轉載自??深入并發(fā)包-ConcurrentHashMap

前言

以前寫過介紹HashMap的文章，文中提到過HashMap在put的時候，插入的元素超過了容量（由負載因子決定）的范圍就會觸發(fā)擴容操作，就是rehash，這個會重新將原數組的內容重新hash到新的擴容數組中，在多線程的環(huán)境下，存在同時其他的元素也在進行put操作，如果hash值相同，可能出現同時在同一數組下用鏈表表示，造成閉環(huán)，導致在get時會出現死循環(huán)，所以HashMap是線程不安全的。

我們來了解另一個鍵值存儲集合HashTable，它是線程安全的，它在所有涉及到多線程操作的都加上了synchronized關鍵字來鎖住整個table，這就意味著所有的線程都在競爭一把鎖，在多線程的環(huán)境下，它是安全的，但是無疑是效率低下的。

其實HashTable有很多的優(yōu)化空間，鎖住整個table這么粗暴的方法可以變相的柔和點，比如在多線程的環(huán)境下，對不同的數據集進行操作時其實根本就不需要去競爭一個鎖，因為他們不同hash值，不會因為rehash造成線程不安全，所以互不影響，這就是鎖分離技術，將鎖的粒度降低，利用多個鎖來控制多個小的table，這就是這篇文章的主角ConcurrentHashMap JDK1.7版本的核心思想

ConcurrentHashMap

JDK1.7的實現

在JDK1.7版本中，ConcurrentHashMap的數據結構是由一個Segment數組和多個HashEntry組成，如下圖所示：

Segment數組的意義就是將一個大的table分割成多個小的table來進行加鎖，也就是上面的提到的鎖分離技術，而每一個Segment元素存儲的是HashEntry數組+鏈表，這個和HashMap的數據存儲結構一樣

初始化

ConcurrentHashMap的初始化是會通過位與運算來初始化Segment的大小，用ssize來表示，如下所示

int sshift = 0; int ssize = 1; while (ssize < concurrencyLevel) {++sshift;ssize <<= 1; }

如上所示，因為ssize用位于運算來計算（ssize <<=1），所以Segment的大小取值都是以2的N次方，無關concurrencyLevel的取值，當然concurrencyLevel最大只能用16位的二進制來表示，即65536，換句話說，Segment的大小最多65536個，沒有指定concurrencyLevel元素初始化，Segment的大小ssize默認為16

每一個Segment元素下的HashEntry的初始化也是按照位于運算來計算，用cap來表示，如下所示

int cap = 1; while (cap < c)cap <<= 1;

如上所示，HashEntry大小的計算也是2的N次方（cap <<=1）， cap的初始值為1，所以HashEntry最小的容量為2

put操作

對于ConcurrentHashMap的數據插入，這里要進行兩次Hash去定位數據的存儲位置

static class Segment<K,V> extends ReentrantLock implements Serializable {

從上Segment的繼承體系可以看出，Segment實現了ReentrantLock,也就帶有鎖的功能，當執(zhí)行put操作時，會進行第一次key的hash來定位Segment的位置，如果該Segment還沒有初始化，即通過CAS操作進行賦值，然后進行第二次hash操作，找到相應的HashEntry的位置，這里會利用繼承過來的鎖的特性，在將數據插入指定的HashEntry位置時（鏈表的尾端），會通過繼承ReentrantLock的tryLock（）方法嘗試去獲取鎖，如果獲取成功就直接插入相應的位置，如果已經有線程獲取該Segment的鎖，那當前線程會以自旋的方式去繼續(xù)的調用tryLock（）方法去獲取鎖，超過指定次數就掛起，等待喚醒

get操作

ConcurrentHashMap的get操作跟HashMap類似，只是ConcurrentHashMap第一次需要經過一次hash定位到Segment的位置，然后再hash定位到指定的HashEntry，遍歷該HashEntry下的鏈表進行對比，成功就返回，不成功就返回null

