/**
-
The load factor for this table. Overrides of this value in
-
constructors affect only the initial table capacity. The
-
actual floating point value isn’t normally used – it is
-
simpler to use expressions such as {@code n - (n >>> 2)} for
-
the associated resizing threshold.
-
默认扩容因子,但是用不上。
*/
private static final float LOAD_FACTOR = 0.75f;
/**
-
The bin count threshold for using a tree rather than list for a
-
bin. Bins are converted to trees when adding an element to a
-
bin with at least this many nodes. The value must be greater
-
than 2, and should be at least 8 to mesh with assumptions in
-
tree removal about conversion back to plain bins upon
-
shrinkage.
-
链表转为红黑树的阈值,>= TREEIFY_THRESHOLD链表可能转为红黑树
*/
static final int TREEIFY_THRESHOLD = 8;
/**
-
The bin count threshold for untreeifying a (split) bin during a
-
resize operation. Should be less than TREEIFY_THRESHOLD, and at
-
most 6 to mesh with shrinkage detection under removal.
-
红黑树转为链表的阈值, <= UNTREEIFY_THRESHOLD 时红黑树转为链表,只作用于扩容阶段
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
-
容量在64以内,即使达到链表转红黑树的阈值也不转换,而是扩容
-
The smallest table capacity for which bins may be treeified.
-
(Otherwise the table is resized if too many nodes in a bin.)
-
The value should be at least 4 * TREEIFY_THRESHOLD to avoid
-
conflicts between resizing and treeification thresholds.
*/
static final int MIN_TREEIFY_CAPACITY = 64;
/**
-
Minimum number of rebinnings per transfer step. Ranges are
-
subdivided to allow multiple resizer threads. This value
-
serves as a lower bound to avoid resizers encountering
-
excessive memory contention. The value should be at least
-
DEFAULT_CAPACITY.
-
扩容时,给线程分配迁移数组元素任务时的最小步长
*/
private static final int MIN_TRANSFER_STRIDE = 16;
/**
-
The number of bits used for generation stamp in sizeCtl.
-
Must be at least 6 for 32bit arrays.
-
扩容时,在sizeCtl中用于生成戳记的数值
*/
private static int RESIZE_STAMP_BITS = 16;
/**
-
The maximum number of threads that can help resize.
-
Must fit in 32 - RESIZE_STAMP_BITS bits.
-
帮助扩容的最大线程数
*/
private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1;
/**
-
The bit shift for recording size stamp in sizeCtl.
-
在sizeCtl中用于生成记录扩容线程个数的戳记的移位数
*/
private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;
// MOVED=-1 代表数组正在扩容,forwarding nodes的hash=-1
// hash for forwarding nodes
static final int MOVED = -1;
// 用于标记 红黑树根节点的hash
static final int TREEBIN = -2; // hash for roots of trees
// 在computeIfAbsent and compute中用到可以先不用管
static final int RESERVED = -3; // hash for transient reservations
// 正常hash值的可用位,在spread中用于保证计算的hash值不超过HASH_BITS
// 2147483647
// 1111 1111 1111 1111 1111 1111 1111 111
static final int HASH_BITS = 0x7fffffff; // usable bits of normal node hash
2、基本属性
有些基本属性也需要预先了解下,后期读源码时才会更顺利一些:
-
table
,代表当前数组。 -
nextTable
,扩容后的新数组,只有在数组扩容时不为null。若get
操作时,在旧数组table
找不到节点,对应位置上又有转发节点时,会将get
操作转发到nextTable
。 -
transferIndex
,记录了扩容任务分配的进度。初始为n,逆序扩容,每次减一个步长的位置,最终减至<=0,表示整个扩容任务分配完了。 -
baseCount
,数组元素基础计数,在没有竞争的时候先cas修改baseCount
。 -
CounterCell[] counterCells
,当cas修改baseCount
失败后的线程会去修改对应counterCells
数组中一个计数格子。所以想获取数组内元素的总个数就是baseCount+counterCells数组内所有计数格记录值之和
。 -
cellsBusy
,简易自旋锁,用于counterCells
数组中保证多线程更新数组元素个数线程安全。
sizeCtl
的定义较为复杂,但是很重要,不同的值在数组不同状态中起着举足轻重的作用:
-
数组未初始化时,
sizeCtl
被赋值初始容量,以待初始化数组时使用。 -
数组正在初始化时,
sizeCtl=-1
,相当于一把锁,控制只有一个线程进去初始化数组操作。 -
数组初始化完成,
sizeCtl
被赋值扩容阈值,以待触发扩容机制时判断。 -
数组扩容时,
sizeCtl
被赋值一个非常小的负数,控制扩容线程数量的加减以及用来标识数组正在扩容的状态。
/* ---------------- Fields -------------- */
/**
-
The array of bins. Lazily initialized upon first insertion.
