- 重要概念
- 重要内部類
- 構造函數
- 初始化： initTable()
- put操作
- get操作
- 擴容操作
- 轉換紅黑樹
HashMap是我們用得非常頻繁的一個集合，但是由于它是非線程安全的，在多線程環境下，put操作是有可能産生死循環的，導緻CPU使用率接近100%。為了解決該問題，提供了Hashtable和Collections.synchronizedMap(hashMap)兩種解決方案，但是這兩種方案都是對讀寫加鎖，獨占式，一個線程在讀時其他線程必須等待，吞吐量較低，性能較為低下。故而Doug Lea大神給我們提供了高性能的線程安全HashMap：ConcurrentHashMap。
ConcurrentHashMap的實作
ConcurrentHashMap作為Concurrent一族，其有着高效地并發操作，相比Hashtable的笨重，ConcurrentHashMap則更勝一籌了。
在1.8版本以前，ConcurrentHashMap采用分段鎖的概念，使鎖更加細化，但是1.8已經改變了這種思路，而是利用CAS+Synchronized來保證并發更新的安全，當然底層采用數組+連結清單+紅黑樹的存儲結構。
關于1.7和1.8的差別請參考占小狼部落格：談談ConcurrentHashMap1.7和1.8的不同實作:http://www.jianshu.com/p/e694f1e868ec
我們從如下幾個部分全面了解ConcurrentHashMap在1.8中是如何實作的：
- ConcurrentHashMap的初始化
- size操作
- 擴容
- 紅黑樹轉換
ConcurrentHashMap定義了如下幾個常量：
// 最大容量：2^30=1073741824
private static final int MAXIMUM_CAPACITY = 1 << 30;
// 預設初始值，必須是2的幕數
private static final int DEFAULT_CAPACITY = 16;
//
static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
//
private static final int DEFAULT_CONCURRENCY_LEVEL = 16;
//
private static final float LOAD_FACTOR = 0.75f;
// 連結清單轉紅黑樹閥值,> 8 連結清單轉換為紅黑樹
static final int TREEIFY_THRESHOLD = 8;
//樹轉連結清單閥值，小于等于6（tranfer時，lc、hc=0兩個計數器分别++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();
上面是ConcurrentHashMap定義的常量，簡單易懂，就不多闡述了。下面介紹ConcurrentHashMap幾個很重要的概念。
- table：用來存放Node節點資料的，預設為null，預設大小為16的數組，每次擴容時大小總是2的幂次方；
- nextTable：擴容時新生成的資料，數組為table的兩倍；
- Node：節點，儲存key-value的資料結構；
- ForwardingNode：一個特殊的Node節點，hash值為-1，其中存儲nextTable的引用。隻有table發生擴容的時候，ForwardingNode才會發揮作用，作為一個占位符放在table中表示目前節點為null或則已經被移動
-
sizeCtl
：控制辨別符，用來控制table初始化和擴容操作的，在不同的地方有不同的用途，其值也不同，所代表的含義也不同
- 負數代表正在進行初始化或擴容操作
- -1代表正在初始化
- -N 表示有N-1個線程正在進行擴容操作
- 正數或0代表hash表還沒有被初始化，這個數值表示初始化或下一次進行擴容的大小
為了實作ConcurrentHashMap，Doug Lea提供了許多内部類來進行輔助實作，如Node，TreeNode,TreeBin等等。下面我們就一起來看看ConcurrentHashMap幾個重要的内部類。
Node
作為ConcurrentHashMap中最核心、最重要的内部類，Node擔負着重要角色：key-value鍵值對。所有插入ConCurrentHashMap的中資料都将會包裝在Node中。定義如下：
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
volatile V val; //帶有volatile，保證可見性
volatile Node<K,V> next; //下一個節點的指針
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; }
/** 不允許修改value的值 */
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)));
}
/** 指派get()方法 */
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;
}
}
在Node内部類中，其屬性value、next都是帶有volatile的。同時其對value的setter方法進行了特殊處理，不允許直接調用其setter方法來修改value的值。最後Node還提供了find方法來指派map.get()。
TreeNode
我們在學習HashMap的時候就知道，HashMap的核心資料結構就是連結清單。在ConcurrentHashMap中就不一樣了，如果連結清單的資料過長是會轉換為紅黑樹來處理。當它并不是直接轉換，而是将這些連結清單的節點包裝成TreeNode放在TreeBin對象中，然後由TreeBin完成紅黑樹的轉換。是以TreeNode也必須是ConcurrentHashMap的一個核心類，其為樹節點類，定義如下：
static final class TreeNode<K,V> extends Node<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
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);
}
