Java Map详解-从HashMap到concurrentHashMap

1. HashMap

源码注释中有这么一句话：

In usages with well-distributed user hashCodes, tree bins are rarely used.

意思是说只要hash算法做得好，hash冲突少，红黑树基本用不上

属性值一览

public class HashMap<K,V> extends AbstractMap<K,V>
    implements Map<K,V>, Cloneable, Serializable {
    // 默认的初始容量：16
    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; 
    // 最大容量 2^30
    static final int MAXIMUM_CAPACITY = 1 << 30;
    // 负载因子
    // 作用是：假设现在初始容量为16，当往里put元素大于 16*0.75=12个时，hashmap就会进行扩容操作，容量变为之前的一倍，
    // 而且之前put进去的值会进行rehash重新放到新的位置
    // 负载因子太小了浪费空间并且会发生更多次数的resize，太大了哈希冲突增加会导致性能不好，所以0.75只是一个折中的选择
    static final float DEFAULT_LOAD_FACTOR = 0.75f;
     /* 
     *  如果数组中某一个链表 >= 8 需要转化为红黑树
     */
    static final int TREEIFY_THRESHOLD = 8;
    /*
     * 如果数组中某一个链表转化为红黑树后的节点 < 6 的时候 继续转为 链表
     */
    static final int UNTREEIFY_THRESHOLD = 6;
    /*
     * 如果当链表元素 >= 8 并且数组 > 64 的时候转化红黑树
     */
    static final int MIN_TREEIFY_CAPACITY = 64;
    /**
     *   其实Node为Map.Entry的接口实现类。
     *   （Entry 为 Map 接口中的一个内部接口）
     */
	transient Node<K,V>[] table;
   	// 记录键值对的个数
    transient int size;
    /**
     *  记录集合中元素修改的次数
     */
    transient int modCount;
    /*
     * threshold = 负载因子 * 数组长度
     */
    int threshold;
}

内部类一览

// 链表形式的时候挂在某个位置的一个节点或者一串节点
static class Node<K,V> implements Map.Entry<K,V> {
    final int hash;
    final K key;
    V value;
    // 下节点指针
    Node<K,V> next;

    Node(int hash, K key, V value, Node<K,V> next) {
        this.hash = hash;
        this.key = key;
        this.value = value;
        this.next = next;
    }
}

// 当某一串的数量 >= 8, 而且当前map的总数量 > 64  的时候，这一串东西要转成红黑树
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
    TreeNode<K,V> parent;  // red-black tree links
    TreeNode<K,V> left;
    TreeNode<K,V> right;
    TreeNode<K,V> prev;    // needed to unlink next upon deletion
    boolean red;
    TreeNode(int hash, K key, V val, Node<K,V> next) {
        super(hash, key, val, next);
    }

    /**
    * Returns root of tree containing this node.
    */
    final TreeNode<K,V> root() {
        for (TreeNode<K,V> r = this, p;;) {
            if ((p = r.parent) == null)
                return r;
            r = p;
        }
    }
}

常用方法

put()

// put方法调用此方法往map中设置值
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
    	// table 为 null 新建一个table
        if ((tab = table) == null || (n = tab.length) == 0)
           // 调用 resize() 创建一个默认容量【16】的map
            n = (tab = resize()).length;
    	//用hash值和数组长度计算数值下标
        if ((p = tab[i = (n - 1) & hash]) == null)
            //如果这个下标不存在元素则直接存储
            tab[i] = newNode(hash, key, value, null);
        else {
            // 下标已经存在元素，进入else
            Node<K,V> e; K k;
            // 存在冲突
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                // 能进到这个循环就是说：不只是hash冲突问题，而是key都一模一样，所以后续要进行新值替换旧值得操作
                e = p;
            //如果和桶里第一个Node的key不相同,则判断当前节点是不是TreeNode(红黑树),如果是,则进 
            //行红黑树的插入
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            // 若是链表存储
            else {
                // 循环链表 
                for (int binCount = 0; ; ++binCount) {
                    // 直到链表尾部还未有重复 key
                    if ((e = p.next) == null) {
                        // 新建节点存储，把数据插入链表的最后边
                        p.next = newNode(hash, key, value, null);
                        // 若链表长度已经够了要进行红黑树转换的阈值，就转换成红黑树
                        if (binCount >= TREEIFY_THRESHOLD - 1) 
                            treeifyBin(tab, hash);
                        break;
                    }
                    // 若发现相同 key 则结束循环
                    // 能进到这个循环就是说：不只是hash冲突问题，而是key都一模一样，所以后续要进行新值替换旧值得操作
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            // 有重复的 key ， 则新值 替换 旧值
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
    	// size在加完之后是否大于扩容阈值，是则需要进行扩容
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
  }

