聊聊併發（四）深刻分析ConcurrentHashMap

##術語定義## 哈希算法：是一種將任意內容的輸入轉換成相同長度輸出的加密方式，其輸出被稱爲哈希值。 哈希表：根據設定的哈希函數H(key)和處理衝突方法將一組關鍵字映象到一個有限的地址區間上，並以關鍵字在地址區間中的象做爲記錄在表中的存儲位置，這種表稱爲哈希表或散列，所得存儲位置稱爲哈希地址或散列地址。 ##線程不安全的HashMap## 由於多線程環境下，使用Hashmap進行put操做會引發死循環，致使CPU利用率接近100%，因此在併發狀況下不能使用HashMap。以下代碼：

final HashMap<String, String> map = new HashMap<String, String>(2);
Thread t = new Thread(new Runnable() {
            @Override
            public void run() {
                for (int i = 0; i < 10000; i++) {
                    new Thread(new Runnable() {
                        @Override
                        public void run() {
                            map.put(UUID.randomUUID().toString(), "");
                        }
                    }, "ftf" + i).start();
                }
            }
        }, "ftf");
t.start();
t.join();

##效率低下的HashTable容器## HashTable容器使用synchronized來保證線程安全，但在線程競爭激烈的狀況下HashTable的效率很是低下。由於當一個線程訪問HashTable的同步方法時，其餘線程訪問HashTable的同步方法時，可能會進入阻塞或輪詢狀態。如線程1使用put進行添加元素，線程2不但不能使用put方法添加元素，而且也不能使用get方法來獲取元素，因此競爭越激烈效率越低。 ##ConcurrentHashMap的鎖分段技術## HashTable容器在競爭激烈的併發環境下表現出效率低下的緣由，是由於全部訪問HashTable的線程都必須競爭同一把鎖，那假如容器裏有多把鎖，每一把鎖用於鎖容器其中一部分數據，那麼當多線程訪問容器裏不一樣數據段的數據時，線程間就不會存在鎖競爭，從而能夠有效的提升併發訪問效率，這就是ConcurrentHashMap所使用的鎖分段技術，首先將數據分紅一段一段的存儲，而後給每一段數據配一把鎖，當一個線程佔用鎖訪問其中一個段數據的時候，其餘段的數據也能被其餘線程訪問。 ##ConcurrentHashMap的結構## 咱們經過ConcurrentHashMap的類圖來分析ConcurrentHashMap的結構，以下：

ConcurrentHashMap是由Segment數組結構和HashEntry數組結構組成。Segment是一種可重入鎖ReentrantLock，在ConcurrentHashMap裏扮演鎖的角色，HashEntry則用於存儲鍵值對數據。一個ConcurrentHashMap裏包含一個Segment數組，Segment的結構和HashMap相似，是一種數組和鏈表結構， 一個Segment裏包含一個HashEntry數組，每一個HashEntry是一個鏈表結構的元素， 每一個Segment守護者一個HashEntry數組裏的元素,當對HashEntry數組的數據進行修改時，必須首先得到它對應的Segment鎖。

##ConcurrentHashMap的初始化## ConcurrentHashMap初始化方法是經過initialCapacity，loadFactor, concurrencyLevel幾個參數來初始化segments數組，段偏移量segmentShift，段掩碼segmentMask和每一個segment裏的HashEntry數組。

初始化segments數組，讓咱們來看一下初始化segmentShift，segmentMask和segments數組的源代碼。以下：

if (concurrencyLevel > MAX_SEGMENTS)
    concurrencyLevel = MAX_SEGMENTS;
    
// Find power-of-two sizes best matching arguments
int sshift = 0;
int ssize = 1;

while (ssize < concurrencyLevel) {
    ++sshift;
    ssize <<= 1;
}

segmentShift = 32 - sshift;
segmentMask = ssize - 1;

this.segments = Segment.newArray(ssize);

由上面的代碼可知segments數組的長度ssize經過concurrencyLevel計算得出。爲了能經過按位與的哈希算法來定位segments數組的索引，必須保證segments數組的長度是2的N次方（power-of-two size），因此必須計算出一個是大於或等於concurrencyLevel的最小的2的N次方值來做爲segments數組的長度。假如concurrencyLevel等於14，15或16，ssize都會等於16，即容器裏鎖的個數也是16。注意concurrencyLevel的最大大小是65535，意味着segments數組的長度最大爲65536，對應的二進制是16位。