//查找hash為h，key為k的節點
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;
else
p = pl;
} while (p != null);
}
return null;
}
}
源碼展示TreeNode繼承Node，且提供了findTreeNode用來查找查找hash為h，key為k的節點。
TreeBin
該類并不負責key-value的鍵值對包裝，它用于在連結清單轉換為紅黑樹時包裝TreeNode節點，也就是說ConcurrentHashMap紅黑樹存放是TreeBin，不是TreeNode。該類封裝了一系列的方法，包括putTreeVal、lookRoot、UNlookRoot、remove、balanceInsetion、balanceDeletion。由于TreeBin的代碼太長我們這裡隻展示構造方法（構造方法就是構造紅黑樹的過程）：
static final class TreeBin<K,V> extends Node<K,V> {
TreeNode<K, V> root;
volatile TreeNode<K, V> first;
volatile Thread waiter;
volatile int lockState;
static final int WRITER = 1; // set while holding write lock
static final int WAITER = 2; // set when waiting for write lock
static final int READER = 4; // increment value for setting read lock
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;
else
xp.right = x;
r = balanceInsertion(r, x);
break;
}
}
}
}
this.root = r;
assert checkInvariants(root);
}
/** 省略很多代碼 */
}
通過構造方法是不是發現了部分端倪，構造方法就是在構造一個紅黑樹的過程。
ForwardingNode
這是一個真正的輔助類，該類僅僅隻存活在ConcurrentHashMap擴容操作時。隻是一個标志節點，并且指向nextTable，它提供find方法而已。該類也是內建Node節點，其hash為-1，key、value、next均為null。如下：
static final class ForwardingNode<K,V> extends Node<K,V> {
final Node<K,V>[] nextTable;
ForwardingNode(Node<K,V>[] tab) {
super(MOVED, null, null, null);
this.nextTable = tab;
}
Node<K,V> find(int h, Object k) {
// loop to avoid arbitrarily deep recursion on forwarding nodes
outer: for (Node<K,V>[] tab = nextTable;;) {
Node<K,V> e; int n;
if (k == null || tab == null || (n = tab.length) == 0 ||
(e = tabAt(tab, (n - 1) & h)) == null)
return null;
for (;;) {
int eh; K ek;
if ((eh = e.hash) == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
if (eh < 0) {
if (e instanceof ForwardingNode) {
tab = ((ForwardingNode<K,V>)e).nextTable;
continue outer;
}
else
return e.find(h, k);
}
if ((e = e.next) == null)
return null;
}
}
}
}
ConcurrentHashMap提供了一系列的構造函數用于建立ConcurrentHashMap對象：
public ConcurrentHashMap() {
}
public ConcurrentHashMap(int initialCapacity) {
if (initialCapacity < 0)
throw new IllegalArgumentException();
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
this.sizeCtl = cap;
}
public ConcurrentHashMap(Map<? extends K, ? extends V> m) {
this.sizeCtl = DEFAULT_CAPACITY;
putAll(m);
}
public ConcurrentHashMap(int initialCapacity, float loadFactor) {
this(initialCapacity, loadFactor, 1);
}
public ConcurrentHashMap(int initialCapacity,
float loadFactor, int concurrencyLevel) {
if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0)
throw new IllegalArgumentException();
if (initialCapacity < concurrencyLevel) // Use at least as many bins
initialCapacity = concurrencyLevel; // as estimated threads
long size = (long)(1.0 + (long)initialCapacity / loadFactor);
int cap = (size >= (long)MAXIMUM_CAPACITY) ?
