在使用HashMap時在多線程狀況下擴容會出現CPU接近100%的狀況,由於hashmap並非線程安全的,一般咱們可使用在java體系中古老的hashtable類,該類基本上全部的方法都採用synchronized進行線程安全的控制,可想而知,在高併發的狀況下,每次只有一個線程可以獲取對象監視器鎖,這樣的併發性能的確不使人滿意。另一種方式經過Collections的Map<K,V> synchronizedMap(Map<K,V> m)
將hashmap包裝成一個線程安全的map。好比SynchronzedMap的put方法源碼爲:html
public V put(K key, V value) {
synchronized (mutex) {return m.put(key, value);}
}
複製代碼
實際上SynchronizedMap實現依然是採用synchronized獨佔式鎖進行線程安全的併發控制的。一樣,這種方案的性能也是使人不太滿意的。針對這種境況,Doug Lea大師竭盡全力的爲咱們創造了一些線程安全的併發容器,讓每個java開發人員倍感幸福。相對於hashmap來講,ConcurrentHashMap就是線程安全的map,其中利用了鎖分段的思想提升了併發度。java
ConcurrentHashMap在JDK1.6的版本網上資料不少,有興趣的能夠去看看。 JDK 1.6版本關鍵要素:node
而到了JDK 1.8的ConcurrentHashMap就有了很大的變化,光是代碼量就足足增長了不少。1.8版本捨棄了segment,而且大量使用了synchronized,以及CAS無鎖操做以保證ConcurrentHashMap操做的線程安全性。至於爲何不用ReentrantLock而是Synchronzied呢?實際上,synchronzied作了不少的優化,包括偏向鎖,輕量級鎖,重量級鎖,能夠依次向上升級鎖狀態,但不能降級(關於synchronized能夠看這篇文章),所以,使用synchronized相較於ReentrantLock的性能會持平甚至在某些狀況更優,具體的性能測試能夠去網上查閱一些資料。另外,底層數據結構改變爲採用數組+鏈表+紅黑樹的數據形式。算法
在瞭解ConcurrentHashMap的具體方法實現前,咱們須要系統的來看一下幾個關鍵的地方。數組
ConcurrentHashMap的關鍵屬性安全
table volatile Node<K,V>[] table://裝載Node的數組,做爲ConcurrentHashMap的數據容器,採用懶加載的方式,直到第一次插入數據的時候纔會進行初始化操做,數組的大小老是爲2的冪次方。性能優化
nextTable volatile Node<K,V>[] nextTable; //擴容時使用,平時爲null,只有在擴容的時候才爲非null網絡
sizeCtl volatile int sizeCtl; 該屬性用來控制table數組的大小,根據是否初始化和是否正在擴容有幾種狀況: **當值爲負數時:**若是爲-1表示正在初始化,若是爲-N則表示當前正有N-1個線程進行擴容操做; **當值爲正數時:**若是當前數組爲null的話表示table在初始化過程當中,sizeCtl表示爲須要新建數組的長度; 若已經初始化了,表示當前數據容器(table數組)可用容量也能夠理解成臨界值(插入節點數超過了該臨界值就須要擴容),具體指爲數組的長度n 乘以 加載因子loadFactor; 當值爲0時,即數組長度爲默認初始值。數據結構
sun.misc.Unsafe U 在ConcurrentHashMapde的實現中能夠看到大量的U.compareAndSwapXXXX的方法去修改ConcurrentHashMap的一些屬性。這些方法其實是利用了CAS算法保證了線程安全性,這是一種樂觀策略,假設每一次操做都不會產生衝突,當且僅當衝突發生的時候再去嘗試。而CAS操做依賴於現代處理器指令集,經過底層CMPXCHG指令實現。CAS(V,O,N)核心思想爲:若當前變量實際值V與指望的舊值O相同,則代表該變量沒被其餘線程進行修改,所以能夠安全的將新值N賦值給變量;若當前變量實際值V與指望的舊值O不相同,則代表該變量已經被其餘線程作了處理,此時將新值N賦給變量操做就是不安全的,在進行重試。而在大量的同步組件和併發容器的實現中使用CAS是經過sun.misc.Unsafe
類實現的,該類提供了一些能夠直接操控內存和線程的底層操做,能夠理解爲java中的「指針」。該成員變量的獲取是在靜態代碼塊中:多線程
static {
try {
U = sun.misc.Unsafe.getUnsafe();
.......