get()

final Node<K,V> getNode(int hash, Object key) {
        Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
      	// tab 不为 null 同时 table 长度 > 0 同时数组对应下对应下标内容不为 null
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (first = tab[(n - 1) & hash]) != null) {
            // 如果数组对应下标的第一个节点 key 和 查找的 key相同
            if (first.hash == hash && // always check first node
                ((k = first.key) == key || (key != null && key.equals(k))))
                // 返回第一个节点
                return first;
            // 不同， 同时还有其他节点
            if ((e = first.next) != null) {
                // 采用红黑树存储,查找树
                if (first instanceof TreeNode)               
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);              
                do {
                    // 链表形式， 遍历所有节点。
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
      	// 没有则返回 null
        return null;
    }

resize()

final Node<K,V>[] resize() {
    Node<K,V>[] oldTab = table;
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    int oldThr = threshold;
    int newCap, newThr = 0;
    //  已有table 长度是否 > 0
    if (oldCap > 0) {
        // table容量已经达到上限时拒绝扩容，原封不动的返回
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        // 没有超过最大空间，则容量扩大两倍，threshold也扩大两倍
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                 oldCap >= DEFAULT_INITIAL_CAPACITY)
            newThr = oldThr << 1; 
    }
    else if (oldThr > 0) // initial capacity was placed in threshold
        newCap = oldThr;
    else {     
        // 对map初始化时走入此分支
        newCap = DEFAULT_INITIAL_CAPACITY;
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }
    if (newThr == 0) {
        float ft = (float)newCap * loadFactor;
        newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                  (int)ft : Integer.MAX_VALUE);
    }
    // 获取新的阈值
    threshold = newThr;
    // 基于新的容量 创建新的 Node 数组 和 哈希表
    @SuppressWarnings({"rawtypes","unchecked"})
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;
    if (oldTab != null) {
        // 遍历原有 table 重新计算每一个元素的位置
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            // 对应的下标元素不为null
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                // 该数组下只有一个元素
                if (e.next == null)
                    // 存储在新的数组上
                    newTab[e.hash & (newCap - 1)] = e;
                // 红黑树存储 
                else if (e instanceof TreeNode)
                    // 将红黑树分离
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { 
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    // 获取链表的最后一个节点
                    do {
                        next = e.next;
                        if ((e.hash & oldCap) == 0) {
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e;
                            loTail = e;
                        }
                        else {
                            if (hiTail == null)
                                hiHead = e;
                            else
                                hiTail.next = e;
                            hiTail = e;
                        }
                    } while ((e = next) != null);
                    if (loTail != null) {
                        loTail.next = null;
                        newTab[j] = loHead;
                    }
                    if (hiTail != null) {
                        hiTail.next = null;
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}

遍历过程

遍历过程是无序的

abstract class HashIterator {
    Node<K,V> next;        // next entry to return
    Node<K,V> current;     // current entry
    int expectedModCount;  // for fast-fail
    // 当前的槽位
    int index;             // current slot
}

final Node<K,V> nextNode() {
    Node<K,V>[] t;
    Node<K,V> e = next;
    // 其他线程并发修改抛出 ConcurrentModificationException 略
    
    // 当前槽位来到了最后一个节点，而且当前的槽位不是最后一个槽位的时候
    // 去下一个槽位 （index++） 
    // 如果当前槽位有值，就从这个槽位继续开始往下遍历链表或者红黑树
    // 如果没有值，继续下一个槽
    if ((next = (current = e).next) == null && (t = table) != null) {
        do {} while (index < t.length && (next = t[index++]) == null);
    }
    return e;
}

二项分布

例题：

O型血在人群中的概率是35%，4个人中有2个人是O型血的概率是多少？

解答：

设A为O型， B为非O型（要么是要么就不是）

4人中 组合为 AABB的概率：

35% * 35% * （ 1- 35%）* （ 1- 35%）

AABB的全排列个数为:
$$C_4^2$$

所以两人为O的概率为：
$$C_4^2\times 0.35^2\times (1-0.35{)}^2$$

二项分布就是重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率p在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布服从0-1分布。

