ConcurrentHashMap JDK1.7与JDK1.8源码区别

前言

以前写过介绍HashMap的文章，文中提到过HashMap在put的时候，插入的元素超过了容量（由负载因子决定）的范围就会触发扩容操作，就是rehash，这个会重新将原数组的内容重新hash到新的扩容数组中，在多线程的环境下，存在同时其他的元素也在进行put操作，如果hash值相同，可能出现同时在同一数组下用链表表示，造成闭环，导致在get时会出现死循环，所以HashMap是线程不安全的。

我们来了解另一个键值存储集合HashTable，它是线程安全的，它在所有涉及到多线程操作的都加上了synchronized关键字来锁住整个table，这就意味着所有的线程都在竞争一把锁，在多线程的环境下，它是安全的，但是无疑是效率低下的。

其实HashTable有很多的优化空间，锁住整个table这么粗暴的方法可以变相的柔和点，比如在多线程的环境下，对不同的数据集进行操作时其实根本就不需要去竞争一个锁，因为他们不同hash值，不会因为rehash造成线程不安全，所以互不影响，这就是锁分离技术，将锁的粒度降低，利用多个锁来控制多个小的table，这就是这篇文章的主角ConcurrentHashMap JDK1.7版本的核心思想

ConcurrentHashMap

JDK1.7的实现

在JDK1.7版本中，ConcurrentHashMap的数据结构是由一个Segment数组和多个HashEntry组成，如下图所示：

Segment数组的意义就是将一个大的table分割成多个小的table来进行加锁，也就是上面的提到的锁分离技术，而每一个Segment元素存储的是HashEntry数组+链表，这个和HashMap的数据存储结构一样

初始化

ConcurrentHashMap的初始化是会通过位与运算来初始化Segment的大小，用ssize来表示，如下所示

1. int sshift = 0;

2. int ssize = 1;

3. while (ssize < concurrencyLevel) {

4. ++sshift;

5. ssize <<= 1;

6. }

如上所示，因为ssize用位于运算来计算（ssize <<=1），所以Segment的大小取值都是以2的N次方，无关concurrencyLevel的取值，当然concurrencyLevel最大只能用16位的二进制来表示，即65536，换句话说，Segment的大小最多65536个，没有指定concurrencyLevel元素初始化，Segment的大小ssize默认为16

每一个Segment元素下的HashEntry的初始化也是按照位于运算来计算，用cap来表示，如下所示

1. int cap = 1;

2. while (cap < c)

3. cap <<= 1;

如上所示，HashEntry大小的计算也是2的N次方（cap <<=1）， cap的初始值为1，所以HashEntry最小的容量为2

put操作

对于ConcurrentHashMap的数据插入，这里要进行两次Hash去定位数据的存储位置

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

从上Segment的继承体系可以看出，Segment实现了ReentrantLock,也就带有锁的功能，当执行put操作时，会进行第一次key的hash来定位Segment的位置，如果该Segment还没有初始化，即通过CAS操作进行赋值，然后进行第二次hash操作，找到相应的HashEntry的位置，这里会利用继承过来的锁的特性，在将数据插入指定的HashEntry位置时（链表的尾端），会通过继承ReentrantLock的tryLock（）方法尝试去获取锁，如果获取成功就直接插入相应的位置，如果已经有线程获取该Segment的锁，那当前线程会以自旋的方式去继续的调用tryLock（）方法去获取锁，超过指定次数就挂起，等待唤醒

get操作

ConcurrentHashMap的get操作跟HashMap类似，只是ConcurrentHashMap第一次需要经过一次hash定位到Segment的位置，然后再hash定位到指定的HashEntry，遍历该HashEntry下的链表进行对比，成功就返回，不成功就返回null

size操作

计算ConcurrentHashMap的元素大小是一个有趣的问题，因为他是并发操作的，就是在你计算size的时候，他还在并发的插入数据，可能会导致你计算出来的size和你实际的size有相差（在你return size的时候，插入了多个数据），要解决这个问题，JDK1.7版本用两种方案

1. try {

2. for (;;) {

3. if (retries++ == RETRIES_BEFORE_LOCK) {

4. for (int j = 0; j < segments.length; ++j) ensureSegment(j).lock(); // force creation

5. }

6. sum = 0L;

7. size = 0;

