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：
- 重要概念
- 重要内部類
- ConcurrentHashMap的初始化
- put操作
- get操作
- size操作
- 擴容
- 紅黑樹轉換
重要概念
ConcurrentHashMap定義了如下幾個常量：
// 最大容量：2^30=1073741824
private static final int MAXIMUM_CAPACITY = << ;
// 預設初始值，必須是2的幕數
private static final int DEFAULT_CAPACITY = ;
//
static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - ;
//
private static final int DEFAULT_CONCURRENCY_LEVEL = ;
//
private static final float LOAD_FACTOR = f;
// 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 = ;
//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 = ;
//
static final int MIN_TREEIFY_CAPACITY = ;
//
private static final int MIN_TRANSFER_STRIDE = ;
//
private static int RESIZE_STAMP_BITS = ;
// 2^15-1，help resize的最大線程數
private static final int MAX_RESIZERS = ( << ( - RESIZE_STAMP_BITS)) - ;
// 32-16=16，sizeCtl中記錄size大小的偏移量
private static final int RESIZE_STAMP_SHIFT = - RESIZE_STAMP_BITS;
// forwarding nodes的hash值
static final int MOVED = -;
// 樹根節點的hash值
static final int TREEBIN = -;
// ReservationNode的hash值
static final int RESERVED = -;
// 可用處理器數量
static final int NCPU = Runtime.getRuntime().availableProcessors();
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
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
重要内部類
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;
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
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)) != )
p = (dir < ) ? pl : pr;
else if ((q = pr.findTreeNode(h, k, kc)) != null)
return q;
else
p = pl;
} while (p != null);
}
return null;
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
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 = ; // set while holding write lock
static final int WAITER = ; // set when waiting for write lock
static final int READER = ; // 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 = -;
else if (ph < h)
dir = ;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == )
dir = tieBreakOrder(k, pk);
TreeNode<K, V> xp = p;
if ((p = (dir <= ) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= )
xp.left = x;
else
xp.right = x;
r = balanceInsertion(r, x);
break;
}
}
}
}
this.root = r;
assert checkInvariants(root);
}
/** 省略很多代碼 */
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
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) == ||
(e = tabAt(tab, (n - ) & 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 < ) {
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;
}
}
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
構造函數
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 < )
throw new IllegalArgumentException();
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> )) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> ) + ));
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, );
}
public ConcurrentHashMap(int initialCapacity,
float loadFactor, int concurrencyLevel) {
if (!(loadFactor > f) || initialCapacity < || concurrencyLevel <= )
throw new IllegalArgumentException();
if (initialCapacity < concurrencyLevel) // Use at least as many bins
initialCapacity = concurrencyLevel; // as estimated threads
long size = (long)( + (long)initialCapacity / loadFactor);
int cap = (size >= (long)MAXIMUM_CAPACITY) ?
MAXIMUM_CAPACITY : tableSizeFor((int)size);
this.sizeCtl = cap;
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
初始化： initTable()
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 == ) {
//sizeCtl < 0 表示有其他線程在初始化，該線程必須挂起
if ((sc = sizeCtl) < )
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, -)) {
// 進行初始化
try {
if ((tab = table) == null || tab.length == ) {
int n = (sc > ) ? 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 >>> ); ///相當于0.75*n 設定一個擴容的門檻值
}
} finally {
sizeCtl = sc;
}
break;
}
}
return tab;
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
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。
put操作
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) {
//key、value均不能為null
if (key == null || value == null) throw new NullPointerException();
//計算hash值
int hash = spread(key.hashCode());
int binCount = ;
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
// table為null，進行初始化工作
if (tab == null || (n = tab.length) == )
tab = initTable();
//如果i位置沒有節點，則直接插入，不需要加鎖
else if ((f = tabAt(tab, i = (n - ) & hash)) == null) {
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