二项分布概率的计算公式：
P { X = k } = ( C k n ) p k ( 1 − p ) n − k P \lbrace X=k \rbrace = (C_{k}^n)p^k(1-p)^{n-k} P{X=k}=(Ckn​)pk(1−p)n−k
期望计算：
$$E(X)=np$$

泊松分布

当二项分布的n很大而p很小时，泊松分布可作为二项分布的近似，其中λ为np。通常当n≧20,p≦0.05时，就可以用泊松公式近似得计算。

HashMap负载因子与泊松分布并没有什么关系。负载因子是影响哈希的散列情况、查找效率和resize的频率。

负载因子太小了浪费空间并且会发生更多次数的resize，太大了哈希冲突增加会导致性能不好，所以0.75只是一个试验后的折中的选择。

当二项分布中的 N 趋向于无穷大的时候，就可理解成hashMap中的元素趋近于无穷大的时候，每个元素仍然有两种可能性：被访问或者不被访问。

假设每个元素被访问的概率为0.0001，当前元素个数为100000个，当使用二项分布计算时此计算有些复杂，此时我们就可以用泊松分布公式来计算这个元素被访问的概率。

2. TreeMap

常用方法

put()

public V put(K key, V value) {
    // 第一次put， root为空，创建一个新树
    Entry<K,V> t = root;
    if (t == null) {
        compare(key, key); // type (and possibly null) check
		// 创建新的节点
        root = new Entry<>(key, value, null);
        size = 1;
        modCount++;
        return null;
    }
    // 再往里put的时候
    int cmp;
    Entry<K,V> parent;
    Comparator<? super K> cpr = comparator;
    if (cpr != null) {
        do {
            parent = t;
            // 像是二叉搜索树那样插入新节点
            cmp = cpr.compare(key, t.key);
            if (cmp < 0)
                t = t.left;
            else if (cmp > 0)
                t = t.right;
            else
                return t.setValue(value);
        } while (t != null);
    }
    else {
        if (key == null)
            throw new NullPointerException();
        @SuppressWarnings("unchecked")
        Comparable<? super K> k = (Comparable<? super K>) key;
        do {
            // 像是二叉搜索树那样插入新节点
            // 上边那个逻辑用了比较器，如果比较器为空
            // 在此逻辑中直接用 compareTo 比较
            parent = t;
            cmp = k.compareTo(t.key);
            if (cmp < 0)
                t = t.left;
            else if (cmp > 0)
                t = t.right;
            else
                return t.setValue(value);
        } while (t != null);
    }
    Entry<K,V> e = new Entry<>(key, value, parent);
    if (cmp < 0)
        parent.left = e;
    else
        parent.right = e;
    // 调整红黑树
    fixAfterInsertion(e);
    size++;
    modCount++;
    return null;
}

插入删除操作都需要维护整棵树的平衡，get()，remove()，都是O(logN)的时间复杂度

3. LinkedHashMap

LinkedHashMap是继承于HashMap，是基于HashMap和双向链表来实现的。

HashMap无序；

LinkedHashMap有序。

public LinkedHashMap(int initialCapacity,
                     float loadFactor,
                     // 这个boolean变量设置为true的话
                     // put和get操作已存在的Entry时，都会把Entry移动到双向链表的表尾。
                     // 而且会导致modCount++
                     boolean accessOrder) {
    super(initialCapacity, loadFactor);
    this.accessOrder = accessOrder;
}

如果是访问顺序，那put和get操作已存在的Entry时，都会把Entry移动到双向链表的表尾。

多线程程序的时候accessOrder = true慎重慎重慎重！！！

类属性一览

public class LinkedHashMap<K,V> extends HashMap<K,V> implements Map<K,V>{
    /**
     * The head (eldest) of the doubly linked list.
     */
    transient LinkedHashMap.Entry<K,V> head;

    /**
     * The tail (youngest) of the doubly linked list.
     */
    transient LinkedHashMap.Entry<K,V> tail;

	// 内部类，before指向前一个，after
    static class Entry<K,V> extends HashMap.Node<K,V> {
        Entry<K,V> before, after;
        Entry(int hash, K key, V value, Node<K,V> next) {
            super(hash, key, value, next);
        }
    }
}