8. overflow = false;

9. for (int j = 0; j < segments.length; ++j) {

10. Segment<K,V> seg = segmentAt(segments, j);

11. if (seg != null) { sum += seg.modCount; int c = seg.count; if (c < 0 || (size += c) < 0)

12. overflow = true;

13. } }

14. if (sum == last) break;

15. last = sum; } }

16. finally {

17. if (retries > RETRIES_BEFORE_LOCK) {

18. for (int j = 0; j < segments.length; ++j)

19. segmentAt(segments, j).unlock();

20. }

21. }

1.第一种方案他会使用不加锁的模式去尝试多次计算ConcurrentHashMap的size，最多三次，比较前后两次计算的结果，结果一致就认为当前没有元素加入，计算的结果是准确的

2.第二种方案是如果第一种方案不符合，他就会给每个Segment加上锁，然后计算ConcurrentHashMap的size返回

JDK1.8的实现

JDK1.8的实现已经摒弃了Segment的概念，而是直接用Node数组+链表+红黑树的数据结构来实现，并发控制使用Synchronized和CAS来操作，整个看起来就像是优化过且线程安全的HashMap，虽然在JDK1.8中还能看到Segment的数据结构，但是已经简化了属性，只是为了兼容旧版本

在深入JDK1.8的put和get实现之前要知道一些常量设计和数据结构，这些是构成ConcurrentHashMap实现结构的基础，下面看一下基本属性：

1. // node数组最大容量：2^30=1073741824

2. private static final int MAXIMUM_CAPACITY = 1 << 30;

3. // 默认初始值，必须是2的幕数

4. private static final int DEFAULT_CAPACITY = 16;

5. //数组可能最大值，需要与toArray（）相关方法关联

6. static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;

7. //并发级别，遗留下来的，为兼容以前的版本

8. private static final int DEFAULT_CONCURRENCY_LEVEL = 16;

9. // 负载因子

10. private static final float LOAD_FACTOR = 0.75f;

11. // 链表转红黑树阀值,> 8 链表转换为红黑树

12. static final int TREEIFY_THRESHOLD = 8;

13. //树转链表阀值，小于等于6（tranfer时，lc、hc=0两个计数器分别++记录原bin、新binTreeNode数量，<=UNTREEIFY_THRESHOLD 则untreeify(lo)）

14. static final int UNTREEIFY_THRESHOLD = 6;

15. static final int MIN_TREEIFY_CAPACITY = 64;

16. private static final int MIN_TRANSFER_STRIDE = 16;

17. private static int RESIZE_STAMP_BITS = 16;

18. // 2^15-1，help resize的最大线程数

19. private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1;

20. // 32-16=16，sizeCtl中记录size大小的偏移量

21. private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;

22. // forwarding nodes的hash值

23. static final int MOVED = -1;

24. // 树根节点的hash值

25. static final int TREEBIN = -2;

26. // ReservationNode的hash值

27. static final int RESERVED = -3;

28. // 可用处理器数量

29. static final int NCPU = Runtime.getRuntime().availableProcessors();

30. //存放node的数组

31. transient volatile Node<K,V>[] table;

32. /*控制标识符，用来控制table的初始化和扩容的操作，不同的值有不同的含义

33. *当为负数时：-1代表正在初始化，-N代表有N-1个线程正在 进行扩容

34. *当为0时：代表当时的table还没有被初始化

35. *当为正数时：表示初始化或者下一次进行扩容的大小*/

36. private transient volatile int sizeCtl;

基本属性定义了ConcurrentHashMap的一些边界以及操作时的一些控制，下面看一些内部的一些结构组成，这些是整个ConcurrentHashMap整个数据结构的核心

Node

Node是ConcurrentHashMap存储结构的基本单元，继承于HashMap中的Entry，用于存储数据，源代码如下

1. static class Node<K,V> implements Map.Entry<K,V> {

2. //链表的数据结构

3. final int hash;

4. final K key;

5. //val和next都会在扩容时发生变化，所以加上volatile来保持可见性和禁止重排序

6. volatile V val;

7. volatile Node<K,V> next;

8. Node(int hash, K key, V val, Node<K,V> next) {

9. this.hash = hash;

10. this.key = key;

11. this.val = val;

12. this.next = next;