} catch (Exception e) {
throw new Error(e);
}
}
複製代碼
ConcurrentHashMap中關鍵內部類
Node Node類實現了Map.Entry接口,主要存放key-value對,而且具備next域
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
volatile V val;
volatile Node<K,V> next;
......
}
複製代碼
另外能夠看出不少屬性都是用volatile進行修飾的,也就是爲了保證內存可見性。
TreeNode 樹節點,繼承於承載數據的Node類。而紅黑樹的操做是針對TreeBin類的,從該類的註釋也能夠看出,也就是TreeBin會將TreeNode進行再一次封裝
**
* Nodes for use in TreeBins
*/
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;
......
}
複製代碼
TreeBin 這個類並不負責包裝用戶的key、value信息,而是包裝的不少TreeNode節點。實際的ConcurrentHashMap「數組」中,存放的是TreeBin對象,而不是TreeNode對象。
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;
// values for 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
......
}
複製代碼
ForwardingNode 在擴容時纔會出現的特殊節點,其key,value,hash所有爲null。並擁有nextTable指針引用新的table數組。
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;
}
.....
}
複製代碼
CAS關鍵操做
在上面咱們說起到在ConcurrentHashMap中會大量使用CAS修改它的屬性和一些操做。所以,在理解ConcurrentHashMap的方法前咱們須要瞭解下面幾個經常使用的利用CAS算法來保障線程安全的操做。
tabAt
static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) {
return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE);
}
複製代碼
該方法用來獲取table數組中索引爲i的Node元素。
casTabAt
static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i,
Node<K,V> c, Node<K,V> v) {
return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v);
}
複製代碼
利用CAS操做設置table數組中索引爲i的元素
setTabAt
static final <K,V> void setTabAt(Node<K,V>[] tab, int i, Node<K,V> v) {
U.putObjectVolatile(tab, ((long)i << ASHIFT) + ABASE, v);
}
複製代碼
該方法用來設置table數組中索引爲i的元素
在熟悉上面的這核心信息以後,咱們接下來就來依次看看幾個經常使用的方法是怎樣實現的。
在使用ConcurrentHashMap第一件事天然而然就是new 出來一個ConcurrentHashMap對象,一共提供了以下幾個構造器方法:
// 1. 構造一個空的map,即table數組還未初始化,初始化放在第一次插入數據時,默認大小爲16
ConcurrentHashMap()
// 2. 給定map的大小
ConcurrentHashMap(int initialCapacity)
// 3. 給定一個map
ConcurrentHashMap(Map<? extends K, ? extends V> m)
// 4. 給定map的大小以及加載因子
ConcurrentHashMap(int initialCapacity, float loadFactor)
// 5. 給定map大小,加載因子以及併發度(預計同時操做數據的線程)
ConcurrentHashMap(int initialCapacity,float loadFactor, int concurrencyLevel)
複製代碼
ConcurrentHashMap一共給咱們提供了5中構造器方法,具體使用請看註釋,咱們來看看第2種構造器,傳入指定大小時的狀況,該構造器源碼爲:
public ConcurrentHashMap(int initialCapacity) {
//1. 小於0直接拋異常
if (initialCapacity < 0)
throw new IllegalArgumentException();
//2. 判斷是否超過了容許的最大值,超過了話則取最大值,不然再對該值進一步處理
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
//3. 賦值給sizeCtl
this.sizeCtl = cap;
}
複製代碼
這段代碼的邏輯請看註釋,很容易理解,若是小於0就直接拋出異常,若是指定值大於了所容許的最大值的話就取最大值,不然,在對指定值作進一步處理。最後將cap賦值給sizeCtl,關於sizeCtl的說明請看上面的說明,當調用構造器方法以後,sizeCtl的大小應該就表明了ConcurrentHashMap的大小,即table數組長度。tableSizeFor作了哪些事情了?源碼爲:
/**
* Returns a power of two table size for the given desired capacity.