如何保证有序

当LinkedHashMap调用put方法的时候，会调用父类的HashMap的put

// hashMap中的方法，
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    if ((p = tab[i = (n - 1) & hash]) == null)
        // LinkedHashMap 重写此方法，使得在插入元素的时候，维护一个链表，记录插入顺序
        tab[i] = newNode(hash, key, value, null);
    // ...
}

// LinkedHashMap 重写的方法
Node<K,V> newNode(int hash, K key, V value, Node<K,V> e) {
    LinkedHashMap.Entry<K,V> p =
        new LinkedHashMap.Entry<>(hash, key, value, e);
    // 就在此处进行链表的维护
    linkNodeLast(p);
    return p;
}

private void linkNodeLast(LinkedHashMap.Entry<K,V> p) {
    LinkedHashMap.Entry<K,V> last = tail;
    tail = p;
    if (last == null)
        head = p;
    else {
        // 尾插法进行节点插入，遍历的时候方便获取插入的顺序。
        p.before = last;
        last.after = p;
    }
}

// 初始化一个迭代器的时候，把next指向头结点
LinkedHashIterator() {
    next = head;
    expectedModCount = modCount;
    current = null;
}

final LinkedHashMap.Entry<K,V> nextNode() {
    LinkedHashMap.Entry<K,V> e = next;
    // 慎重慎重开那个  accessOrder = true
    if (modCount != expectedModCount)
        throw new ConcurrentModificationException();
    // ...
    current = e;
    // 往后遍历，所以有序
    next = e.after;
    return e;
}

关于get一个元素也会导致此元素从原位置加到尾巴的设置

public LinkedHashMap(int initialCapacity,
                     float loadFactor,
                     // 这个boolean变量设置为true的话
                     boolean accessOrder) {
    super(initialCapacity, loadFactor);
    this.accessOrder = accessOrder;
}


public V get(Object key) {
    Node<K,V> e;
    if ((e = getNode(hash(key), key)) == null)
        return null;
    // 设置为true，跳入判断，执行afterNodeAccess
    if (accessOrder)
        afterNodeAccess(e);
    return e.value;
}

// 把get的元素挪到最后一个
void afterNodeAccess(Node<K,V> e) { // move node to last
    LinkedHashMap.Entry<K,V> last;
    if (accessOrder && (last = tail) != e) {
        LinkedHashMap.Entry<K,V> p =
            (LinkedHashMap.Entry<K,V>)e, b = p.before, a = p.after;
        p.after = null;
        if (b == null)
            head = a;
        else
            b.after = a;
        if (a != null)
            a.before = b;
        else
            last = b;
        if (last == null)
            head = p;
        else {
            p.before = last;
            last.after = p;
        }
        tail = p;
        // get操作也算是 modCount ++ 了！！！！
        // 多线程下慎重慎重慎重
        ++modCount;
    }
}

4. WeakHashMap

4.1 Key是弱引用

什么是弱引用请见 本人另一篇博客

/* 
* Hash table based implementation of the {@code Map} interface, with
* weak keys.
* */

/*
 * @Author 郭学胤
 * @University 深圳大学
 * @Description
 * @Date 2021/2/14 20:53
 */

import java.util.*;
/* -Xms20M -Xmx20M  */
public class test {

    public static void main(String[] args) {
        Map<Large, Integer> test = new WeakHashMap<>();
        int i = 0;
        while(i < 50){
            test.put(new Large(),i );
            i++;
        }
    }
}

class Large{
    byte[] obe = new byte[1024*1024*5];
}

堆内存大小20M，往堆中加入50个 5M大小的对象，仍然不会OOM，因为垃圾回收线程看到虚引用就给把虚引用指向的对象干掉了！

key是弱引用！！！！如果把大对象放在 Value 上一定会报错

4.2 常用方法

put()

public V put(K key, V value) {
    Object k = maskNull(key);
    int h = hash(k);
    Entry<K,V>[] tab = getTable();
    int i = indexFor(h, tab.length);
	// 如果有哈希冲突，而且 key1.equals(key2),替换旧值
    for (Entry<K,V> e = tab[i]; e != null; e = e.next) {
        if (h == e.hash && eq(k, e.get())) {
            V oldValue = e.value;
            if (value != oldValue)
                e.value = value;
            return oldValue;
        }
    }

