Java1.8+ JUC包的ConcurrentHashMap源码分析

1、什么是ConcurrentHashMap

concurrentHashMap是一个支持高并发更新与查询的哈希表(基于HashMap)。
在保证安全的前提下，进行检索不需要锁定。与hashtable不同，该类采用synchronization+CAS的的方式保证线程操作的安全，同时synchronization锁的颗粒度更小，hashtable是方法级而synchronization是对象级别。

2、put与putIfAbsent源码分析

为什么初始容量是2的整数次幂???

• 因为2n -1在二进制中每一位都是1，通过将 Key 的 hash 值与 tab.length-1 进行 & 运算，实现了当前 Key 的定位，可以减少冲突（碰撞）的次数，均匀的分布元素，提高 HashMap 查询效率；如果不是2n，例如：tab.length-1= 6，二进制110，第三位永远都是0，就是说数组中下标为3的位置总是空的。

2.1、put与putIfAbsent

static final int MOVED = -1; // 当前数据正在迁移
static final int TREEBIN = -2; // 树的散列
static final int RESERVED = -3; // 当前位置已预订

final V putVal(K key, V value, boolean onlyIfAbsent) {
    // key：主观就是不允许空
    // value：ConcurrentHashMap就是对应高并发场景，null无意义
    if (key == null || value == null) throw new NullPointerException();
    // 计算hash
    int hash = spread(key.hashCode());
    // 计数器
    int binCount = 0;
    // table值的地址赋值给tab，死循环 
    for (Node<K,V>[] tab = table;;) {
        // f：当前key对应数组中的数据；
        // n：数组的长度；
        // i：当前key对应数组中位置的下标；
        // fh：f 对应的hash值，也就是hash对象
        Node<K,V> f; int n, i, fh;
        // 判断tab是否是空的
        if (tab == null || (n = tab.length) == 0)
            // 初始化数组
            tab = initTable();
        else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
            // tabAt()：如果当前key对应数组中的值，getObjectVolatile保证可见性，绕过jvm操作内存
            // (n - 1) & hash：确定key的位置
            // 如果当前key对应数组中的值是空
            // 初始化node并以cas的方式赋值到tab中，成功返回true
            if (casTabAt(tab, i, null,
                            new Node<K,V>(hash, key, value, null)))
                break;                   // no lock when adding to empty bin
        }
        // 
        else if ((fh = f.hash) == MOVED)
            // 帮助扩容，与transfer方法相似或者可以先看transfer方法，在回头看次方法
            tab = helpTransfer(tab, f);
        else {
            V oldVal = null;
            // 同步锁，锁住当前key对应数组中的数据
            synchronized (f) {
                // 再次判断f是否与i元素中位置的数据相等，双检索避免并发操作数据发生变化
                if (tabAt(tab, i) == f) {
                    // 当前桶下是链表结构，或者是空
                    if (fh >= 0) {
                        binCount = 1;
                        // 死循环，e：当前key对应数组中的数据；
                        for (Node<K,V> e = f;; ++binCount) {
                            K ek;
                            // 当前数据的hash是否等于要插入数据位置的hash值
                            if (e.hash == hash &&
                                // 判断key是否相等，相等则不是新增而是修改操作
                                ((ek = e.key) == key ||
                                    (ek != null && key.equals(ek)))) {
                                // 覆盖原值
                                oldVal = e.val;
                                // 如果是onlyIfAbsent=false，就覆盖数据，put方法默认是false
                                // putIfAbsent为true，存在什么都不做，直接返回
                                if (!onlyIfAbsent)
                                    e.val = value;
                                break;
                            }
                            // 链表
                            Node<K,V> pred = e;
                            if ((e = e.next) == null) {
                                // 将hash冲突的值追加到链表尾部
                                pred.next = new Node<K,V>(hash, key,
                                                            value, null);
                                break;
                            }
                        }
                    }
                    // 红黑树结构
                    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;
                        }
                    }
                }
            }
            if (binCount != 0) {
                // 判断计时器是否大于8(链表默认最大长度阈值)，是否进行树化
                // 为什么是8泊松分布，统计学统计出的。。。
                if (binCount >= TREEIFY_THRESHOLD)
                    treeifyBin(tab, i);
                if (oldVal != null)
                    return oldVal;
                break;
            }
        }
    }
    addCount(1L, binCount);
    return null;
}