13. }

14. public final K getKey() { return key; }

15. public final V getValue() { return val; }

16. public final int hashCode() { return key.hashCode() ^ val.hashCode(); }

17. public final String toString(){ return key + "=" + val; }

18. //不允许更新value

19. public final V setValue(V value) {

20. throw new UnsupportedOperationException();

21. }

22. public final boolean equals(Object o) {

23. Object k, v, u; Map.Entry<?,?> e;

24. return ((o instanceof Map.Entry) &&

25. (k = (e = (Map.Entry<?,?>)o).getKey()) != null &&

26. (v = e.getValue()) != null &&

27. (k == key || k.equals(key)) &&

28. (v == (u = val) || v.equals(u)));

29. }

30. //用于map中的get（）方法，子类重写

31. Node<K,V> find(int h, Object k) {

32. Node<K,V> e = this;

33. if (k != null) {

34. do {

35. K ek;

36. if (e.hash == h &&

37. ((ek = e.key) == k || (ek != null && k.equals(ek))))

38. return e;

39. } while ((e = e.next) != null);

40. }

41. return null;

42. }

43. }

Node数据结构很简单，从上可知，就是一个链表，但是只允许对数据进行查找，不允许进行修改

TreeNode

TreeNode继承与Node，但是数据结构换成了二叉树结构，它是红黑树的数据的存储结构，用于红黑树中存储数据，当链表的节点数大于8时会转换成红黑树的结构，他就是通过TreeNode作为存储结构代替Node来转换成黑红树源代码如下

1. static final class TreeNode<K,V> extends Node<K,V> {

2. //树形结构的属性定义

3. TreeNode<K,V> parent; // red-black tree links

4. TreeNode<K,V> left;

5. TreeNode<K,V> right;

6. TreeNode<K,V> prev; // needed to unlink next upon deletion

7. boolean red; //标志红黑树的红节点

8. TreeNode(int hash, K key, V val, Node<K,V> next,

9. TreeNode<K,V> parent) {

10. super(hash, key, val, next);

11. this.parent = parent;

12. }

13. Node<K,V> find(int h, Object k) {

14. return findTreeNode(h, k, null);

15. }

16. //根据key查找 从根节点开始找出相应的TreeNode，

17. final TreeNode<K,V> findTreeNode(int h, Object k, Class<?> kc) {

18. if (k != null) {

19. TreeNode<K,V> p = this;

20. do {

21. int ph, dir; K pk; TreeNode<K,V> q;

22. TreeNode<K,V> pl = p.left, pr = p.right;

23. if ((ph = p.hash) > h)

24. p = pl;

25. else if (ph < h)

26. p = pr;

27. else if ((pk = p.key) == k || (pk != null && k.equals(pk)))

28. return p;

29. else if (pl == null)

30. p = pr;

31. else if (pr == null)

32. p = pl;

33. else if ((kc != null ||

34. (kc = comparableClassFor(k)) != null) &&

35. (dir = compareComparables(kc, k, pk)) != 0)

36. p = (dir < 0) ? pl : pr;

37. else if ((q = pr.findTreeNode(h, k, kc)) != null)

38. return q;

39. else

40. p = pl;

41. } while (p != null);

42. }

43. return null;

44. }

45. }

TreeBin

TreeBin从字面含义中可以理解为存储树形结构的容器，而树形结构就是指TreeNode，所以TreeBin就是封装TreeNode的容器，它提供转换黑红树的一些条件和锁的控制，部分源码结构如下

1. static final class TreeBin<K,V> extends Node<K,V> {

2. //指向TreeNode列表和根节点

3. TreeNode<K,V> root;

4. volatile TreeNode<K,V> first;

5. volatile Thread waiter;

6. volatile int lockState;

7. // 读写锁状态

8. static final int WRITER = 1; // 获取写锁的状态

9. static final int WAITER = 2; // 等待写锁的状态

10. static final int READER = 4; // 增加数据时读锁的状态

11. /**

12. * 初始化红黑树

13. */

14. TreeBin(TreeNode<K,V> b) {

15. super(TREEBIN, null, null, null);

16. this.first = b;

17. TreeNode<K,V> r = null;

18. for (TreeNode<K,V> x = b, next; x != null; x = next) {

19. next = (TreeNode<K,V>)x.next;

20. x.left = x.right = null;