* See Hackers Delight, sec 3.2
*/
private static final int tableSizeFor(int c) {
int n = c - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
複製代碼
經過註釋就很清楚了,該方法會將調用構造器方法時指定的大小轉換成一個2的冪次方數,也就是說ConcurrentHashMap的大小必定是2的冪次方,好比,當指定大小爲18時,爲了知足2的冪次方特性,實際上concurrentHashMapd的大小爲2的5次方(32)。另外,須要注意的是,調用構造器方法的時候並未構造出table數組(能夠理解爲ConcurrentHashMap的數據容器),只是算出table數組的長度,當第一次向ConcurrentHashMap插入數據的時候才真正的完成初始化建立table數組的工做。
直接上源碼:
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
while ((tab = table) == null || tab.length == 0) {
if ((sc = sizeCtl) < 0)
// 1. 保證只有一個線程正在進行初始化操做
Thread.yield(); // lost initialization race; just spin
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
if ((tab = table) == null || tab.length == 0) {
// 2. 得出數組的大小
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
// 3. 這裏才真正的初始化數組
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
// 4. 計算數組中可用的大小:實際大小n*0.75(加載因子)
sc = n - (n >>> 2);
}
} finally {
sizeCtl = sc;
}
break;
}
}
return tab;
}
複製代碼
代碼的邏輯請見註釋,有可能存在一個狀況是多個線程同時走到這個方法中,爲了保證可以正確初始化,在第1步中會先經過if進行判斷,若當前已經有一個線程正在初始化即sizeCtl值變爲-1,這個時候其餘線程在If判斷爲true從而調用Thread.yield()讓出CPU時間片。正在進行初始化的線程會調用U.compareAndSwapInt方法將sizeCtl改成-1即正在初始化的狀態。另外還須要注意的事情是,在第四步中會進一步計算數組中可用的大小即爲數組實際大小n乘以加載因子0.75.能夠看看這裏乘以0.75是怎麼算的,0.75爲四分之三,這裏n - (n >>> 2)
是否是恰好是n-(1/4)n=(3/4)n,挺有意思的吧:)。若是選擇是無參的構造器的話,這裏在new Node數組的時候會使用默認大小爲DEFAULT_CAPACITY
(16),而後乘以加載因子0.75爲12,也就是說數組的可用大小爲12。
使用ConcurrentHashMap最長用的也應該是put和get方法了吧,咱們先來看看put方法是怎樣實現的。調用put方法時實際具體實現是putVal方法,源碼以下:
/** Implementation for put and putIfAbsent */
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) throw new NullPointerException();
//1. 計算key的hash值
int hash = spread(key.hashCode());
int binCount = 0;
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
//2. 若是當前table尚未初始化先調用initTable方法將tab進行初始化
if (tab == null || (n = tab.length) == 0)
tab = initTable();
//3. tab中索引爲i的位置的元素爲null,則直接使用CAS將值插入便可
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
//4. 當前正在擴容
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
else {
V oldVal = null;
synchronized (f) {
if (tabAt(tab, i) == f) {
//5. 當前爲鏈表,在鏈表中插入新的鍵值對
if (fh >= 0) {
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
if (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) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
// 6.當前爲紅黑樹,將新的鍵值對插入到紅黑樹中
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
// 7.插入完鍵值對後再根據實際大小看是否須要轉換成紅黑樹
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
//8.對當前容量大小進行檢查,若是超過了臨界值(實際大小*加載因子)就須要擴容
addCount(1L, binCount);
return null;
}
複製代碼
put方法的代碼量有點長,咱們按照上面的分解的步驟一步步來看。從總體而言,爲了解決線程安全的問題,ConcurrentHashMap使用了synchronzied和CAS的方式。在以前瞭解過HashMap以及1.8版本以前的ConcurrenHashMap都應該知道ConcurrentHashMap結構圖,爲了方面下面的講解這裏先直接給出,若是對這有疑問的話,能夠在網上隨便搜搜便可。
如圖(圖片摘自網絡),ConcurrentHashMap是一個哈希桶數組,若是不出現哈希衝突的時候,每一個元素均勻的分佈在哈希桶數組中。當出現哈希衝突的時候,是標準的鏈地址的解決方式,將hash值相同的節點構成鏈表的形式,稱爲「拉鍊法」,另外,在1.8版本中爲了防止拉鍊過長,當鏈表的長度大於8的時候會將鏈表轉換成紅黑樹。table數組中的每一個元素其實是單鏈表的頭結點或者紅黑樹的根節點。當插入鍵值對時首先應該定位到要插入的桶,即插入table數組的索引i處。那麼,怎樣計算得出索引i呢?固然是根據key的hashCode值。
- spread()重哈希,以減少Hash衝突
咱們知道對於一個hash表來講,hash值分散的不夠均勻的話會大大增長哈希衝突的機率,從而影響到hash表的性能。所以經過spread方法進行了一次重hash從而大大減少哈希衝突的可能性。spread方法爲:
static final int spread(int h) {
return (h ^ (h >>> 16)) & HASH_BITS;
}
複製代碼
該方法主要是將key的hashCode的低16位於高16位進行異或運算,這樣不只可以使得hash值可以分散可以均勻減少hash衝突的機率,另外只用到了異或運算,在性能開銷上也能兼顧,作到平衡的trade-off。
2.初始化table
緊接着到第2步,會判斷當前table數組是否初始化了,沒有的話就調用initTable進行初始化,該方法在上面已經講過了。
3.可否直接將新值插入到table數組中
從上面的結構示意圖就能夠看出存在這樣一種狀況,若是插入值待插入的位置恰好所在的table數組爲null的話就能夠直接將值插入便可。那麼怎樣根據hash肯定在table中待插入的索引i呢?很顯然能夠經過hash值與數組的長度取模操做,從而肯定新值插入到數組的哪一個位置。而以前咱們提過ConcurrentHashMap的大小老是2的冪次方,(n - 1) & hash運算等價於對長度n取模,也就是hash%n,可是位運算比取模運算的效率要高不少,Doug lea大師在設計併發容器的時候也是將性能優化到了極致,使人欽佩。
肯定好數組的索引i後,就能夠能夠tabAt()方法(該方法在上面已經說明了,有疑問能夠回過頭去看看)獲取該位置上的元素,若是當前Node f爲null的話,就能夠直接用casTabAt方法將新值插入便可。
4.當前是否正在擴容
若是當前節點不爲null,且該節點爲特殊節點(forwardingNode)的話,就說明當前concurrentHashMap正在進行擴容操做,關於擴容操做,下面會做爲一個具體的方法進行講解。那麼怎樣肯定當前的這個Node是否是特殊的節點了?是經過判斷該節點的hash值是否是等於-1(MOVED),代碼爲(fh = f.hash) == MOVED,對MOVED的解釋在源碼上也寫的很清楚了:
static final int MOVED = -1; // hash for forwarding nodes
複製代碼
5.當table[i]爲鏈表的頭結點,在鏈表中插入新值
在table[i]不爲null而且不爲forwardingNode時,而且當前Node f的hash值大於0(fh >= 0)的話說明當前節點f爲當前桶的全部的節點組成的鏈表的頭結點。那麼接下來,要想向ConcurrentHashMap插入新值的話就是向這個鏈表插入新值。經過synchronized (f)的方式進行加鎖以實現線程安全性。往鏈表中插入節點的部分代碼爲:
if (fh >= 0) {
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
// 找到hash值相同的key,覆蓋舊值便可
if (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) {
//若是到鏈表末尾仍未找到,則直接將新值插入到鏈表末尾便可
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
複製代碼
這部分代碼很好理解,就是兩種狀況:1. 在鏈表中若是找到了與待插入的鍵值對的key相同的節點,就直接覆蓋便可;2. 若是直到找到了鏈表的末尾都沒有找到的話,就直接將待插入的鍵值對追加到鏈表的末尾便可
6.當table[i]爲紅黑樹的根節點,在紅黑樹中插入新值
按照以前的數組+鏈表的設計方案,這裏存在一個問題,即便負載因子和Hash算法設計的再合理,也免不了會出現拉鍊過長的狀況,一旦出現拉鍊過長,甚至在極端狀況下,查找一個節點會出現時間複雜度爲O(n)的狀況,則會嚴重影響ConcurrentHashMap的性能,因而,在JDK1.8版本中,對數據結構作了進一步的優化,引入了紅黑樹。而當鏈表長度太長(默認超過8)時,鏈表就轉換爲紅黑樹,利用紅黑樹快速增刪改查的特色提升ConcurrentHashMap的性能,其中會用到紅黑樹的插入、刪除、查找等算法。當table[i]爲紅黑樹的樹節點時的操做爲:
if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
複製代碼
首先在if中經過f instanceof TreeBin
判斷當前table[i]是不是樹節點,這下也正好驗證了咱們在最上面介紹時說的TreeBin會對TreeNode作進一步封裝,對紅黑樹進行操做的時候針對的是TreeBin而不是TreeNode。這段代碼很簡單,調用putTreeVal方法完成向紅黑樹插入新節點,一樣的邏輯,若是在紅黑樹中存在於待插入鍵值對的Key相同(hash值相等而且equals方法判斷爲true)的節點的話,就覆蓋舊值,不然就向紅黑樹追加新節點。
7.根據當前節點個數進行調整
當完成數據新節點插入以後,會進一步對當前鏈表大小進行調整,這部分代碼爲:
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
複製代碼
很容易理解,若是當前鏈表節點個數大於等於8(TREEIFY_THRESHOLD)的時候,就會調用treeifyBin方法將tabel[i](第i個散列桶)拉鍊轉換成紅黑樹。
至此,關於Put方法的邏輯就基本說的差很少了,如今來作一些總結:
總體流程:
看完了put方法再來看get方法就很容易了,用逆向思惟去看就好,這樣存的話我反過來這麼取就行了。get方法源碼爲:
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
// 1. 重hash
int h = spread(key.hashCode());
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
// 2. table[i]桶節點的key與查找的key相同,則直接返回
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
// 3. 當前節點hash小於0說明爲樹節點,在紅黑樹中查找便可
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
while ((e = e.next) != null) {
//4. 從鏈表中查找,查找到則返回該節點的value,不然就返回null便可
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
複製代碼
代碼的邏輯請看註釋,首先先看當前的hash桶數組節點即table[i]是否爲查找的節點,如果則直接返回;若不是,則繼續再看當前是否是樹節點?經過看節點的hash值是否爲小於0,若是小於0則爲樹節點。若是是樹節點在紅黑樹中查找節點;若是不是樹節點,那就只剩下爲鏈表的形式的一種可能性了,就向後遍歷查找節點,若查找到則返回節點的value便可,若沒有找到就返回null。