size操作

計算ConcurrentHashMap的元素大小是一個有趣的問題，因為他是并發(fā)操作的，就是在你計算size的時候，他還在并發(fā)的插入數據，可能會導致你計算出來的size和你實際的size有相差（在你return size的時候，插入了多個數據），要解決這個問題，JDK1.7版本用兩種方案

try {for (;;) {if (retries++ == RETRIES_BEFORE_LOCK) {for (int j = 0; j < segments.length; ++j) ensureSegment(j).lock(); // force creation}sum = 0L;size = 0;overflow = false;for (int j = 0; j < segments.length; ++j) {Segment<K,V> seg = segmentAt(segments, j);if (seg != null) { sum += seg.modCount; int c = seg.count; if (c < 0 || (size += c) < 0)overflow = true;} }if (sum == last) break;last = sum; } } finally {if (retries > RETRIES_BEFORE_LOCK) {for (int j = 0; j < segments.length; ++j)segmentAt(segments, j).unlock();} }

第一種方案他會使用不加鎖的模式去嘗試多次計算ConcurrentHashMap的size，最多三次，比較前后兩次計算的結果，結果一致就認為當前沒有元素加入，計算的結果是準確的

第二種方案是如果第一種方案不符合，他就會給每個Segment加上鎖，然后計算ConcurrentHashMap的size返回

JDK1.8的實現

JDK1.8的實現已經摒棄了Segment的概念，而是直接用Node數組+鏈表+紅黑樹的數據結構來實現，并發(fā)控制使用Synchronized和CAS來操作，整個看起來就像是優(yōu)化過且線程安全的HashMap，雖然在JDK1.8中還能看到Segment的數據結構，但是已經簡化了屬性，只是為了兼容舊版本

在深入JDK1.8的put和get實現之前要知道一些常量設計和數據結構，這些是構成ConcurrentHashMap實現結構的基礎，下面看一下基本屬性：

// node數組最大容量：2^30=1073741824 private static final int MAXIMUM_CAPACITY = 1 << 30; // 默認初始值，必須是2的幕數 private static final int DEFAULT_CAPACITY = 16; //數組可能最大值，需要與toArray（）相關方法關聯(lián) static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8; //并發(fā)級別，遺留下來的，為兼容以前的版本 private static final int DEFAULT_CONCURRENCY_LEVEL = 16; // 負載因子 private static final float LOAD_FACTOR = 0.75f; // 鏈表轉紅黑樹閥值,> 8 鏈表轉換為紅黑樹 static final int TREEIFY_THRESHOLD = 8; //樹轉鏈表閥值，小于等于6（tranfer時，lc、hc=0兩個計數器分別++記錄原bin、新binTreeNode數量，<=UNTREEIFY_THRESHOLD 則untreeify(lo)） static final int UNTREEIFY_THRESHOLD = 6; static final int MIN_TREEIFY_CAPACITY = 64; private static final int MIN_TRANSFER_STRIDE = 16; private static int RESIZE_STAMP_BITS = 16; // 2^15-1，help resize的最大線程數 private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1; // 32-16=16，sizeCtl中記錄size大小的偏移量 private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS; // forwarding nodes的hash值 static final int MOVED = -1; // 樹根節(jié)點的hash值 static final int TREEBIN = -2; // ReservationNode的hash值 static final int RESERVED = -3; // 可用處理器數量 static final int NCPU = Runtime.getRuntime().availableProcessors(); //存放node的數組 transient volatile Node<K,V>[] table; /*控制標識符，用來控制table的初始化和擴容的操作，不同的值有不同的含義*當為負數時：-1代表正在初始化，-N代表有N-1個線程正在 進行擴容*當為0時：代表當時的table還沒有被初始化*當為正數時：表示初始化或者下一次進行擴容的大小 private transient volatile int sizeCtl;

基本屬性定義了ConcurrentHashMap的一些邊界以及操作時的一些控制，下面看一些內部的一些結構組成，這些是整個ConcurrentHashMap整個數據結構的核心