21. if (r == null) {

22. x.parent = null;

23. x.red = false;

24. r = x;

25. }

26. else {

27. K k = x.key;

28. int h = x.hash;

29. Class<?> kc = null;

30. for (TreeNode<K,V> p = r;;) {

31. int dir, ph;

32. K pk = p.key;

33. if ((ph = p.hash) > h)

34. dir = -1;

35. else if (ph < h)

36. dir = 1;

37. else if ((kc == null &&

38. (kc = comparableClassFor(k)) == null) ||

39. (dir = compareComparables(kc, k, pk)) == 0)

40. dir = tieBreakOrder(k, pk);

41. TreeNode<K,V> xp = p;

42. if ((p = (dir <= 0) ? p.left : p.right) == null) {

43. x.parent = xp;

44. if (dir <= 0)

45. xp.left = x;

46. else

47. xp.right = x;

48. r = balanceInsertion(r, x);

49. break;

50. }

51. }

52. }

53. }

54. this.root = r;

55. assert checkInvariants(root);

56. }

57. }

介绍了ConcurrentHashMap主要的属性与内部的数据结构，现在通过一个简单的例子以debug的视角看看ConcurrentHashMap的具体操作细节

1. public class TestConcurrentHashMap{

2. public static void main(String[] args){

3. ConcurrentHashMap<String,String> map = new ConcurrentHashMap(); //初始化ConcurrentHashMap

4. //新增个人信息

5. map.put("id","1");

6. map.put("name","andy");

7. map.put("sex","男");

8. //获取姓名

9. String name = map.get("name");

10. Assert.assertEquals(name,"andy");

11. //计算大小

12. int size = map.size();

13. Assert.assertEquals(size,3);

14. }

15. }

由上你会发现ConcurrentHashMap的初始化其实是一个空实现，并没有做任何事，这里后面会讲到，这也是和其他的集合类有区别的地方，初始化操作并不是在构造函数实现的，而是在put操作中实现，当然ConcurrentHashMap还提供了其他的构造函数，有指定容量大小或者指定负载因子，跟HashMap一样，这里就不做介绍了

put操作

在上面的例子中我们新增个人信息会调用put方法，我们来看下

1. public V put(K key, V value) {

2. return putVal(key, value, false);

3. }

4. /** Implementation for put and putIfAbsent */

5. final V putVal(K key, V value, boolean onlyIfAbsent) {

6. if (key == null || value == null) throw new NullPointerException();

7. int hash = spread(key.hashCode()); //两次hash，减少hash冲突，可以均匀分布

8. int binCount = 0;

9. for (Node<K,V>[] tab = table;;) { //对这个table进行迭代

10. Node<K,V> f; int n, i, fh;

11. //这里就是上面构造方法没有进行初始化，在这里进行判断，为null就调用initTable进行初始化，属于懒汉模式初始化

12. if (tab == null || (n = tab.length) == 0)

13. tab = initTable();

14. else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {//如果i位置没有数据，就直接无锁插入

15. if (casTabAt(tab, i, null,

16. new Node<K,V>(hash, key, value, null)))

17. break; // no lock when adding to empty bin

18. }

19. else if ((fh = f.hash) == MOVED)//如果在进行扩容，则先进行扩容操作

20. tab = helpTransfer(tab, f);

21. else {

22. V oldVal = null;

23. //如果以上条件都不满足，那就要进行加锁操作，也就是存在hash冲突，锁住链表或者红黑树的头结点

24. synchronized (f) {

25. if (tabAt(tab, i) == f) {

26. if (fh >= 0) { //表示该节点是链表结构

27. binCount = 1;

28. for (Node<K,V> e = f;; ++binCount) {

29. K ek;

30. //这里涉及到相同的key进行put就会覆盖原先的value

31. if (e.hash == hash &&

32. ((ek = e.key) == key ||

33. (ek != null && key.equals(ek)))) {

34. oldVal = e.val;

35. if (!onlyIfAbsent)

36. e.val = value;

37. break;

38. }

39. Node<K,V> pred = e;

40. if ((e = e.next) == null) { //插入链表尾部

41. pred.next = new Node<K,V>(hash, key,

42. value, null);

43. break;

44. }

45. }

46. }

47. else if (f instanceof TreeBin) {//红黑树结构

48. Node<K,V> p;

49. binCount = 2;