2.2、spread的hash计算（散列算法）

hash值一定是正数
负数有特殊含义：
static final int MOVED = -1; // 当前数据正在迁移
static final int TREEBIN = -2; // 树的散列
static final int RESERVED = -3; // 当前位置已预订

/**
 * 获取hash值（散列算法）
 */
static final int spread(int h) {
    // h >>> 16：当前值右移16位
    // h的高16位与低16位做异或运算（相同为0，不同为1）
    // & HASH_BITS：二进制为 0111 1111 1111 1111 1111 1111 1111 1111
    // int（因为第一位是符号位，0 表示他是正数）
    // 所以hash值一定是正数
    // &与运算：都为1时，结果才为1
    return (h ^ (h >>> 16)) & HASH_BITS;
}

2.3、initTable初始化数组

sizeCtl

• 0，代表数组未初始化，且数组的初始容量为16
• 正数，如果数组未初始化，记录数组的初始容量，如果已初始化，纪录的是数组的扩容阈值
• 负数：表示正在扩容或初始化中
  • -1：正在初始化
  • 不是-1表示数组正在扩容，-（1+n）表示有n个线程正在共同完成扩容操作（-2代表有一个现成正在扩容，-3代表有2个线程正在扩容，以此类推）

/**
 * 初始化数组
 */
private final Node<K,V>[] initTable() {
    // tab：当前table
    Node<K,V>[] tab; int sc;
    // 数组为空则进行初始化
    while ((tab = table) == null || tab.length == 0) {
        // sizeCtl实例初始化时为0
        if ((sc = sizeCtl) < 0)
            // 初始化或扩容中
            // 使当前线程由执行状态，变成为就绪状态，让出CPU，
            // 在下一个线程执行时候，此线程有可能被执行，也有可能没有被执行。
            // 短暂让一手目的，因为扩容和初始化时都是小于0，再次回来时提升性能
            Thread.yield(); // lost initialization race; just spin
        else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
            // 以CAS的方式将sizeCtl的值设置成-1，表示正在初始化
            try {
                // 双重判断，再次确认是否是未初始化，防止sizeCtl出现CAS的ABA问题
                if ((tab = table) == null || tab.length == 0) {
                    // n：设置成默认初始化大小16，如果sc大于0则代表初始化长度
                    int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
                    @SuppressWarnings("unchecked")
                    Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
                    // 初始化数组后赋值
                    table = tab = nt;
                    // 得到下次扩容的阈值，默认扩展因子是0.75这里是以右移的方式实现的
                    sc = n - (n >>> 2);
                }
            } finally {
                // 最终赋值给sizeCtl作为下次扩容的大小
                sizeCtl = sc;
            }
            break;
        }
    }
    return tab;
}

2.4 treeifyBin 尝试树化

/**
 * tab：table值的地址
 * index：当前数组元素下标
 */
private final void treeifyBin(Node<K,V>[] tab, int index) {
    Node<K,V> b; int n, sc;
    if (tab != null) {
        // 判断数组长度是否小于树化的最小数组长度阈值
        if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
            // 尝试扩容，小于64时数组的查询效率高于红黑树
            // n 左移1位，2倍扩容 尝试扩容
            tryPresize(n << 1);
        else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
            // b.hash >= 0：正常hash值无特殊意义
            // 数组下标对应的元素进行加锁
            synchronized (b) {
                if (tabAt(tab, index) == b) {
                    TreeNode<K,V> hd = null, tl = null;
                    // 开始转红黑树
                    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);
                        if ((p.prev = tl) == null)
                            hd = p;
                        else
                            tl.next = p;
                        tl = p;
                    }
                    setTabAt(tab, index, new TreeBin<K,V>(hd));
                }
            }
        }
    }
}

