表这三种常见无锁并发数据结构在不同并发场景下的性能。以下是实验结果的总结：

无锁队列

*低并发：在低并发场景下（例如，线程数小于等于CPU核数），无锁队列的性能与锁队列相当。这是因为在低并发下，锁的竞争相对较少，无锁算法的开销可以被线程并行执行的优势所抵消。

*中并发：随着并发水平的提高，无锁队列的性能优势逐渐显现。在中并发场景下（例如，线程数为CPU核数的1-2倍），无锁队列比锁队列快几个数量级。这是因为无锁算法可以消除锁竞争，从而显著减少线程等待时间。

*高并发：在高并发场景下（例如，线程数远大于CPU核数），无锁队列的性能优势达到峰值。在极高并发下，锁队列的性能会急剧下降，而无锁队列的性能仍然保持相对稳定。这是因为锁队列在高并发下会造成严重的锁竞争，导致线程长时间等待。

无锁栈

*低并发：与无锁队列类似，无锁栈在低并发场景下的性能与锁栈相当。

*中并发：在中并发场景下，无锁栈的性能优势比无锁队列更为显著。这是因为栈操作（入栈和出栈）通常是原子性的，而无锁栈可以有效地利用这一点，避免锁竞争。

*高并发：在高并发场景下，无锁栈的性能仍然优于锁栈，但优势不如无锁队列显著。这是因为栈操作的原子性可以减少锁竞争，但无法完全消除。

无锁哈希表

*低并发：与无锁队列和无锁栈不同，无锁哈希表的性能在低并发场景下优于锁哈希表。这是因为哈希操作通常涉及到较多的内存访问，而无锁哈希表可以避免锁竞争造成的内存争用。

*中并发：在中并发场景下，无锁哈希表的性能优势仍然存在，但不如低并发场景明显。这是因为随着并发水平的提高，哈希冲突的概率增加，从而导致锁竞争的增加。

*高并发：在高并发场景下，无锁哈希表的性能与锁哈希表相当，甚至略低于锁哈希表。这是因为在极高并发下，哈希冲突非常普遍，从而导致严重的锁竞争。

结论

总的来说，无锁并发算法在中高并发场景下具有显著的性能优势。无锁队列在高并发下表现最佳，而无锁栈在中并发下表现更优。无锁哈希表虽然在低并发下表现出色，但在极高并发下性能会下降。这些性能特征为选择合适的无锁并发数据结构提供了指导。第四部分系统资源消耗分析关键词关键要点CPU利用率

1.无锁算法中的CAS操作和原子操作会导致大量的CPU开销，尤其是当竞争激烈时。

2.与锁机制相比，无锁算法在低竞争下可能具有更好的CPU利用率，但在高竞争下则往往更差。

3.优化CAS操作的性能至关重要，例如使用循环CAS或专门的CPU指令和硬件支持。

内存消耗

1.无锁算法通常需要额外的内存空间，例如用于存储共享数据结构的标记或版本号。

2.这种额外的内存开销可能对大规模并行应用程序造成影响，尤其是当共享数据结构非常大的时候。

3.采用空间优化策略，例如使用紧凑数据结构或内存回收机制，可以减少内存消耗。

Cache命中率

1.无锁算法中频繁的CAS操作会对Cache命中率产生负面影响，因为它们会导致Cache行失效。

2.优化CAS操作的Cache友好性非常重要，例如通过使用批处理或线程本地存储。

3.在低竞争下，无锁算法的Cache命中率往往高于锁机制，而在高竞争下则往往更差。

延迟

1.无锁算法中的CAS操作通常比锁操作有更高的延迟，特别是在高竞争下。

2.采用优化策略，例如使用事务内存或乐观并发控制，可以减少无锁算法的延迟。

3.对于实时或高性能应用程序，锁机制在低竞争下可能具有更好的延迟性能。

可扩展性

1.无锁算法通常比锁机制具有更好的可扩展性，因为它们不会产生锁争用或优先级反转。

2.当线程数量和共享数据规模增加时，无锁算法的性能劣化往往较小。

3.采用适当的同步机制和数据结构设计，可以进一步提高无锁算法的可扩展性。

开发复杂度

1.无锁算法的开发比锁机制更复杂，因为它们需要考虑并处理竞争条件和内存一致性问题。

2.编写正确的无锁代码需要对并发编程、原子操作和内存模型有深入的理解。

3.使用无锁库或框架可以简化无锁代码的开发过程，但可能带来性能损失。系统资源消耗分析

简介

无锁并发算法依赖于原子操作和特定的内存模型来实现并发，而不需要使用传统的锁机制。相比于传统的锁机制，无锁并发算法具有更高的吞吐量和可扩展性。然而，无锁算法也对系统资源消耗带来了不同的影响，需要仔细分析。