-
Size is always a power of two. Accessed directly by iterators.
-
当前数组
*/
transient volatile Node<K,V>[] table;
/**
-
扩容后的新数组,只有在数组扩容时不为null。
-
The next table to use; non-null only while resizing.
*/
private transient volatile Node<K,V>[] nextTable;
/**
-
Base counter value, used mainly when there is no contention,
-
but also as a fallback during table initialization
-
races. Updated via CAS.
-
数组元素基础计数
*/
private transient volatile long baseCount;
/**
-
Table initialization and resizing control. When negative, the
-
table is being initialized or resized: -1 for initialization,
-
else -(1 + the number of active resizing threads). Otherwise,
-
when table is null, holds the initial table size to use upon
-
creation, or 0 for default. After initialization, holds the
-
next element count value upon which to resize the table.
-
sizeCtl很重要,不同的值在数组不同状态中起着举足轻重的作用。
*/
private transient volatile int sizeCtl;
/**
-
transferIndex记录了扩容的进度。
-
The next table index (plus one) to split while resizing.
*/
private transient volatile int transferIndex;
/**
-
简易自旋锁,用于控制多线程统计数组元素的
-
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.
-
当cas修改baseCount失败后的线程会去修改对应counterCells数组中一个计数格子。
-
所以 想获取数组内元素的总个数就是baseCount+counterCells数组内所有计数格记录值之和。
*/
private transient volatile CounterCell[] counterCells;
java8中的构造器比java7简单很多,不需要初始化各种数据,也没有初始化数组,只是设置了一个初始容量,但是对如何设置一个合理的初始容量做了优化。
java7对传入的initialCapacity
除以segment
数组的长度,然后简单找到一个大于等于且离平均值最近的2的整数次的数作为内部HashEntry
数组的初始容量。而java8认为传入的initialCapacity
是使用者预估后面想要添加的元素个数(可能是短期会添加这么多元素),如果预估元素个数已经大于等于或者接近扩容阈值,这样就很容易触发扩容机制。所以java8对初始容量根据扩容阈值做了优化。
1、ConcurrentHashMap(int initialCapacity, float loadFactor, int concurrencyLevel)
先看这个从外部可以传入loadFactor
和concurrencyLevel
的构造器,这个构造器应该是为了兼容旧版本,因为java8已经没有了显式设置扩容因子的定义,扩容因子固定是3/4,也没有了concurrencyLevel
并发级别的概念。而这里传入的loadFactor
只在初始化时计算初始容量时有用,不会修改后期的扩容因子(3/4)。
initialCapacity
认为是使用者后面短期内想要添加的元素个数,该如何找到一个合适的初始容量避免不必要的扩容呢?