2.5、tryPresize 尝试扩容

/**
 * 扩容（2倍扩容）
 * size：数组大小
 */
private final void tryPresize(int size) {
    // 判断数组长度是否达到最大值
    int c = (size >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY :
        // 将传入值转成2的n次幂，最终2倍扩容
        tableSizeFor(size + (size >>> 1) + 1);
    // 数组扩容的阈值
    int sc;
    while ((sc = sizeCtl) >= 0) {
        Node<K,V>[] tab = table; int n;
        if (tab == null || (n = tab.length) == 0) {
            // 初始化数组
            n = (sc > c) ? sc : c;
            if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
                try {
                    if (table == tab) {
                        @SuppressWarnings("unchecked")
                        Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
                        table = nt;
                        sc = n - (n >>> 2);
                    }
                } finally {
                    sizeCtl = sc;
                }
            }
        }
        // 
        else if (c <= sc || n >= MAXIMUM_CAPACITY)
            break;
        else if (tab == table) {
            // 得到一个扩容戳（32位数值，高16位作为扩容标识，低16位作为扩容线程数）
            int rs = resizeStamp(n);
            if (sc < 0) {
                // 存在扩容，帮助扩容
                Node<K,V>[] nt;
                if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
                    sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
                    transferIndex <= 0)
                    break;
                if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
                    transfer(tab, nt);
            }
            // 无线程扩容，设置SIZECTL扩容标识
            else if (U.compareAndSwapInt(this, SIZECTL, sc,
                                            (rs << RESIZE_STAMP_SHIFT) + 2))
                transfer(tab, null);
        }
    }
}

2.6、addCount 扩容

baseCount + counterCells 计算size大小

/**
 * x：1L
 * check：计数器确定当前key的位置
 */
private final void addCount(long x, int check) {
    // CounterCell基于longAdder改编的类 volatile value保证可见性的计数器
    // 计数器
    CounterCell[] as; long b, s;
    if ((as = counterCells) != null ||
        // 修改baseCount失败后进入
        !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
        // m = as.length - 1
        // a：as的其中一个元素
        // a元素的value
        CounterCell a; long v; int m;
        // 修改CELLVALUE成功与否的结果
        boolean uncontended = true;
        if (as == null || (m = as.length - 1) < 0 ||
            // 线程探针哈希值与m与运算，定位数组值，如果是空进入fullAddCount
            (a = as[ThreadLocalRandom.getProbe() & m]) == null ||
            // cas修改a的value，如果产生竞争修改失败进入fullAddCount
            !(uncontended =
                U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
            // CounterCell的赋值、初始化、扩容
            fullAddCount(x, uncontended);
            return;
        }
        if (check <= 1)
            return;
        // 统计ConcurrentHashMap元素的个数
        s = sumCount();
    }
    if (check >= 0) {
        Node<K,V>[] tab, nt; int n, sc;
        // 数组长度大于tab数组扩容阈值
        while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
                (n = tab.length) < MAXIMUM_CAPACITY) {
            int rs = resizeStamp(n);
            if (sc < 0) {
                // 数组正在扩容中
                if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
                    sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
                    transferIndex <= 0)
                    break;
                if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
                    // 转移老的数组到新的数组中
                    transfer(tab, nt);
            }
            else if (U.compareAndSwapInt(this, SIZECTL, sc,
                                            // rs左移后变成一个负数，赋值给sc
                                            (rs << RESIZE_STAMP_SHIFT) + 2))
                // 转移老的数组到新的数组中
                transfer(tab, null);
            s = sumCount();
        }
    }
}