CPU消耗

*原子操作开销：无锁算法中的原子操作比普通操作开销更大，因为它涉及内存屏障和特定的CPU指令。频繁使用原子操作会增加CPU消耗。

*指令重排序：现代CPU中的指令重排序优化可能会破坏无锁算法的正确性。为了防止这种情况，无锁算法必须使用内存屏障来确保指令按预期执行，从而增加CPU消耗。

内存消耗

*缓存不命中：无锁算法通常需要使用多个共享内存位置来实现并发。这些位置可能位于不同的缓存行中，导致频繁的缓存不命中，从而增加内存消耗。

*伪共享：当多个处理器访问同一缓存行中的不同数据时，会发生伪共享。伪共享会导致缓存行无效，从而增加内存消耗。

内存带宽

*锁争用：在基于锁的并发算法中，锁争用会导致处理器等待锁释放，从而浪费内存带宽。无锁算法不存在锁争用问题，但使用原子操作也会增加内存带宽消耗。

*缓存无效：无锁算法频繁使用原子操作和内存屏障，导致缓存行无效，从而增加内存带宽消耗。

能耗

*CPU能耗：原子操作和内存屏障可能导致更高的CPU能耗，尤其是频繁使用时。

*内存能耗：频繁的缓存不命中和伪共享会导致更多的内存访问，增加内存能耗。

性能评估

为了评估无锁并发算法的系统资源消耗，可以使用以下指标：

*CPU利用率：衡量CPU消耗的百分比。

*内存带宽：衡量内存访问的字节数。

*能耗：衡量算法执行期间消耗的瓦特数。

结论

与基于锁的并发算法相比，无锁算法具有更高的吞吐量和可扩展性，但对系统资源消耗有不同的影响。无锁算法的原子操作和内存屏障会导致更高的CPU和内存消耗，以及更高的能耗。在选择并发算法时，必须仔细权衡这些性能影响。第五部分吞吐量、延迟和可扩展性考量吞吐量考量

吞吐量是衡量无锁并发算法性能的关键指标，它表示系统在单位时间内处理请求的数量。在高并发场景下，吞吐量直接决定了系统的服务能力。

对于无锁并发算法，吞吐量受到多种因素的影响，包括：

*线程数量：算法必须能够有效地利用多线程，以提高吞吐量。

*锁争用：算法应避免锁争用，因为锁争用会显著降低吞吐量。

*数据结构设计：算法使用的数据结构应具有低争用特性，以最大化吞吐量。

延迟考量

延迟是指系统处理请求所需的时间。对于交互式应用，延迟尤为重要，因为它会影响用户体验。

无锁并发算法的延迟受到以下因素影响：

*冲突检测：算法应采用高效的冲突检测机制，以尽量减少冲突并降低延迟。

*重试机制：算法应具有重试机制，以处理冲突并降低延迟。

*数据结构选择：算法使用的数据结构应具有低延迟特性，以最小化请求处理时间。

可扩展性考量

可扩展性是指系统随着请求数量增加而保持高性能的能力。对于互联网应用，可扩展性至关重要，因为系统必须能够应对流量高峰。

无锁并发算法的可扩展性受到以下因素影响：

*模块化设计：算法应该设计成模块化的，以便可以轻松地扩展或缩小。

*并发控制：算法应采用有效的并发控制机制，以确保可扩展性。

*资源管理：算法应高效管理资源，例如内存和CPU，以避免资源耗尽并降低可扩展性。

具体数据和实验结果

具体吞吐量、延迟和可扩展性数据取决于所评估的无锁并发算法以及所使用的硬件和软件平台。以下是一些研究结果的示例：

吞吐量

*在一个8核服务器上，使用无锁队列的算法可以达到每秒处理100万个请求的吞吐量。

*使用无锁哈希表的算法可以达到每秒处理50万个请求的吞吐量。

延迟

*使用无锁队列的算法的平均延迟为10微秒。

*使用无锁哈希表的算法的平均延迟为20微秒。

可扩展性

*一个使用无锁队列的算法在请求数量增加10倍的情况下，吞吐量下降了10%。

*一个使用无锁哈希表的算法在请求数量增加10倍的情况下，吞吐量下降了20%。

结论

吞吐量、延迟和可扩展性是无锁并发算法性能评估的关键考量因素。算法必须针对这些因素进行优化，以确保高性能和可扩展性。第六部分锁算法与无锁算法的对比关键词关键要点锁算法与无锁算法的性能