Node

Node是ConcurrentHashMap存儲結構的基本單元，繼承于HashMap中的Entry，用于存儲數據，源代碼如下

static class Node<K,V> implements Map.Entry<K,V> {//鏈表的數據結構final int hash;final K key;//val和next都會在擴容時發(fā)生變化，所以加上volatile來保持可見性和禁止重排序volatile V val;volatile Node<K,V> next;Node(int hash, K key, V val, Node<K,V> next) {this.hash = hash;this.key = key;this.val = val;this.next = next;}public final K getKey() { return key; }public final V getValue() { return val; }public final int hashCode() { return key.hashCode() ^ val.hashCode(); }public final String toString(){ return key + "=" + val; }//不允許更新value public final V setValue(V value) {throw new UnsupportedOperationException();}public final boolean equals(Object o) {Object k, v, u; Map.Entry<?,?> e;return ((o instanceof Map.Entry) &&(k = (e = (Map.Entry<?,?>)o).getKey()) != null &&(v = e.getValue()) != null &&(k == key || k.equals(key)) &&(v == (u = val) || v.equals(u)));}//用于map中的get（）方法，子類重寫Node<K,V> find(int h, Object k) {Node<K,V> e = this;if (k != null) {do {K ek;if (e.hash == h &&((ek = e.key) == k || (ek != null && k.equals(ek))))return e;} while ((e = e.next) != null);}return null;} }

Node數據結構很簡單，從上可知，就是一個鏈表，但是只允許對數據進行查找，不允許進行修改

TreeNode

TreeNode繼承與Node，但是數據結構換成了二叉樹結構，它是紅黑樹的數據的存儲結構，用于紅黑樹中存儲數據，當鏈表的節(jié)點數大于8時會轉換成紅黑樹的結構，他就是通過TreeNode作為存儲結構代替Node來轉換成黑紅樹源代碼如下

static final class TreeNode<K,V> extends Node<K,V> {//樹形結構的屬性定義TreeNode<K,V> parent; // red-black tree linksTreeNode<K,V> left;TreeNode<K,V> right;TreeNode<K,V> prev; // needed to unlink next upon deletionboolean red; //標志紅黑樹的紅節(jié)點TreeNode(int hash, K key, V val, Node<K,V> next,TreeNode<K,V> parent) {super(hash, key, val, next);this.parent = parent;}Node<K,V> find(int h, Object k) {return findTreeNode(h, k, null);}//根據key查找 從根節(jié)點開始找出相應的TreeNode，final TreeNode<K,V> findTreeNode(int h, Object k, Class<?> kc) {if (k != null) {TreeNode<K,V> p = this;do {int ph, dir; K pk; TreeNode<K,V> q;TreeNode<K,V> pl = p.left, pr = p.right;if ((ph = p.hash) > h)p = pl;else if (ph < h)p = pr;else if ((pk = p.key) == k || (pk != null && k.equals(pk)))return p;else if (pl == null)p = pr;else if (pr == null)p = pl;else if ((kc != null ||(kc = comparableClassFor(k)) != null) &&(dir = compareComparables(kc, k, pk)) != 0)p = (dir < 0) ? pl : pr;else if ((q = pr.findTreeNode(h, k, kc)) != null)return q;elsep = pl;} while (p != null);}return null;} }

TreeBin

TreeBin從字面含義中可以理解為存儲樹形結構的容器，而樹形結構就是指TreeNode，所以TreeBin就是封裝TreeNode的容器，它提供轉換黑紅樹的一些條件和鎖的控制，部分源碼結構如下