2.7、fullAddCount是对CounterCell的赋值、初始化、扩容

/**
 * CounterCell的赋值、初始化、扩容
 * x:1
 * wasUncontended:false
 */
private final void fullAddCount(long x, boolean wasUncontended) {
    // 当前线程探针哈希值
    int h;
    if ((h = ThreadLocalRandom.getProbe()) == 0) {
        // 初始化线程
        ThreadLocalRandom.localInit();      // force initialization
        // 获取线程探针哈希值
        h = ThreadLocalRandom.getProbe();
        // 设置wasUncontended true
        wasUncontended = true;
    }
    boolean collide = false;                // True if last slot nonempty
    for (;;) {
        // as：计数器(2的n次幂)
        // n：as的长度
        // a：as的其中一个元素
        CounterCell[] as; CounterCell a; int n; long v;
        if ((as = counterCells) != null && (n = as.length) > 0) {
            // 随机取一个计数器的值
            if ((a = as[(n - 1) & h]) == null) {
                // CounterCell[]数组无其他线程在使用
                if (cellsBusy == 0) {            // Try to attach new Cell
                    CounterCell r = new CounterCell(x); // Optimistic create
                    if (cellsBusy == 0 &&
                        // cas占用cellsBusy
                        U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
                        boolean created = false;
                        try {               // Recheck under lock
                            // counterCells被初始化过了，所以此处不为null
                            CounterCell[] rs; int m, j;
                            if ((rs = counterCells) != null &&
                                // counterCells的长度
                                (m = rs.length) > 0 &&
                                rs[j = (m - 1) & h] == null) {
                                rs[j] = r;
                                created = true;
                            }
                        } finally {
                            cellsBusy = 0;
                        }
                        if (created)
                            break;
                        continue;           // Slot is now non-empty
                    }
                }
                // cellsBusy未获取到cas锁，设置counterCells具备扩容的条件
                collide = false;
            }
            else if (!wasUncontended)       // CAS already known to fail
                wasUncontended = true;      // Continue after rehash
            else if (U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))
                // 修改数组中元素的value+1
                break;
            else if (counterCells != as || n >= NCPU)
                // 数组发生变化，或者counterCells的长度大于cpu核心数就不会扩容了
                collide = false;            // At max size or stale
            else if (!collide)
                // 产生竞争，下次扩容
                collide = true;
            else if (cellsBusy == 0 &&
                        U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
                try {
                    if (counterCells == as) {// Expand table unless stale
                        // 进行2倍扩容，扩容时不一定CounterCell[]全部元素都被使用了，可能存在从新定位到原来非空元素的位置
                        CounterCell[] rs = new CounterCell[n << 1];
                        for (int i = 0; i < n; ++i)
                            rs[i] = as[i];
                        counterCells = rs;
                    }
                } finally {
                    cellsBusy = 0;
                }
                collide = false;
                continue;                   // Retry with expanded table
            }
            // cas竞争失败更改线程探针哈希值
            h = ThreadLocalRandom.advanceProbe(h);
        }
        // cellsBusy=0表示CounterCell[]数组无其他线程在使用
        else if (cellsBusy == 0 && counterCells == as &&
                    // 标记使用
                    U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
            boolean init = false;
            try {                           // Initialize table
                if (counterCells == as) {
                    // 初始化CounterCell[]数组长度为2
                    CounterCell[] rs = new CounterCell[2];
                    // 占用一个元素
                    rs[h & 1] = new CounterCell(x);
                    counterCells = rs;
                    init = true;
                }
            } finally {
                // 从新设置0
                cellsBusy = 0;
            }
            if (init)
                // 跳出循环返回
                break;
        }
        // cellsBusy的cas竞争失败，baseCount值+1
        else if (U.compareAndSwapLong(this, BASECOUNT, v = baseCount, v + x))
            break;                          // Fall back on using base
    }
}