// 有線程正在進行擴容操作，則先幫助擴容
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
else {
V oldVal = null;
//對該節點進行加鎖處理（hash值相同的連結清單的頭節點），對性能有點兒影響
synchronized (f) {
if (tabAt(tab, i) == f) {
//fh > 0 表示為連結清單，将該節點插入到連結清單尾部
if (fh >= ) {
binCount = ;
for (Node<K,V> e = f;; ++binCount) {
K ek;
//hash 和 key 都一樣，替換value
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
//putIfAbsent()
if (!onlyIfAbsent)
e.val = value;
break;
}
Node<K,V> pred = e;
//連結清單尾部 直接插入
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
//樹節點，按照樹的插入操作進行插入
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = ;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
if (binCount != ) {
// 如果連結清單長度已經達到臨界值8 就需要把連結清單轉換為樹結構
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
//size + 1
addCount(L, binCount);
return null;
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
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 >>> )) & HASH_BITS;
}
- 1
- 2
- 3
- 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。
get操作
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) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
// 計算hash
int h = spread(key.hashCode());
if ((tab = table) != null && (n = tab.length) > &&
(e = tabAt(tab, (n - ) & h)) != null) {
// 搜尋到的節點key與傳入的key相同且不為null,直接傳回這個節點
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
// 樹
else if (eh < )
return (p = e.find(h, key)) != null ? p.val : null;
// 連結清單，周遊
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
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;
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
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 < L) ? :
(n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :
(int)n);
}
- 1
- 2
- 3
- 4
- 5
- 6
内部調用sunmCount()：
final long sumCount() {
CounterCell[] as = counterCells; CounterCell a;
long sum = baseCount;
if (as != null) {
for (int i = ; i < as.length; ++i) {
//周遊，所有counter求和
if ((a = as[i]) != null)
sum += a.value;
}
}
return sum;
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
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) {
CounterCell[] as; long b, s;
// s = b + x，完成baseCount++操作；
if ((as = counterCells) != null ||
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
CounterCell a; long v; int m;
boolean uncontended = true;
if (as == null || (m = as.length - ) < ||
(a = as[ThreadLocalRandom.getProbe() & m]) == null ||
!(uncontended =
U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
// 多線程CAS發生失敗時執行
fullAddCount(x, uncontended);
return;
}
if (check <= )
return;
s = sumCount();
}
// 檢查是否進行擴容
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
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 < L) ? L : n; // ignore transient negative values
}
- 1
- 2
- 3
- 4
擴容操作
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) {
CounterCell[] as; long b, s;
// 更新baseCount
//check >= 0 :則需要進行擴容操作
if (check >= ) {
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 < ) {
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex <= )
break;
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + ))
transfer(tab, nt);
}
//目前線程是唯一的或是第一個發起擴容的線程 此時nextTable=null
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + ))
transfer(tab, null);
s = sumCount();
}
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
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) {
int n = tab.length, stride;
// 每核處理的量小于16，則強制指派16
if ((stride = (NCPU > ) ? (n >>> ) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
if (nextTab == null) { // initiating
try {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << ]; //建構一個nextTable對象，其容量為原來容量的兩倍
nextTab = nt;
} catch (Throwable ex) { // try to cope with OOME
sizeCtl = Integer.MAX_VALUE;
return;
}
nextTable = nextTab;
transferIndex = n;
}
int nextn = nextTab.length;
// 連接配接點指針，用于标志位（fwd的hash值為-1，fwd.nextTable=nextTab）
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
// 當advance == true時，表明該節點已經處理過了
boolean advance = true;
boolean finishing = false; // to ensure sweep before committing nextTab
for (int i = , bound = ;;) {
Node<K,V> f; int fh;
// 控制 --i ,周遊原hash表中的節點
while (advance) {
int nextIndex, nextBound;
if (--i >= bound || finishing)
advance = false;
else if ((nextIndex = transferIndex) <= ) {
i = -;
advance = false;
}
// 用CAS計算得到的transferIndex
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ?