50. //红黑树结构旋转插入

51. if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,

52. value)) != null) {

53. oldVal = p.val;

54. if (!onlyIfAbsent)

55. p.val = value;

56. }

57. }

58. }

59. }

60. if (binCount != 0) { //如果链表的长度大于8时就会进行红黑树的转换

61. if (binCount >= TREEIFY_THRESHOLD)

62. treeifyBin(tab, i);

63. if (oldVal != null)

64. return oldVal;

65. break;

66. }

67. }

68. }

69. addCount(1L, binCount);//统计size，并且检查是否需要扩容

70. return null;

71. }

这个put的过程很清晰，对当前的table进行无条件自循环直到put成功，可以分成以下六步流程来概述

1. 如果没有初始化就先调用initTable（）方法来进行初始化过程
2. 如果没有hash冲突就直接CAS插入
3. 如果还在进行扩容操作就先进行扩容
4. 如果存在hash冲突，就加锁来保证线程安全，这里有两种情况，一种是链表形式就直接遍历到尾端插入，一种是红黑树就按照红黑树结构插入，
5. 最后一个如果该链表的数量大于阈值8，就要先转换成黑红树的结构，break再一次进入循环
6. 如果添加成功就调用addCount（）方法统计size，并且检查是否需要扩容

现在我们来对每一步的细节进行源码分析，在第一步中，符合条件会进行初始化操作，我们来看看initTable（）方法

1. /**

2. * Initializes table, using the size recorded in sizeCtl.

3. */

4. private final Node<K,V>[] initTable() {

5. Node<K,V>[] tab; int sc;

6. while ((tab = table) == null || tab.length == 0) {//空的table才能进入初始化操作

7. if ((sc = sizeCtl) < 0) //sizeCtl<0表示其他线程已经在初始化了或者扩容了，挂起当前线程

8. Thread.yield(); // lost initialization race; just spin

9. else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {//CAS操作SIZECTL为-1，表示初始化状态

10. try {

11. if ((tab = table) == null || tab.length == 0) {

12. int n = (sc > 0) ? sc : DEFAULT_CAPACITY;

13. @SuppressWarnings("unchecked")

14. Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];//初始化

15. table = tab = nt;

16. sc = n - (n >>> 2);//记录下次扩容的大小

17. }

18. } finally {

19. sizeCtl = sc;

20. }

21. break;

22. }

23. }

24. return tab;

25. }

在第二步中没有hash冲突就直接调用Unsafe的方法CAS插入该元素，进入第三步如果容器正在扩容，则会调用helpTransfer（）方法帮助扩容，现在我们跟进helpTransfer（）方法看看

1. /**

2. *帮助从旧的table的元素复制到新的table中

3. */

4. final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {

5. Node<K,V>[] nextTab; int sc;

6. if (tab != null && (f instanceof ForwardingNode) &&

7. (nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) { //新的table nextTba已经存在前提下才能帮助扩容

8. int rs = resizeStamp(tab.length);

9. while (nextTab == nextTable && table == tab &&

10. (sc = sizeCtl) < 0) {

11. if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||

12. sc == rs + MAX_RESIZERS || transferIndex <= 0)

13. break;

14. if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {

15. transfer(tab, nextTab);//调用扩容方法

16. break;

17. }

18. }

19. return nextTab;

20. }

21. return table;

22. }

其实helpTransfer（）方法的目的就是调用多个工作线程一起帮助进行扩容，这样的效率就会更高，而不是只有检查到要扩容的那个线程进行扩容操作，其他线程就要等待扩容操作完成才能工作

既然这里涉及到扩容的操作，我们也一起来看看扩容方法transfer（）

1. private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {

2. int n = tab.length, stride;

3. // 每核处理的量小于16，则强制赋值16

4. if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)

5. stride = MIN_TRANSFER_STRIDE; // subdivide range

6. if (nextTab == null) { // initiating

7. try {

8. @SuppressWarnings("unchecked")

9. Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1]; //构建一个nextTable对象，其容量为原来容量的两倍

10. nextTab = nt;

11. } catch (Throwable ex) { // try to cope with OOME

12. sizeCtl = Integer.MAX_VALUE;

13. return;

14. }

15. nextTable = nextTab;

16. transferIndex = n;