假设计算的初始化容量为size
,那扩容阈值就是size*loadFactor
,只要扩容阈值大于预估容量initialCapacity
就不会触发扩容,有如下不等式关系:
size * loadFactor > initialCapacity
,转换一下就是size > initialCapacity / loadFactor
。
假设不等式左边只比右边大1,那么只要右边加1就可以使得左右两边相等,即:size = (initialCapacity / loadFactor) +1
。这样得到size就是一个比较合理的初始容量,但是为了size是一个大于等于且离size最近的2的整数次方的数,还需要经过tableSizeFor
的处理。
public ConcurrentHashMap(int initialCapacity,
float loadFactor, int concurrencyLevel) {
if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0)
throw new IllegalArgumentException();
// concurrencyLevel的用处不大,为了兼容java7版本
if (initialCapacity < concurrencyLevel) // Use at least as many bins
initialCapacity = concurrencyLevel; // as estimated threads
// initialCapacity和loadFactor都是使用者外部传入,所以可对initialCapacity进行优化
long size = (long)(1.0 + (long)initialCapacity / loadFactor);
// 获取一个大于等于且离size最近的2的整数次方的数
int cap = (size >= (long)MAXIMUM_CAPACITY) ?
MAXIMUM_CAPACITY : tableSizeFor((int)size);
// 此时sizeCtl存的是初始容量
this.sizeCtl = cap;
}
2、ConcurrentHashMap(int initialCapacity)
只传一个参数initialCapacity
,这个构造器应该是平时较为常用的,还有一个无参构造器,默认初始容量是16。
优化的细节和上一个构造器差不多,扩容因子是固定的3/4,假设初始容量是size
,则一元一次方程:
size = initialCapacity * 4/3 + 1
,即size =(initialCapacity + initialCapacity * 1/3) +1
。
但是代码中为什么没有这么做呢?而是size = (initialCapacity+ initialCapacity*1/2) + 1
,这样阈值就是2/3,不是3/4了。
个人猜想:为了追求计算性能,1/3无法使用位运算,1/2可以用位运算>>>1,且1/2比1/3稍微大一些,计算出的size
不会与理想值偏差太大而浪费空闲资源。
public ConcurrentHashMap(int initialCapacity) {
if (initialCapacity < 0)
throw new IllegalArgumentException();
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
// 1.5倍的初始容量+1,再往上取最接近的2的整数次方
// 初始化时只是设置了初始值,并没有初始化数组,懒加载,put时在初始化数组
this.sizeCtl = cap;
}
3、tableSizeFor
有必要讲一下tableSizeFor
,这个函数的作用很简单,就是获取大于等于且离传入值最近的2的整数次的数。其运算过程是使一个数二进制最左边的1右边位全部转化为1,然后+1就可得一个2的整数次方的数。
/**
-
找到大于等于c的最近2的整数次的数
-
@param c
-
@return
*/
private static final int tableSizeFor(int c) {
// 为什么要减1呢?
int n = c - 1;
// 向右移1位,与旧值|,逻辑上可得到2个1
n |= n >>> 1;
// 向右移2位,与旧值|,逻辑上可得到4个1
n |= n >>> 2;
// 向右移4位,与旧值|,逻辑上可得到8个1
n |= n >>> 4;
// 向右移8位,与旧值|,逻辑上可得到16个1
n |= n >>> 8;
// 向右移16位,与旧值|,逻辑上可得到32个1
n |= n >>> 16;
// n+1 得到大于等于c的最近2的整数次的数
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
计算过程如图:
为何传入的c还要减1呢?
假设c=16 二进制:10000,c-1=15,二进制:1111经过一顿右移和旧值的|运算,得到的还是1111,+1还是16。
而c不-1,直接拿10000做运算,得到的是11111,+1是32,这就不太对了,明明传进去的就是一个2的整数次方的数,得到的确实2倍c。所以为了兼容这种情况 传进来的c都减1。
在阅读put、get等源码逻辑前,还必须了解以下几种节点的定义:
-
构成链表的普通节点
Node
。 -
构成红黑树的
TreeBin+TreeNode
。 -
转发节点
ForwardingNode
。
1、普通节点Node
和java7中HashEntry
定义差不多,是构成链表的基本元素。hash >= 0,后面代码中会根据hash>=0 判断为普通节点,即链表。
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
volatile V val;
volatile Node<K,V> next;
… …
/**
-
Virtualized support for map.get(); overridden in subclasses.