nextIndex - stride : ))) {
bound = nextBound;
i = nextIndex - ;
advance = false;
}
}
if (i < || i >= n || i + n >= nextn) {
int sc;
// 已經完成所有節點複制了
if (finishing) {
nextTable = null;
table = nextTab; // table 指向nextTable
sizeCtl = (n << ) - (n >>> ); // sizeCtl門檻值為原來的1.5倍
return; // 跳出死循環，
}
// CAS 更擴容門檻值，在這裡面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 - )) {
if ((sc - ) != resizeStamp(n) << RESIZE_STAMP_SHIFT)
return;
finishing = advance = true;
i = n; // recheck before commit
}
}
// 周遊的節點為null，則放入到ForwardingNode 指針節點
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
// f.hash == -1 表示周遊到了ForwardingNode節點，意味着該節點已經處理過了
// 這裡是控制并發擴容的核心
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
else {
// 節點加鎖
synchronized (f) {
// 節點複制工作
if (tabAt(tab, i) == f) {
Node<K,V> ln, hn;
// fh >= 0 ,表示為連結清單節點
if (fh >= ) {
// 構造兩個連結清單 一個是原連結清單 另一個是原連結清單的反序排列
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 == ) {
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) == )
ln = new Node<K,V>(ph, pk, pv, ln);
else
hn = new Node<K,V>(ph, pk, pv, hn);
}
// 在nextTable i 位置處插上連結清單
setTabAt(nextTab, i, ln);
// 在nextTable i + n 位置處插上連結清單
setTabAt(nextTab, i + n, hn);
// 在table i 位置處插上ForwardingNode 表示該節點已經處理過了
setTabAt(tab, i, fwd);
// advance = true 可以執行--i動作，周遊節點
advance = true;
}
// 如果是TreeBin，則按照紅黑樹進行處理，處理邏輯與上面一緻
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 = , hc = ;
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) == ) {
if ((p.prev = loTail) == null)
lo = p;
else
loTail.next = p;
loTail = p;
++lc;
}
else {
if ((p.prev = hiTail) == null)
hi = p;
else
hiTail.next = p;
hiTail = p;
++hc;
}
}
// 擴容後樹節點個數若<=6，将樹轉連結清單
ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) :
(hc != ) ? new TreeBin<K,V>(lo) : t;
hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) :
(lc != ) ? new TreeBin<K,V>(hi) : t;
setTabAt(nextTab, i, ln);
setTabAt(nextTab, i + n, hn);
setTabAt(tab, i, fwd);
advance = true;
}
}
}
}
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
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：
1. 為每個核心分任務，并保證其不小于16
2. 檢查nextTable是否為null，如果是，則初始化nextTable，使其容量為table的兩倍
3. 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
4. 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。
下圖是擴容的過程（來自：http://blog.csdn.net/u010723709/article/details/48007881）：
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);
- 1
- 2
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) {
Node<K,V>[] nextTab; int sc;
if (tab != null && (f instanceof ForwardingNode) &&
(nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) {
int rs = resizeStamp(tab.length);
while (nextTab == nextTable && table == tab &&
(sc = sizeCtl) < ) {
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + ||
sc == rs + MAX_RESIZERS || transferIndex <= )
break;
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + )) {
transfer(tab, nextTab);
break;
}
}
return nextTab;
}
return table;
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
轉換紅黑樹
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);
- 1
- 2
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) {
Node<K,V> b; int n, sc;
if (tab != null) {
if ((n = tab.length) < MIN_TREEIFY_CAPACITY)//如果table.length<64 就擴大一倍 傳回
tryPresize(n << );
else if ((b = tabAt(tab, index)) != null && b.hash >= ) {
synchronized (b) {
if (tabAt(tab, index) == b) {
TreeNode<K,V> hd = null, tl = null;
//構造了一個TreeBin對象 把所有Node節點包裝成TreeNode放進去
for (Node<K,V> e = b; e != null; e = e.next) {
TreeNode<K,V> p =
new TreeNode<K,V>(e.hash, e.key, e.val,
null, null);//這裡隻是利用了TreeNode封裝 而沒有利用TreeNode的next域和parent域
if ((p.prev = tl) == null)
hd = p;
else
tl.next = p;
tl = p;
}
//在原來index的位置 用TreeBin替換掉原來的Node對象
setTabAt(tab, index, new TreeBin<K,V>(hd));
}
}
}
}
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
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：
1. 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
2. 根據hd頭結點，生成TreeBin樹結構，并用TreeBin替換掉原來的Node對象。
整個紅黑樹的建構過程有點兒複雜，關于ConcurrentHashMap 紅黑樹的建構過程，我們後續分析
![并發五-J.U.C并發五-J.U.C[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)