17. }

18. int nextn = nextTab.length;

19. // 连接点指针，用于标志位（fwd的hash值为-1，fwd.nextTable=nextTab）

20. ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);

21. // 当advance == true时，表明该节点已经处理过了

22. boolean advance = true;

23. boolean finishing = false; // to ensure sweep before committing nextTab

24. for (int i = 0, bound = 0;;) {

25. Node<K,V> f; int fh;

26. // 控制 --i ,遍历原hash表中的节点

27. while (advance) {

28. int nextIndex, nextBound;

29. if (--i >= bound || finishing)

30. advance = false;

31. else if ((nextIndex = transferIndex) <= 0) {

32. i = -1;

33. advance = false;

34. }

35. // 用CAS计算得到的transferIndex

36. else if (U.compareAndSwapInt

37. (this, TRANSFERINDEX, nextIndex,

38. nextBound = (nextIndex > stride ?

39. nextIndex - stride : 0))) {

40. bound = nextBound;

41. i = nextIndex - 1;

42. advance = false;

43. }

44. }

45. if (i < 0 || i >= n || i + n >= nextn) {

46. int sc;

47. // 已经完成所有节点复制了

48. if (finishing) {

49. nextTable = null;

50. table = nextTab; // table 指向nextTable

51. sizeCtl = (n << 1) - (n >>> 1); // sizeCtl阈值为原来的1.5倍

52. return; // 跳出死循环，

53. }

54. // CAS 更扩容阈值，在这里面sizectl值减一，说明新加入一个线程参与到扩容操作

55. if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {

56. if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)

57. return;

58. finishing = advance = true;

59. i = n; // recheck before commit

60. }

61. }

62. // 遍历的节点为null，则放入到ForwardingNode 指针节点

63. else if ((f = tabAt(tab, i)) == null)

64. advance = casTabAt(tab, i, null, fwd);

65. // f.hash == -1 表示遍历到了ForwardingNode节点，意味着该节点已经处理过了

66. // 这里是控制并发扩容的核心

67. else if ((fh = f.hash) == MOVED)

68. advance = true; // already processed

69. else {

70. // 节点加锁

71. synchronized (f) {

72. // 节点复制工作

73. if (tabAt(tab, i) == f) {

74. Node<K,V> ln, hn;

75. // fh >= 0 ,表示为链表节点

76. if (fh >= 0) {

77. // 构造两个链表 一个是原链表 另一个是原链表的反序排列

78. int runBit = fh & n;

79. Node<K,V> lastRun = f;

80. for (Node<K,V> p = f.next; p != null; p = p.next) {

81. int b = p.hash & n;

82. if (b != runBit) {

83. runBit = b;

84. lastRun = p;

85. }

86. }

87. if (runBit == 0) {

88. ln = lastRun;

89. hn = null;

90. }

91. else {

92. hn = lastRun;

93. ln = null;

94. }

95. for (Node<K,V> p = f; p != lastRun; p = p.next) {

96. int ph = p.hash; K pk = p.key; V pv = p.val;

97. if ((ph & n) == 0)

98. ln = new Node<K,V>(ph, pk, pv, ln);

99. else

100. hn = new Node<K,V>(ph, pk, pv, hn);

101. }

102. // 在nextTable i 位置处插上链表

103. setTabAt(nextTab, i, ln);

104. // 在nextTable i + n 位置处插上链表

105. setTabAt(nextTab, i + n, hn);

106. // 在table i 位置处插上ForwardingNode 表示该节点已经处理过了

107. setTabAt(tab, i, fwd);

108. // advance = true 可以执行--i动作，遍历节点

109. advance = true;

110. }

111. // 如果是TreeBin，则按照红黑树进行处理，处理逻辑与上面一致

112. else if (f instanceof TreeBin) {

113. TreeBin<K,V> t = (TreeBin<K,V>)f;

114. TreeNode<K,V> lo = null, loTail = null;

115. TreeNode<K,V> hi = null, hiTail = null;

116. int lc = 0, hc = 0;

117. for (Node<K,V> e = t.first; e != null; e = e.next) {

118. int h = e.hash;

119. TreeNode<K,V> p = new TreeNode<K,V>

120. (h, e.key, e.val, null, null);

121. if ((h & n) == 0) {

122. if ((p.prev = loTail) == null)