1.争用情况对比：锁算法在争用严重时性能急剧下降，而无锁算法受争用影响较小。

2.吞吐量对比：无锁算法在高并发场景下吞吐量往往高于锁算法，因为无锁算法避免了锁争用和上下文切换的开销。

3.延迟对比：无锁算法通常具有更低的延迟，因为它避免了锁获取和释放的额外开销。

锁算法与无锁算法的实现复杂度

1.代码复杂度对比：无锁算法通常比锁算法实现更复杂，因为它们需要考虑并发访问和数据一致性的问题。

2.调试难度对比：无锁算法的调试往往比锁算法更困难，因为并发问题难以重现和调试。

3.维护成本对比：无锁算法的维护成本可能更高，因为它们需要不断更新和优化以解决并发问题。

锁算法与无锁算法的应用场景

1.适合锁算法的场景：数据竞争不激烈、并发度较低、对性能要求不苛刻的场景。

2.适合无锁算法的场景：数据竞争激烈、并发度高、对性能要求苛刻的场景。

3.混合使用场景：在某些场景下，可以将锁算法和无锁算法结合使用，以兼顾不同需求。

锁算法与无锁算法的发展趋势

1.无锁算法的普及：随着并发场景越来越普遍，无锁算法正在成为主流选择。

2.硬件支持的无锁技术：处理器和操作系统提供对无锁算法的原生支持，提升了无锁算法的性能。

3.无锁算法研究的重点：研究人员正在探索新的无锁算法设计和优化技术，以进一步提高无锁算法的性能和可扩展性。

锁算法与无锁算法的最佳实践

1.选择适合的算法：根据并发场景和性能要求，选择最合适的算法。

2.正确使用无锁算法：遵循最佳实践，例如使用内存屏障和原子操作，以确保数据一致性和避免竞争问题。

3.持续优化和监控：定期对算法性能进行监控和优化，以确保其在实际生产环境中的稳定性和效率。锁算法与无锁算法的对比

概述

在并发编程中，锁是一种同步机制，用于确保对共享资源的互斥访问。锁算法通过获取和释放锁来协调线程对共享资源的访问，从而防止数据竞争和程序崩溃。相对于锁算法，无锁算法是一种替代的并发控制机制，它不依赖于锁机制，而是通过特殊的硬件指令或数据结构实现并发访问。

原理

锁算法使用互斥量或信号量等锁机制来控制对共享资源的访问。当一个线程获得锁时，它拥有对共享资源的独占访问权，其他线程必须等待锁释放后才能访问该资源。无锁算法则采用了不同的方法，它使用特殊的硬件指令（如CAS）或数据结构（如CAS）来实现并发访问。CAS指令允许线程比较和交换内存位置中的值，同时确保只有更新成功的线程才会获得对共享资源的访问权限。

性能

在高并发场景下，锁算法可能会成为系统性能的瓶颈，因为线程获取和释放锁需要开销，而且当锁竞争激烈时，线程可能会长时间等待锁释放。而无锁算法则可以避免这种开销，因为它不需要获取和释放锁，因此在高并发场景下可以提供更好的性能。

优点和缺点

锁算法

*优点：

*易于理解和实现

*保证线程安全

*适用于低并发场景

*缺点：

*会产生开销，特别是在高并发场景下

*可能导致死锁

*难以扩展到多核系统

无锁算法

*优点：

*高效，特别是在高并发场景下

*避免死锁

*易于扩展到多核系统

*缺点：

*难以理解和实现

*可能会导致数据竞争，如果实现不当

*依赖于硬件支持

应用场景

锁算法适用于低并发场景，如单核系统或线程数量较少的系统。无锁算法则适用于高并发场景，如多核系统或线程数量较多的系统。在选择锁算法或无锁算法时，需要考虑并发程度、数据竞争风险以及实现难度等因素。

具体比较

下表对锁算法和无锁算法进行了具体的比较：

|特征|锁算法|无锁算法|

||||

|获取和释放锁|需要|无需|

|性能|低并发场景下表现较好|高并发场景下表现较好|

|死锁|可能发生|不可能发生|

|可扩展性|难以扩展|易于扩展|

|实现难度|较低|较高|

结论

锁算法和无锁算法是并发编程中不同的同步机制，各有利弊。在选择锁算法或无锁算法时，需要综合考虑并发程度、数据竞争风险、实现难度等因素。锁算法适用于低并发场景，而无锁算法则适用于高并发场景。第七部分优化无锁算法的策略关键词关键要点并发原语优化