當ConcurrentHashMap容量不足的時候,須要對table進行擴容。這個方法的基本思想跟HashMap是很像的,可是因爲它是支持併發擴容的,因此要複雜的多。緣由是它支持多線程進行擴容操做,而並無加鎖。我想這樣作的目的不只僅是爲了知足concurrent的要求,而是但願利用併發處理去減小擴容帶來的時間影響。transfer方法源碼爲:
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
int n = tab.length, stride;
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
//1. 新建Node數組,容量爲以前的兩倍
if (nextTab == null) { // initiating
try {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];
nextTab = nt;
} catch (Throwable ex) { // try to cope with OOME
sizeCtl = Integer.MAX_VALUE;
return;
}
nextTable = nextTab;
transferIndex = n;
}
int nextn = nextTab.length;
//2. 新建forwardingNode引用,在以後會用到
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
boolean advance = true;
boolean finishing = false; // to ensure sweep before committing nextTab
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
// 3. 肯定遍歷中的索引i
while (advance) {
int nextIndex, nextBound;
if (--i >= bound || finishing)
advance = false;
else if ((nextIndex = transferIndex) <= 0) {
i = -1;
advance = false;
}
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ?
nextIndex - stride : 0))) {
bound = nextBound;
i = nextIndex - 1;
advance = false;
}
}
//4.將原數組中的元素複製到新數組中去
//4.5 for循環退出,擴容結束脩改sizeCtl屬性
if (i < 0 || i >= n || i + n >= nextn) {
int sc;
if (finishing) {
nextTable = null;
table = nextTab;
sizeCtl = (n << 1) - (n >>> 1);
return;
}
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
}
}
//4.1 當前數組中第i個元素爲null,用CAS設置成特殊節點forwardingNode(能夠理解成佔位符)
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
//4.2 若是遍歷到ForwardingNode節點 說明這個點已經被處理過了 直接跳過 這裏是控制併發擴容的核心
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
else {
synchronized (f) {
if (tabAt(tab, i) == f) {
Node<K,V> ln, hn;
if (fh >= 0) {
//4.3 處理當前節點爲鏈表的頭結點的狀況,構造兩個鏈表,一個是原鏈表 另外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);
else
hn = new Node<K,V>(ph, pk, pv, hn);
}
//在nextTable的i位置上插入一個鏈表
setTabAt(nextTab, i, ln);
//在nextTable的i+n的位置上插入另外一個鏈表
setTabAt(nextTab, i + n, hn);
//在table的i位置上插入forwardNode節點 表示已經處理過該節點
setTabAt(tab, i, fwd);
//設置advance爲true 返回到上面的while循環中 就能夠執行i--操做
advance = true;
}
//4.4 處理當前節點是TreeBin時的狀況,操做和上面的相似
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;
else
loTail.next = p;
loTail = p;
++lc;
}
else {
if ((p.prev = hiTail) == null)
hi = p;
else
hiTail.next = p;
hiTail = p;
++hc;
}
}
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;
}
}
}
}
}
}
複製代碼
代碼邏輯請看註釋,整個擴容操做分爲兩個部分:
第一部分是構建一個nextTable,它的容量是原來的兩倍,這個操做是單線程完成的。新建table數組的代碼爲:Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1]
,在原容量大小的基礎上右移一位。
第二個部分就是將原來table中的元素複製到nextTable中,主要是遍歷複製的過程。 根據運算獲得當前遍歷的數組的位置i,而後利用tabAt方法得到i位置的元素再進行判斷:
sizeCtl = (n << 1) - (n >>> 1)
,仔細體會下是否是很巧妙,n<<1至關於n右移一位表示n的兩倍即2n,n>>>1左右一位至關於n除以2即0.5n,而後二者相減爲2n-0.5n=1.5n,是否是恰好等於新容量的0.75倍即2n*0.75=1.5n。最後用一個示意圖來進行總結(圖片摘自網絡):對於ConcurrentHashMap來講,這個table裏到底裝了多少東西實際上是個不肯定的數量,由於不可能在調用size()方法的時候像GC的「stop the world」同樣讓其餘線程都停下來讓你去統計,所以只能說這個數量是個估計值。對於這個估計值,ConcurrentHashMap也是大費周章才計算出來的。
爲了統計元素個數,ConcurrentHashMap定義了一些變量和一個內部類
/**
* A padded cell for distributing counts. Adapted from LongAdder
* and Striped64. See their internal docs for explanation.