123. lo = p;

124. else

125. loTail.next = p;

126. loTail = p;

127. ++lc;

128. }

129. else {

130. if ((p.prev = hiTail) == null)

131. hi = p;

132. else

133. hiTail.next = p;

134. hiTail = p;

135. ++hc;

136. }

137. }

138. // 扩容后树节点个数若<=6，将树转链表

139. ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) :

140. (hc != 0) ? new TreeBin<K,V>(lo) : t;

141. hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) :

142. (lc != 0) ? new TreeBin<K,V>(hi) : t;

143. setTabAt(nextTab, i, ln);

144. setTabAt(nextTab, i + n, hn);

145. setTabAt(tab, i, fwd);

146. advance = true;

147. }

148. }

149. }

150. }

151. }

152. }

扩容过程有点复杂，这里主要涉及到多线程并发扩容,ForwardingNode的作用就是支持扩容操作，将已处理的节点和空节点置为ForwardingNode，并发处理时多个线程经过ForwardingNode就表示已经遍历了，就往后遍历，下图是多线程合作扩容的过程：

介绍完扩容过程，我们再次回到put流程，在第四步中是向链表或者红黑树里加节点，到第五步，会调用treeifyBin（）方法进行链表转红黑树的过程

1. private final void treeifyBin(Node<K,V>[] tab, int index) {

2. Node<K,V> b; int n, sc;

3. if (tab != null) {

4. //如果整个table的数量小于64，就扩容至原来的一倍，不转红黑树了

5. //因为这个阈值扩容可以减少hash冲突，不必要去转红黑树

6. if ((n = tab.length) < MIN_TREEIFY_CAPACITY)

7. tryPresize(n << 1);

8. else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {

9. synchronized (b) {

10. if (tabAt(tab, index) == b) {

11. TreeNode<K,V> hd = null, tl = null;

12. for (Node<K,V> e = b; e != null; e = e.next) {

13. //封装成TreeNode

14. TreeNode<K,V> p =

15. new TreeNode<K,V>(e.hash, e.key, e.val,

16. null, null);

17. if ((p.prev = tl) == null)

18. hd = p;

19. else

20. tl.next = p;

21. tl = p;

22. }

23. //通过TreeBin对象对TreeNode转换成红黑树

24. setTabAt(tab, index, new TreeBin<K,V>(hd));

25. }

26. }

27. }

28. }

29. }

到第六步表示已经数据加入成功了，现在调用addCount()方法计算ConcurrentHashMap的size，在原来的基础上加一，现在来看看addCount()方法

1. private final void addCount(long x, int check) {

2. CounterCell[] as; long b, s;

3. //更新baseCount，table的数量，counterCells表示元素个数的变化

4. if ((as = counterCells) != null ||

5. !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {

6. CounterCell a; long v; int m;

7. boolean uncontended = true;

8. //如果多个线程都在执行，则CAS失败，执行fullAddCount，全部加入count

9. if (as == null || (m = as.length - 1) < 0 ||

10. (a = as[ThreadLocalRandom.getProbe() & m]) == null ||

11. !(uncontended =

12. U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {

13. fullAddCount(x, uncontended);

14. return;

15. }

16. if (check <= 1)

17. return;

18. s = sumCount();

19. }

20. //check>=0表示需要进行扩容操作

21. if (check >= 0) {

22. Node<K,V>[] tab, nt; int n, sc;

23. while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&

24. (n = tab.length) < MAXIMUM_CAPACITY) {

25. int rs = resizeStamp(n);

26. if (sc < 0) {

27. if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||

28. sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||

29. transferIndex <= 0)

30. break;

31. if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))

32. transfer(tab, nt);

33. }

34. //当前线程发起库哦哦让操作，nextTable=null

35. else if (U.compareAndSwapInt(this, SIZECTL, sc,

36. (rs << RESIZE_STAMP_SHIFT) + 2))

37. transfer(tab, null);

38. s = sumCount();

39. }

40. }

41. }

put的流程现在已经分析完了，你可以从中发现，他在并发处理中使用的是乐观锁，当有冲突的时候才进行并发处理，而且流程步骤很清晰，但是细节设计的很复杂，毕竟多线程的场景也复杂

get操作

我们现在要回到开始的例子中，我们对个人信息进行了新增之后，我们要获取所新增的信息，使用String name = map.get(“name”)获取新增的name信息，现在我们依旧用debug的方式来分析下ConcurrentHashMap的获取方法get()

