ConcurrentHashMap详解

ConcurrentHashMap是线程安全且高效的HashMap。

一、为什么要使用ConcurrentHashMap
在并发编程中使用HashMap可能导致程序死循环。而使用线程安全的HashTable效率又非常低下， 基于以上两个原因， 便有了ConcurrentHashMap。
1、 HashMap
在多线程环境下， 使用HashMap进行put操作会引起死循环， 导致CPU利用率接近100%， 所以在并发情况下不能使用HashMap。 当执行以下代码时就会引起死循环：

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. j oin() ;

HashMap在并 发执行 put操作时会引起死循环， 是因为多线程会导致HashMap的Entry链表形成环形数据结构， 一旦形成环形数据结构， Entry的next节点永远不为空， 就会产生死循环获取Entry。
2、HashTable
HashTable容器使用synchronized来保证线程安全， 但在线程竞争激烈的情况下HashTable的效率非常低下。 因为当一个线程访问HashTable的同步方法， 其他线程也访问HashTable的同步方法时， 会进入阻塞或轮询状态。 如线程1使用put进行元素添加， 线程2不但不能使用put方法添加元素， 也不能使用get方法来获取元素， 所以竞争越激烈效率越低。
3、ConcurrentHashMap
HashTable容器在竞争激烈的并发环境下表现出效率低下的原因是所有访问HashTable的线程都必须竞争同一把锁， 假如容器里有多把锁， 每一把锁用于锁容器其中一部分数据， 那么当多线程访问容器里不同数据段的数据时， 线程间就不会存在锁竞争， 从而可以有效提高并发访问效率， 这就是ConcurrentHashMap所使用的锁分段技术。 首先将数据分成一段一段地存储， 然后给每一段数据配一把锁， 当一个线程占用锁访问其中一个段数据的时候， 其他段的数据也能被其他线程访问。

二、ConcurrentHashMap的结构

ConcurrentHashMap是由 Segment数组结构和HashEntry数组结构组成。 Segment是一种可重入锁（ReentrantLock） ， 在ConcurrentHashMap里扮演锁的角色； HashEntry则用于存储键值对数据。 一个ConcurrentHashMap里包含一个Segment数组。 Segment的结构和HashMap类似， 是一种数组和链表结构。 一个Segment里包含一个HashEntry数组， 每个HashEntry是一个链表结构的元素， 每个Segment守护着一个HashEntry数组里的元素， 当对HashEntry数组的数据进行修改时，必须首先获得与它对应的Segment锁。ConcurrentHashMap的结构如下图所示：

三、ConcurrentHashMap的初始化

ConcurrentHashMap初始化方法是通过initialCapacity、 loadFactor和concurrencyLevel等几个参数来初始化segment数组、 段偏移量segmentShift、 段掩码segmentMask和每个segment里的HashEntry数组来实现的。
1、初始化segments数组

if (concurrencyLevel > MAX_SEGMENTS)
		concurrencyLevel = MAX_SEGMENTS;
		int sshift = 0;
		int ssize = 1;
		while (ssize < concurrencyLevel) {
			++sshift;
			ssize <<= 1;
		} s
		egmentShift = 32 - sshift;
		segmentMask = ssize - 1;
		this. segments = Segment. newArray(ssize) ;

由上面的代码可知， segments数组的长度ssize是通过concurrencyLevel计算得出的。 为了能通过按位与的散列算法来定位segments数组的索引， 必须保证segments数组的长度是2的N次方（power-of-two size） ， 所以必须计算出一个大于或等于concurrencyLevel的最小的2的N次方值来作为segments数组的长度。 假如concurrencyLevel等于14、 15或16， ssize都会等于16， 即容器里锁的个数也是16。

2、初始化segmentShift和segmentMask
这两个全局变量需要在定位segment时的散列算法里使用， sshift等于ssize从1向左移位的次数， 在默认情况下concurrencyLevel等于16， 1需要向左移位移动4次， 所以sshift等于4。segmentShift用于定位参与散列运算的位数，segmentShift等于32减sshift， 所以等于28， 这里之所以用32是因为ConcurrentHashMap里的hash()方法输出的最大数是32位的， 后面的测试中我们可以看到这点。 segmentMask是散列运算的掩码， 等于ssize减1， 即15， 掩码的二进制各个位的值都是1。 因为ssize的最大长度是65536， 所以segmentShift最大值是16， segmentMask最大值是65535， 对应的二进制是16位， 每个位都是1。
3、初始化每个segment
输入参数initialCapacity是ConcurrentHashMap的初始化容量， loadfactor是每个segment的负载因子， 在构造方法里需要通过这两个参数来初始化数组中的每个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) ;

