ConcurrentHashMap使用示例

ConcurrentHashMap一般只被看作併發效率更高的Map，用來替換其餘線程安全的Map容器，好比Hashtable和Collections.synchronizedMap。實際上，線程安全的容器，特別是Map，應用場景沒有想象中的多，不少狀況下一個業務會涉及容器的多個操做，即複合操做，併發執行時，線程安全的容器只能保證自身的數據不被破壞，但沒法保證業務的行爲是否正確。

舉個例子：統計文本中單詞出現的次數，把單詞出現的次數記錄到一個Map中，代碼以下：

private final Map<String, Long> wordCounts = new ConcurrentHashMap<>();

public long increase(String word) {
    Long oldValue = wordCounts.get(word);
    Long newValue = (oldValue == null) ? 1L : oldValue + 1;
    wordCounts.put(word, newValue);
    return newValue;
}

若是多個線程併發調用這個increase()方法，increase()的實現就是錯誤的，由於多個線程用相同的word調用時，極可能會覆蓋相互的結果，形成記錄的次數比實際出現的次數少。

除了用鎖解決這個問題，另一個選擇是使用ConcurrentMap接口定義的方法：

public interface ConcurrentMap<K, V> extends Map<K, V> {
    V putIfAbsent(K key, V value);
    boolean remove(Object key, Object value);
    boolean replace(K key, V oldValue, V newValue);
    V replace(K key, V value);
}

這是個被不少人忽略的接口，也常常見有人錯誤地使用這個接口。ConcurrentMap接口定義了幾個基於 CAS（Compare and Set）操做，很簡單，但很是有用，下面的代碼用ConcurrentMap解決上面問題：

private final ConcurrentMap<String, Long> wordCounts = new ConcurrentHashMap<>();

public long increase(String word) {
    Long oldValue, newValue;
    while (true) {
        oldValue = wordCounts.get(word);
        if (oldValue == null) {
            // Add the word firstly, initial the value as 1
            newValue = 1L;
            if (wordCounts.putIfAbsent(word, newValue) == null) {
                break;
            }
        } else {
            newValue = oldValue + 1;
            if (wordCounts.replace(word, oldValue, newValue)) {
                break;
            }
        }
    }
    return newValue;
}

代碼有點複雜，主要由於ConcurrentMap中不能保存value爲null的值，因此得同時處理word不存在和已存在兩種狀況。

上面的實現每次調用都會涉及Long對象的拆箱和裝箱操做，很明顯，更好的實現方式是採用AtomicLong，下面是採用AtomicLong後的代碼：

private final ConcurrentMap<String, AtomicLong> wordCounts = new ConcurrentHashMap<>();

public long increase(String word) {
    AtomicLong number = wordCounts.get(word);
    if (number == null) {
        AtomicLong newNumber = new AtomicLong(0);
        number = wordCounts.putIfAbsent(word, newNumber);
        if (number == null) {
            number = newNumber;
        }
    }
    return number.incrementAndGet();
}

這個實現仍然有一處須要說明的地方，若是多個線程同時增長一個目前還不存在的詞，那麼極可能會產生多個newNumber對象，但最終只有一個newNumber有用，其餘的都會被扔掉。對於這個應用，這不算問題，建立AtomicLong的成本不高，並且只在添加不存在詞是出現。但換個場景，好比緩存，那麼這極可能就是問題了，由於緩存中的對象獲取成本通常都比較高，並且一般緩存都會常常失效，那麼避免重複建立對象就有價值了。下面的代碼演示了怎麼處理這種狀況：

private final ConcurrentMap<String, Future<ExpensiveObj>> cache = new ConcurrentHashMap<>();

public ExpensiveObj get(final String key) {
    Future<ExpensiveObj> future = cache.get(key);
    if (future == null) {
        Callable<ExpensiveObj> callable = new Callable<ExpensiveObj>() {
            @Override
            public ExpensiveObj call() throws Exception {
                return new ExpensiveObj(key);
            }
        };
        FutureTask<ExpensiveObj> task = new FutureTask<>(callable);

        future = cache.putIfAbsent(key, task);
        if (future == null) {
            future = task;
            task.run();
        }
    }

    try {
        return future.get();
    } catch (Exception e) {
        cache.remove(key);
        throw new RuntimeException(e);
    }
}

解決方法其實就是用一個Proxy對象來包裝真正的對象，跟常見的lazy load原理相似；使用FutureTask主要是爲了保證同步，避免一個Proxy建立多個對象。注意，上面代碼裏的異常處理是不許確的。

最後再補充一下，若是真要實現前面說的統計單詞次數功能，最合適的方法是Guava包中AtomicLongMap；通常使用ConcurrentHashMap，也儘可能使用Guava中的MapMaker或cache實現。