static final class TreeBin<K,V> extends Node<K,V> {//指向TreeNode列表和根節(jié)點TreeNode<K,V> root;volatile TreeNode<K,V> first;volatile Thread waiter;volatile int lockState;// 讀寫鎖狀態(tài)static final int WRITER = 1; // 獲取寫鎖的狀態(tài)static final int WAITER = 2; // 等待寫鎖的狀態(tài)static final int READER = 4; // 增加數據時讀鎖的狀態(tài)/*** 初始化紅黑樹*/TreeBin(TreeNode<K,V> b) {super(TREEBIN, null, null, null);this.first = b;TreeNode<K,V> r = null;for (TreeNode<K,V> x = b, next; x != null; x = next) {next = (TreeNode<K,V>)x.next;x.left = x.right = null;if (r == null) {x.parent = null;x.red = false;r = x;}else {K k = x.key;int h = x.hash;Class<?> kc = null;for (TreeNode<K,V> p = r;;) {int dir, ph;K pk = p.key;if ((ph = p.hash) > h)dir = -1;else if (ph < h)dir = 1;else if ((kc == null &&(kc = comparableClassFor(k)) == null) ||(dir = compareComparables(kc, k, pk)) == 0)dir = tieBreakOrder(k, pk);TreeNode<K,V> xp = p;if ((p = (dir <= 0) ? p.left : p.right) == null) {x.parent = xp;if (dir <= 0)xp.left = x;elsexp.right = x;r = balanceInsertion(r, x);break;}}}}this.root = r;assert checkInvariants(root);}...... }

介紹了ConcurrentHashMap主要的屬性與內部的數據結構，現在通過一個簡單的例子以debug的視角看看ConcurrentHashMap的具體操作細節(jié)

public class TestConcurrentHashMap{ public static void main(String[] args){ConcurrentHashMap<String,String> map = new ConcurrentHashMap(); //初始化ConcurrentHashMap//新增個人信息map.put("id","1");map.put("name","andy");map.put("sex","男");//獲取姓名String name = map.get("name");Assert.assertEquals(name,"andy");//計算大小int size = map.size();Assert.assertEquals(size,3);} }

我們先通過new ConcurrentHashMap()來進行初始化

public ConcurrentHashMap() { }

由上你會發(fā)現ConcurrentHashMap的初始化其實是一個空實現，并沒有做任何事，這里后面會講到，這也是和其他的集合類有區(qū)別的地方，初始化操作并不是在構造函數實現的，而是在put操作中實現，當然ConcurrentHashMap還提供了其他的構造函數，有指定容量大小或者指定負載因子，跟HashMap一樣，這里就不做介紹了

put操作

在上面的例子中我們新增個人信息會調用put方法，我們來看下

public V put(K key, V value) {return putVal(key, value, false); } /** Implementation for put and putIfAbsent */ final V putVal(K key, V value, boolean onlyIfAbsent) {if (key == null || value == null) throw new NullPointerException();int hash = spread(key.hashCode()); //兩次hash，減少hash沖突，可以均勻分布int binCount = 0;for (Node<K,V>[] tab = table;;) { //對這個table進行迭代Node<K,V> f; int n, i, fh;//這里就是上面構造方法沒有進行初始化，在這里進行判斷，為null就調用initTable進行初始化，屬于懶漢模式初始化if (tab == null || (n = tab.length) == 0)tab = initTable();else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {//如果i位置沒有數據，就直接無鎖插入if (casTabAt(tab, i, null,new Node<K,V>(hash, key, value, null)))break; // no lock when adding to empty bin}else if ((fh = f.hash) == MOVED)//如果在進行擴容，則先進行擴容操作tab = helpTransfer(tab, f);else {V oldVal = null;//如果以上條件都不滿足，那就要進行加鎖操作，也就是存在hash沖突，鎖住鏈表或者紅黑樹的頭結點synchronized (f) {if (tabAt(tab, i) == f) {if (fh >= 0) { //表示該節(jié)點是鏈表結構binCount = 1;for (Node<K,V> e = f;; ++binCount) {K ek;//這里涉及到相同的key進行put就會覆蓋原先的valueif (e.hash == hash &&((ek = e.key) == key ||(ek != null && key.equals(ek)))) {oldVal = e.val;if (!onlyIfAbsent)e.val = value;break;}Node<K,V> pred = e;if ((e = e.next) == null) { //插入鏈表尾部pred.next = new Node<K,V>(hash, key,value, null);break;}}}else if (f instanceof TreeBin) {//紅黑樹結構Node<K,V> p;binCount = 2;//紅黑樹結構旋轉插入if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,value)) != null) {oldVal = p.val;if (!onlyIfAbsent)p.val = value;}}}}if (binCount != 0) { //如果鏈表的長度大于8時就會進行紅黑樹的轉換if (binCount >= TREEIFY_THRESHOLD)treeifyBin(tab, i);if (oldVal != null)return oldVal;break;}}}addCount(1L, binCount);//統(tǒng)計size，并且檢查是否需要擴容return null; }