    modCount++;
    Entry<K,V> e = tab[i];
    // 采用头插法，插入节点，之前的节点接在这个节点下边
    tab[i] = new Entry<>(k, value, queue, h, e);
    // 当前容量到达阈值
    if (++size >= threshold)
        // 扩容两倍大小
        resize(tab.length * 2);
    return null;
}

resize()

void resize(int newCapacity) {
    Entry<K,V>[] oldTable = getTable();
    int oldCapacity = oldTable.length;
    // 已经是最大容量不给扩容
    if (oldCapacity == MAXIMUM_CAPACITY) {
        threshold = Integer.MAX_VALUE;
        return;
    }
	
    Entry<K,V>[] newTable = newTable(newCapacity);
    // 把所有旧表的内容 rehash 到新表中
    transfer(oldTable, newTable);
    table = newTable;

    /*
         * If ignoring null elements and processing ref queue caused massive
         * shrinkage, then restore old table.  This should be rare, but avoids
         * unbounded expansion of garbage-filled tables.
         */
    if (size >= threshold / 2) {
        threshold = (int)(newCapacity * loadFactor);
    } else {
        expungeStaleEntries();
        transfer(newTable, oldTable);
        table = oldTable;
    }
}

ConcurrentHashMap

put()

JDK 1.8之后已经从之前的分段锁变成了 CAS + synchronized

final V putVal(K key, V value, boolean onlyIfAbsent) {
    if (key == null || value == null) throw new NullPointerException();
	// 获取hash
    int hash = spread(key.hashCode());
    int binCount = 0;
    for (Node<K,V>[] tab = table;;) {
        Node<K,V> f; int n, i, fh; K fk; V fv;
        // 如果当前的 tab 为空，初始化一张表
        if (tab == null || (n = tab.length) == 0)
            // 用CAS操作一个数字“sizeCtl”，操作成功的线程进行初始化工作
            // 其余线程放弃CPU使用权，等到重新执行其他线程的时候，
            // 已经初始化好了，while循环退出，从而结束这个方法的执行
            tab = initTable();
        else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
            // 当位置为空的时候使用CAS插入值
            if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value)))
                break;                   // no lock when adding to empty bin
        }
        // 进入这里的线程要么 CAS设置值失败，要么本来上边就有值，
        // 反正不管怎么说这个槽位上已经有值了
        else if ((fh = f.hash) == MOVED)
            tab = helpTransfer(tab, f);
        else if (onlyIfAbsent // check first node without acquiring lock
                 && fh == hash
                 && ((fk = f.key) == key || (fk != null && key.equals(fk)))
                 && (fv = f.val) != null)
            return fv;
        else {
            V oldVal = null;
            // 上锁开始往表中设置值
            synchronized (f) {
                if (tabAt(tab, i) == f) {
                    if (fh >= 0) {
                        binCount = 1;
                        for (Node<K,V> e = f;; ++binCount) {
                            K ek;
                            if (e.hash == hash &&
                                ((ek = e.key) == key ||
                                 (ek != null && key.equals(ek)))) {
                                oldVal = e.val;
                                if (!onlyIfAbsent)
                                    e.val = value;
                                break;
                            }
                            // 在链表上进行KV节点的插入
                            Node<K,V> pred = e;
                            if ((e = e.next) == null) {
                                pred.next = new Node<K,V>(hash, key, value);
                                break;
                            }
                        }
                    }
                    // 树上添加 K V 节点
                    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;
                        }
                    }
                    else if (f instanceof ReservationNode)
                        throw new IllegalStateException("Recursive update");
                }
            }
            if (binCount != 0) {
                // 当前KV数量已经超过转换红黑树的阈值，
                // 在方法内上锁进行本槽的树化
                if (binCount >= TREEIFY_THRESHOLD)
                    treeifyBin(tab, i);
                if (oldVal != null)
                    return oldVal;
                break;
            }
        }
    }
    addCount(1L, binCount);
    return null;
}

ConcurrentSkipListMap

内部类一览

SkipList是个单链表

static final class Node<K,V> {
    final K key;
    volatile Object value;
    // 指向下个节点的指针
    volatile Node<K,V> next;
    Node(K key, V value, Node<K,V> next) {
        this.key = key;
        this.val = value;
        this.next = next;
    }
}