2.8、transfer 移动老数组到新的数组中完成扩容（拆分高低位）

为什么扩容时拆分高低位

/**
 * 移动老数组到新的数组中完成扩容
 */
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
    // n：扩容前数组长度
    // stride：计算转移的步长（一次转移几个元素到新的数组中），最小值是16，每个线程步长都是相等的
    int n = tab.length, stride;
    // stride：如果cpu核心数大于1 n右移3位除cpu核心数，否则是n
    if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
        stride = MIN_TRANSFER_STRIDE; // subdivide range
    if (nextTab == null) {            // initiating
        try {
            // 双倍扩容
            @SuppressWarnings("unchecked")
            Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];
            // 扩容后的值赋值给nextTab
            nextTab = nt;
        } catch (Throwable ex) {      // try to cope with OOME
            sizeCtl = Integer.MAX_VALUE;
            return;
        }
        // nextTable调整数组大小时非空
        nextTable = nextTab;
        // 扩容前数组长度
        transferIndex = n;
    }
    // 扩容后的数组长度
    int nextn = nextTab.length;
    // 初始化ForwardingNode，构建一个node对象并且hash值设置-1，数据正在迁移
    ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
    // 如果当前步长转移完后，是否需要继续处理前一个步长的数据（从后向前处理）
    boolean advance = true;
    // true表示当前线程的转移任务已经做完了，其他线程的转移任务是否做完未知
    boolean finishing = false; // to ensure sweep before committing nextTab
    // 死循环
    // bound 剩余转移的长度（例如，步长是3，i是转移的位置，bound就是剩余转移的边界值）
    // 扩容前的长度 - 1
    for (int i = 0, bound = 0;;) {
        // 下标i的元素，i下标元素的hash值
        Node<K,V> f; int fh;
        while (advance) {
            // nextIndex：扩容前数组长度
            // nextBound剩余转移的长度
            int nextIndex, nextBound;
            // 因为转移是从后向前转移，所以i下标是从大到小的，bound标记这个步长转移结束的位置
            if (--i >= bound || finishing)
                // 符合进来赋值false
                advance = false;
            else if ((nextIndex = transferIndex) <= 0) {
                // 扩容前数组长度小于等于0
                i = -1;
                advance = false;
            }
            // 防止并发情况下多个线程同时转移同一个位置，实际就是计算线程转移的区域
            else if (U.compareAndSwapInt
                        // nextIndex 修改为剩余未转移的长度
                        (this, TRANSFERINDEX, nextIndex,
                        // 扩容前数组长度与步长对比，nextBound剩余转移的长度
                        nextBound = (nextIndex > stride ?
                                    nextIndex - stride : 0))) {
                bound = nextBound;
                // 扩容前的长度 - 1
                i = nextIndex - 1;
                advance = false;
            }
        }
        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
            }
        }
        // 获取tab中i位置元素
        else if ((f = tabAt(tab, i)) == null)
            // 将fwd赋值给i作为标记迁移中
            advance = casTabAt(tab, i, null, fwd);
        else if ((fh = f.hash) == MOVED)
            // 如果正在转移中，则标记为继续向前处理
            advance = true; // already processed
        else {
            // 当前位置非空，f加同步锁防止修改
            synchronized (f) {
                // 再次判断当前位置元素是否被修改
                if (tabAt(tab, i) == f) {
                    // f的反序链表
                    Node<K,V> ln, hn;
                    // fh >= 0正常元素
                    if (fh >= 0) {
                        // 因为n是2的幂次方数，所以runbit只有两种结果:0和n
                        int runBit = fh & n;
                        // lastRun表示最后一个使fh & n发生变化的节点
                        Node<K,V> lastRun = f;
                        // 遍历链表
                        for (Node<K,V> p = f.next; p != null; p = p.next) {
                            // 0或n，0说明扩容前后原来的hash不会改变，n时扩容后hash值可能发生改变所以添加到新的数组下标下
                            // 例如n=16，  10000，扩容前n-1:1111，扩容后n-1：11111
                            // 扩容前hash:  0010           0010            0010     扩容前后值都是2，没改变
                            // 扩容前hash: 10010          10010           10010     扩容前是2，扩容后是18发生改变
                            // 如果扩容前为0的前提是右数第5位一定是0
                            int b = p.hash & n;
                            // 不是链表头部元素
                            if (b != runBit) {
                                runBit = b;
                                lastRun = p;
                            }
                        }
                        //如果高X位为0，此时runBit=0   
                        //如果高X位为1，此时runBit=n
                        if (runBit == 0) {
                            // 如果最后更新的 runBit 是 0 ，设置低位节点
                            ln = lastRun;
                            hn = null;
                        }
                        else {
                            // 如果最后更新的 runBit 是 n， 设置高位节点
                            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;
                            // 形成反序链表，扩容后ph & n发生变化，所以才分成2个链表，提升性能
                            if ((ph & n) == 0)
                                ln = new Node<K,V>(ph, pk, pv, ln);
                            else
                                hn = new Node<K,V>(ph, pk, pv, hn);
                        }
                        // 将ln链表赋值在新tab的i位置
                        setTabAt(nextTab, i, ln);
                        // 将hn链表赋值在新tab的i+n位置
                        setTabAt(nextTab, i + n, hn);
                        // 将fwd赋值给i作为标记迁移中，不能继续在当前元素上新增数据
                        setTabAt(tab, i, fwd);
                        // 标记为继续向前处理
                        advance = true;
                    }
                    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;
                            }
                        }
                        // 如果拆分后的树的节点数量已经少于6个就需要重新转化为链表
                        ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) :
                            (hc != 0) ? new TreeBin<K,V>(lo) : t;
                        //如果拆分后的树的节点数量已经少于6个就需要重新转化为链表
                        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;
                    }
                }
            }
        }
    }
}