*/
@sun.misc.Contended static final class CounterCell {
volatile long value;
CounterCell(long x) { value = x; }
}
/******************************************/
/**
* 實際上保存的是hashmap中的元素個數 利用CAS鎖進行更新
但它並不用返回當前hashmap的元素個數
*/
private transient volatile long baseCount;
/**
* Spinlock (locked via CAS) used when resizing and/or creating CounterCells.
*/
private transient volatile int cellsBusy;
/**
* Table of counter cells. When non-null, size is a power of 2.
*/
private transient volatile CounterCell[] counterCells;
複製代碼
mappingCount與size方法
mappingCount與size方法的相似 從給出的註釋來看,應該使用mappingCount代替size方法 兩個方法都沒有直接返回basecount 而是統計一次這個值,而這個值其實也是一個大概的數值,所以可能在統計的時候有其餘線程正在執行插入或刪除操做。
public int size() {
long n = sumCount();
return ((n < 0L) ? 0 :
(n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :
(int)n);
}
/**
* Returns the number of mappings. This method should be used
* instead of {@link #size} because a ConcurrentHashMap may
* contain more mappings than can be represented as an int. The
* value returned is an estimate; the actual count may differ if
* there are concurrent insertions or removals.
*
* @return the number of mappings
* @since 1.8
*/
public long mappingCount() {
long n = sumCount();
return (n < 0L) ? 0L : n; // ignore transient negative values
}
final long sumCount() {
CounterCell[] as = counterCells; CounterCell a;
long sum = baseCount;
if (as != null) {
for (int i = 0; i < as.length; ++i) {
if ((a = as[i]) != null)
sum += a.value;//全部counter的值求和
}
}
return sum;
}
複製代碼
addCount方法
在put方法結尾處調用了addCount方法,把當前ConcurrentHashMap的元素個數+1這個方法一共作了兩件事,更新baseCount的值,檢測是否進行擴容。
private final void addCount(long x, int check) {
CounterCell[] as; long b, s;
//利用CAS方法更新baseCount的值
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 - 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();
}
//若是check值大於等於0 則須要檢驗是否須要進行擴容操做
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;
//若是已經有其餘線程在執行擴容操做
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
transfer(tab, nt);
}
//當前線程是惟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) + 2))
transfer(tab, null);
s = sumCount();
}
}
}
複製代碼
JDK6,7中的ConcurrentHashmap主要使用Segment來實現減少鎖粒度,分割成若干個Segment,在put的時候須要鎖住Segment,get時候不加鎖,使用volatile來保證可見性,當要統計全局時(好比size),首先會嘗試屢次計算modcount來肯定,這幾回嘗試中,是否有其餘線程進行了修改操做,若是沒有,則直接返回size。若是有,則須要依次鎖住全部的Segment來計算。
1.8以前put定位節點時要先定位到具體的segment,而後再在segment中定位到具體的桶。而在1.8的時候摒棄了segment臃腫的設計,直接針對的是Node[] tale數組中的每個桶,進一步減少了鎖粒度。而且防止拉鍊過長致使性能降低,當鏈表長度大於8的時候採用紅黑樹的設計。
主要設計上的變化有如下幾點:
更多關於1.7版本與1.8版本的ConcurrentHashMap的實現對比,能夠參考這篇文章。
參考文章
1.8版本ConcurrentHashMap
1.8版本的HashMap