1. public V get(Object key) {

2. Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;

3. int h = spread(key.hashCode()); //计算两次hash

4. if ((tab = table) != null && (n = tab.length) > 0 &&

5. (e = tabAt(tab, (n - 1) & h)) != null) {//读取首节点的Node元素

6. if ((eh = e.hash) == h) { //如果该节点就是首节点就返回

7. if ((ek = e.key) == key || (ek != null && key.equals(ek)))

8. return e.val;

9. }

10. //hash值为负值表示正在扩容，这个时候查的是ForwardingNode的find方法来定位到nextTable来

11. //查找，查找到就返回

12. else if (eh < 0)

13. return (p = e.find(h, key)) != null ? p.val : null;

14. while ((e = e.next) != null) {//既不是首节点也不是ForwardingNode，那就往下遍历

15. if (e.hash == h &&

16. ((ek = e.key) == key || (ek != null && key.equals(ek))))

17. return e.val;

18. }

19. }

20. return null;

21. }

ConcurrentHashMap的get操作的流程很简单，也很清晰，可以分为三个步骤来描述

1. 计算hash值，定位到该table索引位置，如果是首节点符合就返回
2. 如果遇到扩容的时候，会调用标志正在扩容节点ForwardingNode的find方法，查找该节点，匹配就返回
3. 以上都不符合的话，就往下遍历节点，匹配就返回，否则最后就返回null

size操作

最后我们来看下例子中最后获取size的方式int size = map.size();，现在让我们看下size()方法

1. public int size() {

2. long n = sumCount();

3. return ((n < 0L) ? 0 :

4. (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :

5. (int)n);

6. }

7. final long sumCount() {

8. CounterCell[] as = counterCells; CounterCell a; //变化的数量

9. long sum = baseCount;

10. if (as != null) {

11. for (int i = 0; i < as.length; ++i) {

12. if ((a = as[i]) != null)

13. sum += a.value;

14. }

15. }

16. return sum;

17. }

在JDK1.8版本中，对于size的计算，在扩容和addCount()方法就已经有处理了，JDK1.7是在调用size()方法才去计算，其实在并发集合中去计算size是没有多大的意义的，因为size是实时在变的，只能计算某一刻的大小，但是某一刻太快了，人的感知是一个时间段，所以并不是很精确

总结与思考

其实可以看出JDK1.8版本的ConcurrentHashMap的数据结构已经接近HashMap，相对而言，ConcurrentHashMap只是增加了同步的操作来控制并发，从JDK1.7版本的ReentrantLock+Segment+HashEntry，到JDK1.8版本中synchronized+CAS+HashEntry+红黑树,相对而言，总结如下思考

1. JDK1.8的实现降低锁的粒度，JDK1.7版本锁的粒度是基于Segment的，包含多个HashEntry，而JDK1.8锁的粒度就是HashEntry（首节点）
2. JDK1.8版本的数据结构变得更加简单，使得操作也更加清晰流畅，因为已经使用synchronized来进行同步，所以不需要分段锁的概念，也就不需要Segment这种数据结构了，由于粒度的降低，实现的复杂度也增加了
3. JDK1.8使用红黑树来优化链表，基于长度很长的链表的遍历是一个很漫长的过程，而红黑树的遍历效率是很快的，代替一定阈值的链表，这样形成一个最佳拍档
4. JDK1.8为什么使用内置锁synchronized来代替重入锁ReentrantLock，我觉得有以下几点
   1. 因为粒度降低了，在相对而言的低粒度加锁方式，synchronized并不比ReentrantLock差，在粗粒度加锁中ReentrantLock可能通过Condition来控制各个低粒度的边界，更加的灵活，而在低粒度中，Condition的优势就没有了
   2. JVM的开发团队从来都没有放弃synchronized，而且基于JVM的synchronized优化空间更大，使用内嵌的关键字比使用API更加自然
   3. 在大量的数据操作下，对于JVM的内存压力，基于API的ReentrantLock会开销更多的内存，虽然不是瓶颈，但是也是一个选择依据

参考

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

点击阅读原文

https://blog.csdn.net/qq296398300/article/details/79074239