3、get获取key的值

• 为什么get方法不需要加锁，可以保证线程安全的？
  因为 Node 的元素 val 和指针 next 是用 volatile修饰保证可见性和有效性，在多线程环境下写的时候也是synchronized或cas方式保证线程安全的

/**
 * 获取key的值
 */
public V get(Object key) {
    Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
    // 计算hash
    int h = spread(key.hashCode());
    // 判断数组是否存在，hash散列是否存在
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (e = tabAt(tab, (n - 1) & h)) != null) {
        // 判断hash是否相同
        if ((eh = e.hash) == h) {
            // 判断key是否相同
            if ((ek = e.key) == key || (ek != null && key.equals(ek)))
                return e.val;
        }
        // hash值小于0代表特殊意义
        // 当前数据正在迁移 -1; 
        // 树的散列 -2;
        // 当前位置已预订 -3;
        else if (eh < 0)
            return (p = e.find(h, key)) != null ? p.val : null;
        // eh >=0 说明该节点是一个链表节点，直接遍历链表即可。
        while ((e = e.next) != null) {
            if (e.hash == h &&
                ((ek = e.key) == key || (ek != null && key.equals(ek))))
                return e.val;
        }
    }
    return null;
}

/*
 * 查询数据
 * h：key的hash值
 * key：键值
 */
Node<K,V> find(int h, Object k) {
    // node节点元素
    Node<K,V> e = this;
    if (k != null) {
        do {
            // 遍历元素的key
            K ek;
            if (e.hash == h &&
                // 相等返回
                ((ek = e.key) == k || (ek != null && k.equals(ek))))
                return e;
        } while ((e = e.next) != null);
    }
    return null;
}

4、ConcurrentHashMap和Hashtable

虽然 ConcurrentHashMap 的整体性能要优于 Hashtable，但在某些场景中，ConcurrentHashMap 依然不能代替 Hashtable。例如，在强一致的场景中ConcurrentHashMap 就不适用，原因是 ConcurrentHashMap 中的 get、size 等方法没有用到锁，ConcurrentHashMap 是弱一致性的，因此有可能会导致某次读无法马上获取到写入的数据。

ConcurrentHashMap在数据量比较大的时候，链表会转换为红黑树。红黑树在并发情况下，删除和插入过程中有个平衡的过程，会牵涉到大量节点，因此竞争锁资源的代价相对比较高。而跳跃表的操作针对局部，需要锁住的节点少，因此在并发场景下的性能会更好一些。

在非线程安全的 Map 容器中，基于红黑树实现的 TreeMap 在单线程中的性能表现得并不比跳跃表差。而跳跃表的操作针对局部，需要锁住的节点少，因此在并发场景下的性能会更好一些。在非线程安全的 Map 容器中，用 TreeMap 容器来存取大数据；在线程安全的 Map 容器中，用SkipListMap 容器来存取大数据。

如果对数据有强一致要求，则需使用 Hashtable；在大部分场景通常都是弱一致性的情况下，使用 ConcurrentHashMap 即可；如果数据量在千万级别，且存在大量增删改操作，则可以考虑使用 ConcurrentSkipListMap。

下一篇《ConcurrentSkipListMap》

5、并发容器选择