上面代码中的变量cap就是segment里HashEntry数组的长度， 它等于initialCapacity除以ssize的倍数c， 如果c大于1， 就会取大于等于c的2的N次方值， 所以cap不是1， 就是2的N次方。segment的容量threshold＝（int） cap*loadFactor， 默认情况下initialCapacity等于16， loadfactor等于0.75， 通过运算cap等于1， threshold等于零。
4、定位Segment
既然ConcurrentHashMap使用分段锁Segment来保护不同段的数据， 那么在插入和获取元素的时候， 必须先通过散列算法定位到Segment。之所以进行再散列， 目 的是减少散列冲突， 使元素能够均匀地分布在不同的Segment上，从而提高容器的存取效率。 假如散列的质量差到极点， 那么所有的元素都在一个Segment中，不仅存取元素缓慢， 分段锁也会失去意义。

ConcurrentHashMap通过以下散列算法定位segment：

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

默认情况下segmentShift为28， segmentMask为15， 再散列后的数最大是32位二进制数据，向右无符号移动28位， 意思是让高4位参与到散列运算中， （hash>>>segmentShift）&segmentMask的运算结果分别是4、 15、 7和8， 可以看到散列值没有发生冲突。
四、ConcurrentHashMap的操作

1、get操作
Segment的get操作实现非常简单和高效。 先经过一次再散列， 然后使用这个散列值通过散列运算定位到Segment， 再通过散列算法定位到元素， 代码如下：

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

get操作的高效之处在于整个get过程不需要加锁， 除非读到的值是空才会加锁重读。它的get方法里将要使用的共享变量都定义成volatile类型， 如用于统计当前Segement大小的count字段和用于存储值的HashEntry的value。 定义成volatile的变量， 能够在线程之间保持可见性， 能够被多线程同时读， 并且保证不会读到过期的值， 但是只能被单线程写（有一种情况可以被多线程写， 就是写入的值不依赖于原值），在get操作里只需要读不需要写共享变量count和value， 所以可以不用加锁。 之所以不会读到过期的值， 是因为根据Java内存模型的happen before原则， 对volatile字段的写入操作先于读操作， 即使两个线程同时修改和获取volatile变量， get操作也能拿到最新的值， 这是用volatile替换锁的经典应用场景。

transient volatile int count;
volatile V value;

在定位元素的代码里我们可以发现， 定位HashEntry和定位Segment的散列算法虽然一样，都与数组的长度减去1相“与”， 但是相“与”的值不一样， 定位Segment使用的是元素的hashcode通过再散列后得到的值的高位， 而定位HashEntry直接使用的是再散列后的值。 其目的是避免两次散列后的值一样， 虽然元素在Segment里散列开了， 但是却没有在HashEntry里散列开。

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

2、put操作
由于put方法里需要对共享变量进行写入操作， 所以为了线程安全， 在操作共享变量时必须加锁。 put方法首先定位到Segment， 然后在Segment里进行插入操作。 插入操作需要经历两个步骤， 第一步判断是否需要对Segment里的HashEntry数组进行扩容， 第二步定位添加元素的位置， 然后将其放在HashEntry数组里。
（1） 是否需要扩容
在插入元素前会先判断Segment里的HashEntry数组是否超过容量（threshold） ， 如果超过阈值， 则对数组进行扩容。 值得一提的是， Segment的扩容判断比HashMap更恰当， 因为HashMap是在插入元素后判断元素是否已经到达容量的， 如果到达了就进行扩容， 但是很有可能扩容之后没有新元素插入， 这时HashMap就进行了一次无效的扩容。
（2） 如何扩容
在扩容的时候， 首先会创建一个容量是原来容量两倍的数组， 然后将原数组里的元素进行再散列后插入到新的数组里。 为了高效， ConcurrentHashMap不会对整个容器进行扩容， 而只对某个segment进行扩容。
3、size操作
如果要统计整个ConcurrentHashMap里元素的大小， 就必须统计所有Segment里元素的大小后求和。 Segment里的全局变量count是一个volatile变量， 在多线程场景下， 直接把所有Segment的count相加是不可以得到整个ConcurrentHashMap的大小的， 虽然相加时可以获取每个Segment的count的最新值， 但是可能累加前使用的count发生了变化， 那么统计结果就不准了。所以， 最安全的做法是在统计size的时候把所有Segment的put、 remove和clean方法全部锁住， 但是这种做法显然非常低效。因为在累加count操作过程中， 之前累加过的count发生变化的几率非常小， 所以ConcurrentHashMap的做法是先尝试2次通过不锁住Segment的方式来统计各个Segment大小， 如果统计的过程中， 容器的count发生了变化， 则再采用加锁的方式来统计所有Segment的大小。ConcurrentHashMap使用modCount变量来 判断在统计的时候容器是否发生了变化， 在put、 remove和clean方法里操作元素前都会将变量modCount进行加1， 那么在统计size前后比较modCount是否发生变化， 从而得知容器的大小是否发生变化。