MAXIMUM_CAPACITY : tableSizeFor((int)size);
this.sizeCtl = cap;
}
ConcurrentHashMap的初始化主要由initTable()方法實作，在上面的構造函數中我們可以看到，其實ConcurrentHashMap在構造函數中并沒有做什麼事，僅僅隻是設定了一些參數而已。其真正的初始化是發生在插入的時候，例如put、merge、compute、computeIfAbsent、computeIfPresent操作時。其方法定義如下：
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
while ((tab = table) == null || tab.length == 0) {
//sizeCtl < 0 表示有其他線程在初始化，該線程必須挂起
if ((sc = sizeCtl) < 0)
Thread.yield();
// 如果該線程擷取了初始化的權利，則用CAS将sizeCtl設定為-1，表示本線程正在初始化
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
// 進行初始化
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];
table = tab = nt;
// 下次擴容的大小
sc = n - (n >>> 2); ///相當于0.75*n 設定一個擴容的門檻值
}
} finally {
sizeCtl = sc;
}
break;
}
}
return tab;
}
初始化方法initTable()的關鍵就在于sizeCtl，該值預設為0，如果在構造函數時有參數傳入該值則為2的幂次方。該值如果 < 0，表示有其他線程正在初始化，則必須暫停該線程。如果線程獲得了初始化的權限則先将sizeCtl設定為-1，防止有其他線程進入，最後将sizeCtl設定0.75 * n，表示擴容的門檻值。
ConcurrentHashMap最常用的put、get操作，ConcurrentHashMap的put操作與HashMap并沒有多大差別，其核心思想依然是根據hash值計算節點插入在table的位置，如果該位置為空，則直接插入，否則插入到連結清單或者樹中。但是ConcurrentHashMap會涉及到多線程情況就會複雜很多。我們先看源代碼，然後根據源代碼一步一步分析：
public V put(K key, V value) {
return putVal(key, value, false);
}
final V putVal(K key, V value, boolean onlyIfAbsent) {
// ... 超過微信文章長度
}
按照上面的源碼，我們可以确定put整個流程如下：
- 判空；ConcurrentHashMap的key、value都不允許為null
- 計算hash。利用方法計算hash值。
static final int spread(int h) { return (h ^ (h >>> 16)) & HASH_BITS; } - 周遊table，進行節點插入操作，過程如下：
- 如果table為空，則表示ConcurrentHashMap還沒有初始化，則進行初始化操作：initTable()
- 根據hash值擷取節點的位置i，若該位置為空，則直接插入，這個過程是不需要加鎖的。計算f位置：i=(n - 1) & hash
- 如果檢測到fh = f.hash == -1，則f是ForwardingNode節點，表示有其他線程正在進行擴容操作，則幫助線程一起進行擴容操作
- 如果f.hash >= 0 表示是連結清單結構，則周遊連結清單，如果存在目前key節點則替換value，否則插入到連結清單尾部。如果f是TreeBin類型節點，則按照紅黑樹的方法更新或者增加節點
- 若連結清單長度 > TREEIFY_THRESHOLD(預設是8)，則将連結清單轉換為紅黑樹結構
- 調用addCount方法，ConcurrentHashMap的size + 1
這裡整個put操作已經完成。
ConcurrentHashMap的get操作還是挺簡單的，無非就是通過hash來找key相同的節點而已，當然需要區分連結清單和樹形兩種情況。
public V get(Object key) {
// ... 超過微信文章長度
}
get操作的整個邏輯非常清楚：
- 計算hash值
- 判斷table是否為空，如果為空，直接傳回null
- 根據hash值擷取table中的Node節點（tabAt(tab, (n - 1) & h)），然後根據連結清單或者樹形方式找到相對應的節點，傳回其value值。
size 操作
ConcurrentHashMap的size()方法我們雖然用得不是很多，但是我們還是很有必要去了解的。ConcurrentHashMap的size()方法傳回的是一個不精确的值，因為在進行統計的時候有其他線程正在進行插入和删除操作。當然為了這個不精确的值，ConcurrentHashMap也是操碎了心。
為了更好地統計size，ConcurrentHashMap提供了baseCount、counterCells兩個輔助變量和一個CounterCell輔助内部類。
@sun.misc.Contended static final class CounterCell {
volatile long value;
CounterCell(long x) { value = x; }
}
//ConcurrentHashMap中元素個數,但傳回的不一定是目前Map的真實元素個數。基于CAS無鎖更新
private transient volatile long baseCount;
private transient volatile CounterCell[] counterCells;
這裡我們需要清楚CounterCell 的定義
size()方法定義如下：
public int size() {
long n = sumCount();
return ((n < 0L) ? 0 :
(n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :
(int)n);
}
内部調用sunmCount()：
final long sumCount() {
CounterCell[] as = counterCells; CounterCell a;
long sum = baseCount;
if (as != null) {
for (int i = 0; i < as.length; ++i) {
//周遊，所有counter求和