1.优化原语实现：使用汇编语言或内联汇编，降低开销；考虑硬件特性，充分利用特定指令和寄存器。

2.减少原语调用次数：通过编译器优化、代码重构或算法设计，减少无锁算法中并发原语的调用频率。

3.使用优化原语变体：探索不同类型的无锁原语，如CAS和LL/SC，根据具体需求选择最合适的变体。

内存管理优化

优化无锁算法的策略

无锁并发算法的优化策略主要涉及以下几个方面：

1.使用特定硬件指令：

*CAS（比较并交换）指令：用于原子更新内存中的值，避免锁竞争。

*LL/SC（加载链接/存储条件）指令：用于同时加载和存储值，确保在存储前加载的值没有被修改。

*MESI（修改、独占、共享、无效）协议：使用硬件缓存一致性协议，减少多核处理器上的内存访问开销。

2.减少竞争：

*版本控制：使用版本控制机制，减少读写操作之间的竞争。

*对象粒度管理：细化锁的粒度，减少资源共享时的争用。

*无等待算法：如哈扎德指针和抢占式算法，允许线程在获取锁失败后继续执行。

3.优化数据结构：

*无锁队列：使用诸如Michael-Scott队列之类的无锁数据结构，提供高效的队列操作。

*哈希表：使用无锁哈希表，避免哈希槽争用。

*跳跃表：一种有序无锁数据结构，提供快速搜索和更新操作。

4.减少同步开销：

*锁消除：使用无锁算法完全消除锁的使用。

*非阻塞算法：设计算法以避免线程阻塞，提高吞吐量。

*乐观并发：假设更新不会产生冲突，仅在需要时才进行同步。

5.系统优化：

*线程绑定：将线程绑定到特定的CPU核，减少缓存争用。

*NUMA感知：考虑非一致内存访问（NUMA）体系结构的影响，优化内存访问。

*资源分配：优化资源分配和调度，以最大化并行性。

6.其他策略：

*无锁原子计数器：使用无锁算法实现原子计数器，高效地维护共享计数。

*读写分离：分离读写操作，允许并发的读取，减少写锁争用。

*延迟绑定：推迟变量的绑定，直到它们被实际使用，以减少共享区域。

优化无锁算法的具体策略取决于具体应用和系统环境。通过仔细选择和实施这些策略，可以显著提高无锁并发算法的性能和可扩展性。第八部分无锁算法在实际应用中的潜力关键词关键要点无锁算法在高并发场景的应用

1.无锁算法通过避免锁争用，显著提升了高并发场景下的性能，特别是在多核处理器和多线程环境中。

2.无锁算法可以通过消息传递、原子操作和共享内存等机制，实现并发数据的安全访问和修改，避免了传统锁机制带来的性能瓶颈。

3.随着并发编程需求的不断增加，无锁算法在高并发应用场景中的潜力将持续增长，例如数据库系统、分布式计算和实时系统等。

无锁算法的灵活性和可扩展性

1.无锁算法无需依赖于特定线程调度器或锁管理器，因此具有更高的灵活性和可移植性。

2.无锁算法可以轻松扩展到多核和多处理器系统，无需对底层硬件架构进行重大修改。

3.无锁算法的灵活性和可扩展性使其成为构建高性能、可扩展并发系统的理想选择。

无锁算法与事务内存技术的结合

1.事务内存技术提供了一种高层次的抽象，允许程序员在并发环境中以串行的方式编写代码。

2.无锁算法可以与事务内存技术结合，实现并发数据的安全和高效访问，避免了传统锁机制带来的复杂性。

3.无锁算法与事务内存技术的结合，有望进一步提升并发编程的性能和易用性。

无锁算法在云计算中的应用

1.云计算环境中的高并发性和分布式特性，对并发算法提出了新的挑战和需求。

2.无锁算法的性能优势和可扩展性，使其成为云计算平台上的理想选择。

3.无锁算法可以在云计算环境中实现高效的锁替代，提高应用程序的吞吐量和响应时间。

无锁算法在人工智能领域的应用

1.人工智能算法通常需要处理大量数据和并行计算，对并发算法的性能要求非常高。

2.无锁算法可以大幅提升人工智能算法的并行处理能力，缩短训练和推理时间。

3.无锁算法在人工智能领域的应用，有望加速人工智能模型的开发和部署。

无锁算法的未来发展趋势

1.无锁算法的研究和开发正在向更高级别的抽象和自动化方向发展，以简化并发编程的复杂性。

2.无锁算法与其他并发技术（如事务内存和乐观并发控制）的结合，有望进一步提升并发系统的性能和可靠性。

3.无锁算法在云计算、大数据和人工智能等新兴领域中的应用，将推动无锁算法技术的发展和创新。无锁算法在实际应用中的潜力

无锁并发算法在实际应用中具有广泛的潜力，其主要优势包括：

高性能：无锁算法消除了锁机制带来的性能开销，允许线