這個put的過程很清晰，對當前的table進行無條件自循環(huán)直到put成功，可以分成以下六步流程來概述

如果沒有初始化就先調用initTable（）方法來進行初始化過程

如果沒有hash沖突就直接CAS插入

如果還在進行擴容操作就先進行擴容

如果存在hash沖突，就加鎖來保證線程安全，這里有兩種情況，一種是鏈表形式就直接遍歷到尾端插入，一種是紅黑樹就按照紅黑樹結構插入，

最后一個如果該鏈表的數量大于閾值8，就要先轉換成黑紅樹的結構，break再一次進入循環(huán)

如果添加成功就調用addCount（）方法統(tǒng)計size，并且檢查是否需要擴容

現在我們來對每一步的細節(jié)進行源碼分析，在第一步中，符合條件會進行初始化操作，我們來看看initTable（）方法

/*** Initializes table, using the size recorded in sizeCtl.*/ private final Node<K,V>[] initTable() {Node<K,V>[] tab; int sc;while ((tab = table) == null || tab.length == 0) {//空的table才能進入初始化操作if ((sc = sizeCtl) < 0) //sizeCtl<0表示其他線程已經在初始化了或者擴容了，掛起當前線程 Thread.yield(); // lost initialization race; just spinelse if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {//CAS操作SIZECTL為-1，表示初始化狀態(tài)try {if ((tab = table) == null || tab.length == 0) {int n = (sc > 0) ? sc : DEFAULT_CAPACITY;@SuppressWarnings("unchecked")Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];//初始化table = tab = nt;sc = n - (n >>> 2);//記錄下次擴容的大小}} finally {sizeCtl = sc;}break;}}return tab; }

在第二步中沒有hash沖突就直接調用Unsafe的方法CAS插入該元素，進入第三步如果容器正在擴容，則會調用helpTransfer（）方法幫助擴容，現在我們跟進helpTransfer（）方法看看

/***幫助從舊的table的元素復制到新的table中*/ final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {Node<K,V>[] nextTab; int sc;if (tab != null && (f instanceof ForwardingNode) &&(nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) { //新的table nextTba已經存在前提下才能幫助擴容int rs = resizeStamp(tab.length);while (nextTab == nextTable && table == tab &&(sc = sizeCtl) < 0) {if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||sc == rs + MAX_RESIZERS || transferIndex <= 0)break;if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {transfer(tab, nextTab);//調用擴容方法break;}}return nextTab;}return table; }

其實helpTransfer（）方法的目的就是調用多個工作線程一起幫助進行擴容，這樣的效率就會更高，而不是只有檢查到要擴容的那個線程進行擴容操作，其他線程就要等待擴容操作完成才能工作