-
遍历链表 寻找哈希和key都相同的节点
*/
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;
}
}
2、TreeBin+TreeNode
构成红黑树的节点有两种,TreeBin
是根节点,也是一个空节点,不存任何key-value
,TreeNode
是真正存key-value
的节点。
(1)TreeBin 根节点
TreeBin
虽然不存任何元素,但是肩负管理红黑树的职责:向红黑树添加、删除节点,查找节点等。如何构成红黑树以及如何维护红黑树的特性,不是本篇的重点,后期会单独拎出来研究。
一个节点新增时首先会以头插法的方式串成一个链表,然后另外再维护一棵红黑树的形态。而依然维护链表的结构主要是为了当红黑树在做平衡算法时,依然可以用遍历链表的方式遍历节点。
TreeBin
内部简单维护了一把自旋读写锁,目的是在当新增和删除节点时,需要维护红黑树的结构特性,这个平衡算法的过程需要加锁。而新增节点以头插法的方式串成链表,所以修改不会影响遍历过程且next
指针被volatile
修饰,修改指针后会立即通知到所有线程获取最新值。
读写锁比较有意思,lockState
记录锁的状态,有三种标志位:
-
WRITER=1
,二进制低位第一位用来标识写线程持有锁的状态 (不可重入写锁)。 -
WAITER=2
,二进制低位第二位用来标识阻塞状态。 -
WAITER=4
,二进制低位第三位之后都是用来标识读线程持有锁的状态。读读不互斥,lockState+READER
代表一个读线程获取锁,lockState-READER
代表一个读线程释放锁。读锁释放时如果有线程正在等待阻塞(写线程),则唤醒。
还有一个点需要强调,TreeBin
作为一棵红黑树的根节点也就是头节点,同是数组中占位的节点,其hash值为TREEBIN=-2
,后面代码会根据hash< 0 && f instanceof TreeBin
判断是红黑树。
static final class TreeBin<K,V> extends Node<K,V> {
// 红黑树根节点
TreeNode<K,V> root;
// 红黑树按链表遍历的第一个节点
volatile TreeNode<K,V> first;
// 阻塞等待的线程
volatile Thread waiter;
// 锁的状态
volatile int lockState;
// values for lockState
// 二进制低位第一位用来标识写线程持有锁的状态 (不可重入锁)
static final int WRITER = 1; // set while holding write lock
// 二进制低位第二位用来标识阻塞状态
static final int WAITER = 2; // set when waiting for write lock
// 二进制低位第三位之后都是用来标识读线程持有锁的状态
static final int READER = 4; // increment value for setting read lock
/**
-
Creates bin with initial set of nodes headed by b.
-
hash=TREEBIN < 0 && f instanceof TreeBin 可判断是红黑树
*/
TreeBin(TreeNode<K,V> b) {
super(TREEBIN, null, null, null);
this.first = b;
… …
}
/**
- Acquires write lock for tree restructuring.
*/
private final void lockRoot() {
if (!U.compareAndSwapInt(this, LOCKSTATE, 0, WRITER))
// 获取写锁失败,则竞争加锁,可能会阻塞
contendedLock(); // offload to separate method
}
/**
- Releases write lock for tree restructuring.
*/
private final void unlockRoot() {
lockState = 0;
}
/**
- Possibly blocks awaiting root lock.
*/
private final void contendedLock() {
boolean waiting = false;
for (int s;😉 {
// ~WAITER = - (WAITER + 1) 11111111111111111111111111111101
if (((s = lockState) & ~WAITER) == 0) {
// 没有线程还有锁,lockState=0 or 2,则获取写锁
if (U.compareAndSwapInt(this, LOCKSTATE, s, WRITER)) {
if (waiting)
waiter = null;
return;
}
}
// != 0, s有可能=1 or 4,8,12… 即有线程持有写锁or读锁,则当前线程需要阻塞
else if ((s & WAITER) == 0) {
if (U.compareAndSwapInt(this, LOCKSTATE, s, s | WAITER)) {
waiting = true;
waiter = Thread.currentThread();
}
}
else if (waiting)
LockSupport.park(this);
}
}
/**
-
Returns matching node or null if none. Tries to search
-
using tree comparisons from root, but continues linear
-
search when lock not available.