初始化segmentShift和segmentMask，這兩個全局變量在定位segment時的哈希算法裏須要使用，sshift等於ssize從1向左移位的次數，在默認狀況下concurrencyLevel等於16，1須要向左移位移動4次，因此sshift等於4。segmentShift用於定位參與hash運算的位數，segmentShift等於32減sshift，因此等於28，這裏之因此用32是由於ConcurrentHashMap裏的hash()方法輸出的最大數是32位的，後面的測試中咱們能夠看到這點。segmentMask是哈希運算的掩碼，等於ssize減1，即15，掩碼的二進制各個位的值都是1。由於ssize的最大長度是65536，因此segmentShift最大值是16，segmentMask最大值是65535，對應的二進制是16位，每一個位都是1。

初始化每一個Segment，輸入參數initialCapacity是ConcurrentHashMap的初始化容量，loadfactor是每一個segment的負載因子，在構造方法裏須要經過這兩個參數來初始化數組中的每一個segment。

if (initialCapacity > MAXIMUM_CAPACITY)
    initialCapacity = MAXIMUM_CAPACITY;

int c = initialCapacity / ssize;
if (c * ssize < initialCapacity)
    ++c;

int cap = 1;
while (cap < c)
    cap <<= 1;

for (int i = 0; i < this.segments.length; ++i)
    this.segments[i] = new Segment<K,V>(cap, loadFactor);

上面代碼中的變量cap就是segment裏HashEntry數組的長度，它等於initialCapacity除以ssize的倍數c，若是c大於1，就會取大於等於c的2的N次方值，因此cap不是1，就是2的N次方。segment的容量threshold＝(int)cap*loadFactor，默認狀況下initialCapacity等於16，loadfactor等於0.75，經過運算cap等於1，threshold等於零。 ##定位Segment## 既然ConcurrentHashMap使用分段鎖Segment來保護不一樣段的數據，那麼在插入和獲取元素的時候，必須先經過哈希算法定位到Segment。能夠看到ConcurrentHashMap會首先使用Wang/Jenkins hash的變種算法對元素的hashCode進行一次再哈希。

private static int hash(int h) {
    h += (h << 15) ^ 0xffffcd7d; h ^= (h >>> 10);
    h += (h << 3); h ^= (h >>> 6);
    h += (h << 2) + (h << 14); return h ^ (h >>> 16);
}

再哈希，其目的是爲了減小哈希衝突，使元素可以均勻的分佈在不一樣的Segment上，從而提升容器的存取效率。假如哈希的質量差到極點，那麼全部的元素都在一個Segment中，不只存取元素緩慢，分段鎖也會失去意義。我作了一個測試，不經過再哈希而直接執行哈希計算。

System.out.println(Integer.parseInt("0001111", 2) & 15);
System.out.println(Integer.parseInt("0011111", 2) & 15);
System.out.println(Integer.parseInt("0111111", 2) & 15);
System.out.println(Integer.parseInt("1111111", 2) & 15);

計算後輸出的哈希值全是15，經過這個例子能夠發現若是不進行再哈希，哈希衝突會很是嚴重，由於只要低位同樣，不管高位是什麼數，其哈希值老是同樣。咱們再把上面的二進制數據進行再哈希後結果以下，爲了方便閱讀，不足32位的高位補了0，每隔四位用豎線分割下。

0100｜0111｜0110｜0111｜1101｜1010｜0100｜1110
1111｜0111｜0100｜0011｜0000｜0001｜1011｜1000
0111｜0111｜0110｜1001｜0100｜0110｜0011｜1110
1000｜0011｜0000｜0000｜1100｜1000｜0001｜1010

能夠發現每一位的數據都散列開了，經過這種再哈希能讓數字的每一位都能參加到哈希運算當中，從而減小哈希衝突。ConcurrentHashMap經過如下哈希算法定位segment。

默認狀況下segmentShift爲28，segmentMask爲15，再哈希後的數最大是32位二進制數據，向右無符號移動28位，意思是讓高4位參與到hash運算中， (hash >>> segmentShift) & segmentMask的運算結果分別是4，15，7和8，能夠看到hash值沒有發生衝突。

final Segment<K,V> segmentFor(int hash) {
    return segments[(hash >>> segmentShift) & segmentMask];
}