既然這里涉及到擴容的操作，我們也一起來看看擴容方法transfer（）

private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {int n = tab.length, stride;// 每核處理的量小于16，則強制賦值16if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)stride = MIN_TRANSFER_STRIDE; // subdivide rangeif (nextTab == null) { // initiatingtry {@SuppressWarnings("unchecked")Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1]; //構建一個nextTable對象，其容量為原來容量的兩倍nextTab = nt;} catch (Throwable ex) { // try to cope with OOMEsizeCtl = Integer.MAX_VALUE;return;}nextTable = nextTab;transferIndex = n;}int nextn = nextTab.length;// 連接點指針，用于標志位（fwd的hash值為-1，fwd.nextTable=nextTab）ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);// 當advance == true時，表明該節(jié)點已經處理過了boolean advance = true;boolean finishing = false; // to ensure sweep before committing nextTabfor (int i = 0, bound = 0;;) {Node<K,V> f; int fh;// 控制 --i ,遍歷原h(huán)ash表中的節(jié)點while (advance) {int nextIndex, nextBound;if (--i >= bound || finishing)advance = false;else if ((nextIndex = transferIndex) <= 0) {i = -1;advance = false;}// 用CAS計算得到的transferIndexelse if (U.compareAndSwapInt(this, TRANSFERINDEX, nextIndex,nextBound = (nextIndex > stride ?nextIndex - stride : 0))) {bound = nextBound;i = nextIndex - 1;advance = false;}}if (i < 0 || i >= n || i + n >= nextn) {int sc;// 已經完成所有節(jié)點復制了if (finishing) {nextTable = null;table = nextTab; // table 指向nextTablesizeCtl = (n << 1) - (n >>> 1); // sizeCtl閾值為原來的1.5倍return; // 跳出死循環(huán)，}// CAS 更擴容閾值，在這里面sizectl值減一，說明新加入一個線程參與到擴容操作if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)return;finishing = advance = true;i = n; // recheck before commit}}// 遍歷的節(jié)點為null，則放入到ForwardingNode 指針節(jié)點else if ((f = tabAt(tab, i)) == null)advance = casTabAt(tab, i, null, fwd);// f.hash == -1 表示遍歷到了ForwardingNode節(jié)點，意味著該節(jié)點已經處理過了// 這里是控制并發(fā)擴容的核心else if ((fh = f.hash) == MOVED)advance = true; // already processedelse {// 節(jié)點加鎖synchronized (f) {// 節(jié)點復制工作if (tabAt(tab, i) == f) {Node<K,V> ln, hn;// fh >= 0 ,表示為鏈表節(jié)點if (fh >= 0) {// 構造兩個鏈表 一個是原鏈表 另一個是原鏈表的反序排列int runBit = fh & n;Node<K,V> lastRun = f;for (Node<K,V> p = f.next; p != null; p = p.next) {int b = p.hash & n;if (b != runBit) {runBit = b;lastRun = p;}}if (runBit == 0) {ln = lastRun;hn = null;}else {hn = lastRun;ln = null;}for (Node<K,V> p = f; p != lastRun; p = p.next) {int ph = p.hash; K pk = p.key; V pv = p.val;if ((ph & n) == 0)ln = new Node<K,V>(ph, pk, pv, ln);elsehn = new Node<K,V>(ph, pk, pv, hn);}// 在nextTable i 位置處插上鏈表setTabAt(nextTab, i, ln);// 在nextTable i + n 位置處插上鏈表setTabAt(nextTab, i + n, hn);// 在table i 位置處插上ForwardingNode 表示該節(jié)點已經處理過了setTabAt(tab, i, fwd);// advance = true 可以執(zhí)行--i動作，遍歷節(jié)點advance = true;}// 如果是TreeBin，則按照紅黑樹進行處理，處理邏輯與上面一致else if (f instanceof TreeBin) {TreeBin<K,V> t = (TreeBin<K,V>)f;TreeNode<K,V> lo = null, loTail = null;TreeNode<K,V> hi = null, hiTail = null;int lc = 0, hc = 0;for (Node<K,V> e = t.first; e != null; e = e.next) {int h = e.hash;TreeNode<K,V> p = new TreeNode<K,V>(h, e.key, e.val, null, null);if ((h & n) == 0) {if ((p.prev = loTail) == null)lo = p;elseloTail.next = p;loTail = p;++lc;}else {if ((p.prev = hiTail) == null)hi = p;elsehiTail.next = p;hiTail = p;++hc;}}// 擴容后樹節(jié)點個數若<=6，將樹轉鏈表ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) :(hc != 0) ? new TreeBin<K,V>(lo) : t;hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) :(lc != 0) ? new TreeBin<K,V>(hi) : t;setTabAt(nextTab, i, ln);setTabAt(nextTab, i + n, hn);setTabAt(tab, i, fwd);advance = true;}}}}}}