*/
final Node<K,V> find(int h, Object k) {
if (k != null) {
for (Node<K,V> e = first; e != null; ) {
int s; K ek;
// 二进制的低位1位是标识写锁,2位标识阻塞
if (((s = lockState) & (WAITER|WRITER)) != 0) {
// 可能有线程持有写锁or阻塞,说明正在做平衡算法,不能使用红黑树来遍历节点
// 但是可以像普通链表一样遍历节点
if (e.hash == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
e = e.next;
}
// == 0 说明没有线程持有写锁和阻塞,则可获取读锁
// 读线程间是不互斥的,所以读线程累加READER
else if (U.compareAndSwapInt(this, LOCKSTATE, s,
s + READER)) {
TreeNode<K,V> r, p;
try {
// 遍历红黑树
p = ((r = root) == null ? null :
r.findTreeNode(h, k, null));
} finally {
Thread w;
// 释放读锁,-READER,释放锁的同时,若有线程在阻塞则唤醒他(一般就是写线程在等待)
// 这里会有不必要的唤醒,因为若不是最后一个读线程释放锁唤醒阻塞的写线程的话,
// 此时还有读线程持有锁,则写线程继续阻塞。
if (U.getAndAddInt(this, LOCKSTATE, -READER) ==
(READER|WAITER) && (w = waiter) != null)
LockSupport.unpark(w);
}
return p;
}
}
}
return null;
}
最后
关于面试刷题也是有方法可言的,建议最好是按照专题来进行,然后由基础到高级,由浅入深来,效果会更好。当然,这些内容我也全部整理在一份pdf文档内,分成了以下几大专题:
- Java基础部分
- 算法与编程
- 数据库部分
- 流行的框架与新技术(Spring+SpringCloud+SpringCloudAlibaba)
这份面试文档当然不止这些内容,实际上像JVM、设计模式、ZK、MQ、数据结构等其他部分的面试内容均有涉及,因为文章篇幅,就不全部在这里阐述了。
作为一名程序员,阶段性的学习是必不可少的,而且需要保持一定的持续性,这次在这个阶段内,我对一些重点的知识点进行了系统的复习,一方面巩固了自己的基础,另一方面也提升了自己的知识广度和深度。
de(h, k, null));
} finally {
Thread w;
// 释放读锁,-READER,释放锁的同时,若有线程在阻塞则唤醒他(一般就是写线程在等待)
// 这里会有不必要的唤醒,因为若不是最后一个读线程释放锁唤醒阻塞的写线程的话,
// 此时还有读线程持有锁,则写线程继续阻塞。
if (U.getAndAddInt(this, LOCKSTATE, -READER) ==
(READER|WAITER) && (w = waiter) != null)
LockSupport.unpark(w);
}
return p;
}
}
}
return null;
}
最后
关于面试刷题也是有方法可言的,建议最好是按照专题来进行,然后由基础到高级,由浅入深来,效果会更好。当然,这些内容我也全部整理在一份pdf文档内,分成了以下几大专题:
- Java基础部分
[外链图片转存中…(img-PgIuMFLr-1714282882470)]
- 算法与编程
[外链图片转存中…(img-jD4sdNkA-1714282882471)]
- 数据库部分
[外链图片转存中…(img-cw8ogDhT-1714282882471)]
- 流行的框架与新技术(Spring+SpringCloud+SpringCloudAlibaba)
[外链图片转存中…(img-GNpA6pre-1714282882471)]
这份面试文档当然不止这些内容,实际上像JVM、设计模式、ZK、MQ、数据结构等其他部分的面试内容均有涉及,因为文章篇幅,就不全部在这里阐述了。
作为一名程序员,阶段性的学习是必不可少的,而且需要保持一定的持续性,这次在这个阶段内,我对一些重点的知识点进行了系统的复习,一方面巩固了自己的基础,另一方面也提升了自己的知识广度和深度。