##ConcurrentHashMap的get操做## Segment的get操做實現很是簡單和高效。先通過一次再哈希，而後使用這個哈希值經過哈希運算定位到segment，再經過哈希算法定位到元素，代碼以下：

public V get(Object key) {
    int hash = hash(key.hashCode());
    return segmentFor(hash).get(key, hash);
}

get操做的高效之處在於整個get過程不須要加鎖，除非讀到的值是空的纔會加鎖重讀，咱們知道HashTable容器的get方法是須要加鎖的，那麼ConcurrentHashMap的get操做是如何作到不加鎖的呢？緣由是它的get方法裏將要使用的共享變量都定義成volatile，如用於統計當前Segement大小的count字段和用於存儲值的HashEntry的value。定義成volatile的變量，可以在線程之間保持可見性，可以被多線程同時讀，而且保證不會讀到過時的值，可是隻能被單線程寫（有一種狀況能夠被多線程寫，就是寫入的值不依賴於原值），在get操做裏只須要讀不須要寫共享變量count和value，因此能夠不用加鎖。之因此不會讀到過時的值，是根據java內存模型的happen before原則，對volatile字段的寫入操做先於讀操做，即便兩個線程同時修改和獲取volatile變量，get操做也能拿到最新的值，這是用volatile替換鎖的經典應用場景。

transient volatile int count;
volatile V value;

在定位元素的代碼裏咱們能夠發現定位HashEntry和定位Segment的哈希算法雖然同樣，都與數組的長度減去一相與，可是相與的值不同，定位Segment使用的是元素的hashcode經過再哈希後獲得的值的高位，而定位HashEntry直接使用的是再哈希後的值。其目的是避免兩次哈希後的值同樣，致使元素雖然在Segment裏散列開了，可是卻沒有在HashEntry裏散列開。

hash >>> segmentShift) & segmentMask; // 定位Segment所使用的hash算法
int index = hash & (tab.length - 1); // 定位HashEntry所使用的hash算法

##ConcurrentHashMap的put操做## 因爲put方法裏須要對共享變量進行寫入操做，因此爲了線程安全，在操做共享變量時必須得加鎖。put方法首先定位到Segment，而後在Segment裏進行插入操做。插入操做須要經歷兩個步驟，第一步判斷是否須要對Segment裏的HashEntry數組進行擴容，第二步定位添加元素的位置而後放在HashEntry數組裏。

是否須要擴容。在插入元素前會先判斷Segment裏的HashEntry數組是否超過容量（threshold），若是超過閥值，數組進行擴容。值得一提的是，Segment的擴容判斷比HashMap更恰當，由於HashMap是在插入元素後判斷元素是否已經到達容量的，若是到達了就進行擴容，可是頗有可能擴容以後沒有新元素插入，這時HashMap就進行了一次無效的擴容。

如何擴容。擴容的時候首先會建立一個兩倍於原容量的數組，而後將原數組裏的元素進行再hash後插入到新的數組裏。爲了高效ConcurrentHashMap不會對整個容器進行擴容，而只對某個segment進行擴容。 ##ConcurrentHashMap的size操做## 若是咱們要統計整個ConcurrentHashMap裏元素的大小，就必須統計全部Segment裏元素的大小後求和。Segment裏的全局變量count是一個volatile變量，那麼在多線程場景下，咱們是否是直接把全部Segment的count相加就能夠獲得整個ConcurrentHashMap大小了呢？不是的，雖然相加時能夠獲取每一個Segment的count的最新值，可是拿到以後可能累加前使用的count發生了變化，那麼統計結果就不許了。因此最安全的作法，是在統計size的時候把全部Segment的put，remove和clean方法所有鎖住，可是這種作法顯然很是低效。

由於在累加count操做過程當中，以前累加過的count發生變化的概率很是小，因此ConcurrentHashMap的作法是先嚐試2次經過不鎖住Segment的方式來統計各個Segment大小，若是統計的過程當中，容器的count發生了變化，則再採用加鎖的方式來統計全部Segment的大小。

那麼ConcurrentHashMap是如何判斷在統計的時候容器是否發生了變化呢？使用modCount變量，在put , remove和clean方法裏操做元素前都會將變量modCount進行加1，那麼在統計size先後比較modCount是否發生變化，從而得知容器的大小是否發生變化。