擴容過程有點復雜，這里主要涉及到多線程并發(fā)擴容,ForwardingNode的作用就是支持擴容操作，將已處理的節(jié)點和空節(jié)點置為ForwardingNode，并發(fā)處理時多個線程經過ForwardingNode就表示已經遍歷了，就往后遍歷，下圖是多線程合作擴容的過程：

介紹完擴容過程，我們再次回到put流程，在第四步中是向鏈表或者紅黑樹里加節(jié)點，到第五步，會調用treeifyBin（）方法進行鏈表轉紅黑樹的過程

private final void treeifyBin(Node<K,V>[] tab, int index) {Node<K,V> b; int n, sc;if (tab != null) {//如果整個table的數量小于64，就擴容至原來的一倍，不轉紅黑樹了//因為這個閾值擴容可以減少hash沖突，不必要去轉紅黑樹if ((n = tab.length) < MIN_TREEIFY_CAPACITY) tryPresize(n << 1);else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {synchronized (b) {if (tabAt(tab, index) == b) {TreeNode<K,V> hd = null, tl = null;for (Node<K,V> e = b; e != null; e = e.next) {//封裝成TreeNodeTreeNode<K,V> p =new TreeNode<K,V>(e.hash, e.key, e.val,null, null);if ((p.prev = tl) == null)hd = p;elsetl.next = p;tl = p;}//通過TreeBin對象對TreeNode轉換成紅黑樹setTabAt(tab, index, new TreeBin<K,V>(hd));}}}} }

到第六步表示已經數據加入成功了，現在調用addCount()方法計算ConcurrentHashMap的size，在原來的基礎上加一，現在來看看addCount()方法

private final void addCount(long x, int check) {CounterCell[] as; long b, s;//更新baseCount，table的數量，counterCells表示元素個數的變化if ((as = counterCells) != null ||!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {CounterCell a; long v; int m;boolean uncontended = true;//如果多個線程都在執(zhí)行，則CAS失敗，執(zhí)行fullAddCount，全部加入countif (as == null || (m = as.length - 1) < 0 || (a = as[ThreadLocalRandom.getProbe() & m]) == null ||!(uncontended =U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {fullAddCount(x, uncontended);return;}if (check <= 1)return;s = sumCount();}//check>=0表示需要進行擴容操作if (check >= 0) {Node<K,V>[] tab, nt; int n, sc;while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&(n = tab.length) < MAXIMUM_CAPACITY) {int rs = resizeStamp(n);if (sc < 0) {if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||transferIndex <= 0)break;if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))transfer(tab, nt);}//當前線程發(fā)起庫哦哦讓操作，nextTable=nullelse if (U.compareAndSwapInt(this, SIZECTL, sc,(rs << RESIZE_STAMP_SHIFT) + 2))transfer(tab, null);s = sumCount();}} }

put的流程現在已經分析完了，你可以從中發(fā)現，他在并發(fā)處理中使用的是樂觀鎖，當有沖突的時候才進行并發(fā)處理，而且流程步驟很清晰，但是細節(jié)設計的很復雜，畢竟多線程的場景也復雜

get操作

我們現在要回到開始的例子中，我們對個人信息進行了新增之后，我們要獲取所新增的信息，使用String name = map.get(“name”)獲取新增的name信息，現在我們依舊用debug的方式來分析下ConcurrentHashMap的獲取方法get()

public V get(Object key) {Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;int h = spread(key.hashCode()); //計算兩次hashif ((tab = table) != null && (n = tab.length) > 0 &&(e = tabAt(tab, (n - 1) & h)) != null) {//讀取首節(jié)點的Node元素if ((eh = e.hash) == h) { //如果該節(jié)點就是首節(jié)點就返回if ((ek = e.key) == key || (ek != null && key.equals(ek)))return e.val;}//hash值為負值表示正在擴容，這個時候查的是ForwardingNode的find方法來定位到nextTable來//查找，查找到就返回else if (eh < 0)return (p = e.find(h, key)) != null ? p.val : null;while ((e = e.next) != null) {//既不是首節(jié)點也不是ForwardingNode，那就往下遍歷if (e.hash == h &&((ek = e.key) == key || (ek != null && key.equals(ek))))return e.val;}}return null; }