if ((a = as[i]) != null)
sum += a.value;
}
}
return sum;
}
sumCount()就是疊代counterCells來統計sum的過程。我們知道put操作時，肯定會影響size()，我們就來看看CouncurrentHashMap是如何為了這個不和諧的size()操碎了心。
在put()方法最後會調用addCount()方法，該方法主要做兩件事，一件更新baseCount的值，第二件檢測是否進行擴容，我們隻看更新baseCount部分：
private final void addCount(long x, int check) {
// ... 超過微信文章長度
}
x == 1，如果counterCells == null，則U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)，如果并發競争比較大可能會導緻改過程失敗，如果失敗則最終會調用fullAddCount()方法。其實為了提高高并發的時候baseCount可見性的失敗問題，又避免一直重試，JDK 8 引入了類Striped64,其中LongAdder和DoubleAdder都是基于該類實作的，而CounterCell也是基于Striped64實作的。如果counterCells ！= null，且uncontended = U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x)也失敗了，同樣會調用fullAddCount()方法，最後調用sumCount()計算s。
其實在1.8中，它不推薦size()方法，而是推崇mappingCount()方法，該方法的定義和size()方法基本一緻：
public long mappingCount() {
long n = sumCount();
return (n < 0L) ? 0L : n; // ignore transient negative values
}
當ConcurrentHashMap中table元素個數達到了容量門檻值（sizeCtl）時，則需要進行擴容操作。在put操作時最後一個會調用addCount(long x, int check)，該方法主要做兩個工作：1.更新baseCount；2.檢測是否需要擴容操作。如下：
private final void addCount(long x, int check) {
// ... 超過微信文章長度
}
transfer()方法為ConcurrentHashMap擴容操作的核心方法。由于ConcurrentHashMap支援多線程擴容，而且也沒有進行加鎖，是以實作會變得有點兒複雜。整個擴容操作分為兩步：
- 建構一個nextTable，其大小為原來大小的兩倍，這個步驟是在單線程環境下完成的
- 将原來table裡面的内容複制到nextTable中，這個步驟是允許多線程操作的，是以性能得到提升，減少了擴容的時間消耗
我們先來看看源代碼，然後再一步一步分析：
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
// ... 超過微信文章長度
}
上面的源碼有點兒長，稍微複雜了一些，在這裡我們抛棄它多線程環境，我們從單線程角度來看：
- 為每個核心分任務，并保證其不小于16
- 檢查nextTable是否為null，如果是，則初始化nextTable，使其容量為table的兩倍
- 死循環周遊節點，知道finished：節點從table複制到nextTable中，支援并發，請思路如下：
- 如果節點 f 為null，則插入ForwardingNode（采用Unsafe.compareAndSwapObjectf方法實作），這個是觸發并發擴容的關鍵
- 如果f為連結清單的頭節點（fh >= 0）,則先構造一個反序連結清單，然後把他們分别放在nextTable的i和i + n位置，并将ForwardingNode 插入原節點位置，代表已經處理過了
- 如果f為TreeBin節點，同樣也是構造一個反序 ，同時需要判斷是否需要進行unTreeify()操作，并把處理的結果分别插入到nextTable的i 和i+nw位置，并插入ForwardingNode 節點
- 所有節點複制完成後，則将table指向nextTable，同時更新sizeCtl = nextTable的0.75倍，完成擴容過程
在多線程環境下，ConcurrentHashMap用兩點來保證正确性：ForwardingNode和synchronized。當一個線程周遊到的節點如果是ForwardingNode，則繼續往後周遊，如果不是，則将該節點加鎖，防止其他線程進入，完成後設定ForwardingNode節點，以便要其他線程可以看到該節點已經處理過了，如此交叉進行，高效而又安全。
[<img src="http://cmsblogs.qiniudn.com/wp-content/uploads/2017/06/201703050001_24_thumb.jpg" alt="201703050001_24]" />
在put操作時如果發現fh.hash = -1，則表示正在進行擴容操作，則目前線程會協助進行擴容操作。
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
helpTransfer()方法為協助擴容方法，當調用該方法的時候，nextTable一定已經建立了，是以該方法主要則是進行複制工作。如下：
final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
// ... 超過微信文章長度
}
在put操作是，如果發現連結清單結構中的元素超過了TREEIFY_THRESHOLD（預設為8），則會把連結清單轉換為紅黑樹，已便于提高查詢效率。如下：
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
調用treeifyBin方法用與将連結清單轉換為紅黑樹。
private final void treeifyBin(Node<K,V>[] tab, int index) {
// ... 超過微信文章長度
}
從上面源碼可以看出，建構紅黑樹的過程是同步的，進入同步後過程如下：
- 根據table中index位置Node連結清單，重新生成一個hd為頭結點的TreeNode
![J.U.C 學習【二】AbstractQueuedSynchronizer獨占模式和示例文章中的源碼均來自JDK1.8前言1. 獨占模式示例2. 源碼解析[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)