ConcurrentHashMap的get操作的流程很簡單，也很清晰，可以分為三個步驟來描述

計算hash值，定位到該table索引位置，如果是首節(jié)點符合就返回

如果遇到擴容的時候，會調用標志正在擴容節(jié)點ForwardingNode的find方法，查找該節(jié)點，匹配就返回

以上都不符合的話，就往下遍歷節(jié)點，匹配就返回，否則最后就返回null

size操作

最后我們來看下例子中最后獲取size的方式int size = map.size();，現在讓我們看下size()方法

public int size() {long n = sumCount();return ((n < 0L) ? 0 :(n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :(int)n); } final long sumCount() {CounterCell[] as = counterCells; CounterCell a; //變化的數量long sum = baseCount;if (as != null) {for (int i = 0; i < as.length; ++i) {if ((a = as[i]) != null)sum += a.value;}}return sum; }

在JDK1.8版本中，對于size的計算，在擴容和addCount()方法就已經有處理了，JDK1.7是在調用size()方法才去計算，其實在并發(fā)集合中去計算size是沒有多大的意義的，因為size是實時在變的，只能計算某一刻的大小，但是某一刻太快了，人的感知是一個時間段，所以并不是很精確

總結與思考

其實可以看出JDK1.8版本的ConcurrentHashMap的數據結構已經接近HashMap，相對而言，ConcurrentHashMap只是增加了同步的操作來控制并發(fā)，從JDK1.7版本的ReentrantLock+Segment+HashEntry，到JDK1.8版本中synchronized+CAS+HashEntry+紅黑樹,相對而言，總結如下思考

JDK1.8的實現降低鎖的粒度，JDK1.7版本鎖的粒度是基于Segment的，包含多個HashEntry，而JDK1.8鎖的粒度就是HashEntry（首節(jié)點）

JDK1.8版本的數據結構變得更加簡單，使得操作也更加清晰流暢，因為已經使用synchronized來進行同步，所以不需要分段鎖的概念，也就不需要Segment這種數據結構了，由于粒度的降低，實現的復雜度也增加了

JDK1.8使用紅黑樹來優(yōu)化鏈表，基于長度很長的鏈表的遍歷是一個很漫長的過程，而紅黑樹的遍歷效率是很快的，代替一定閾值的鏈表，這樣形成一個最佳拍檔

JDK1.8為什么使用內置鎖synchronized來代替重入鎖ReentrantLock，我覺得有以下幾點

因為粒度降低了，在相對而言的低粒度加鎖方式，synchronized并不比ReentrantLock差，在粗粒度加鎖中ReentrantLock可能通過Condition來控制各個低粒度的邊界，更加的靈活，而在低粒度中，Condition的優(yōu)勢就沒有了

JVM的開發(fā)團隊從來都沒有放棄synchronized，而且基于JVM的synchronized優(yōu)化空間更大，使用內嵌的關鍵字比使用API更加自然

在大量的數據操作下，對于JVM的內存壓力，基于API的ReentrantLock會開銷更多的內存，雖然不是瓶頸，但是也是一個選擇依據

參考

http://blog.csdn.net/u010412719/article/details/52145145
http://www.jianshu.com/p/e694f1e868ec
https://my.oschina.net/liuxiaomian/blog/880088
https://bentang.me/tech/2016/12/01/jdk8-concurrenthashmap-1/
http://cmsblogs.com/?p=2283

總結

以上是生活随笔為你收集整理的深入并发包-ConcurrentHashMap的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。