// 当前调表的等级
static final class Index<K,V> {
    final Node<K,V> node;  // currently, never detached
    // 指向下一层的节点
    final Index<K,V> down;
    // 指向右侧的节点
    Index<K,V> right;
    Index(Node<K,V> node, Index<K,V> down, Index<K,V> right) {
        this.node = node;
        this.down = down;
        this.right = right;
    }
}

常用方法

put()

private V doPut(K key, V value, boolean onlyIfAbsent) {
    Node<K,V> z;             // added node
    if (key == null)
        throw new NullPointerException();
    Comparator<? super K> cmp = comparator;
    for (;;) {
        Index<K,V> h; Node<K,V> b;
        VarHandle.acquireFence();
        int levels = 0;                    // number of levels descended
        // 第一次put 的时候会进入这个分支，因为头肯定为空
        if ((h = head) == null) {          // try to initialize
            Node<K,V> base = new Node<K,V>(null, null, null);
            h = new Index<K,V>(base, null, null);
            b = (HEAD.compareAndSet(this, null, h)) ? base : null;
        }
        else {
            // 再以后put的时候
            for (Index<K,V> q = h, r, d;;) { // count while descending
                // q 此时是 最高的索引头，当本层索引之后有右边的索引的时候
                // r = 右边的那个索引
                while ((r = q.right) != null) {
                    Node<K,V> p; K k;
                    // 如果此时右边的那个索引中的node为空，或者索引的key为空，或者索引的val为空
                    // 则此索引已经废掉了，把更右边的一个拉过来替换这个索引
                    if ((p = r.node) == null || (k = p.key) == null ||
                        p.val == null)
                        RIGHT.compareAndSet(q, r, r.right);
                    // 当前的这个索引的key比插入的这个小，继续向右找
                    else if (cpr(cmp, key, k) > 0)
                        q = r;
                    // 此时已经找到了，break
                    else
                        break;
                }
                // 刚刚已经找到了本层中比插入的这个大的索引，就是当前索引的右边的那个，
                // 所以从当前索引往下找
                // level++ 去下一层
                if ((d = q.down) != null) {
                    ++levels;
                    q = d;
                }
                else {
                    // 如果已经是最后一层，就在最后一层的真节点中继续找
                    b = q.node;
                    break;
                }
            }
        }
        if (b != null) {
            Node<K,V> z = null;              // new node, if inserted
            /* 找到应该在哪里插入 */
            for (;;) {                       // find insertion point
                Node<K,V> n, p; K k; V v; int c;
                // 找到空了都没找到应该插入的位置
                if ((n = b.next) == null) {
                    if (b.key == null)       // if empty, type check key now
                        cpr(cmp, key, key);
                    c = -1;
                }
                else if ((k = n.key) == null)
                    break;                   // can't append; restart
                else if ((v = n.val) == null) {
                    // 如果节点的V已经为空了，则可以把这个节点删除了
                    unlinkNode(b, n);
                    c = 1;
                }
                else if ((c = cpr(cmp, key, k)) > 0)
                    // 继续寻找下一个位置，并且设置 c > 0
                    b = n;
                else if (c == 0 &&
                         // c == 0 表示下一个节点已经不比插入的这个小了，可以就地插入
                         (onlyIfAbsent || VAL.compareAndSet(n, v, value)))
                    return v;
				// 刚才 找到空了都没找到应该插入的位置 的时候设置了 c = -1
                // 所以从最后插入，用CAS
                if (c < 0 &&
                    NEXT.compareAndSet(b, n,
                                       p = new Node<K,V>(key, value, n))) {
                    z = p;
                    break;
                }
            }
			
            // 每次添加KV节点都有一定的概率生成索引，即往上抽取
            if (z != null) {
                int lr = ThreadLocalRandom.nextSecondarySeed();
                if ((lr & 0x3) == 0) {       // add indices with 1/4 prob
                    int hr = ThreadLocalRandom.nextSecondarySeed();
                    long rnd = ((long)hr << 32) | ((long)lr & 0xffffffffL);
                    int skips = levels;      // levels to descend before add
                    Index<K,V> x = null;
                    for (;;) {               // create at most 62 indices
                        x = new Index<K,V>(z, x, null);
                        if (rnd >= 0L || --skips < 0)
                            break;
                        else
                            rnd <<= 1;
                    }
                    if (addIndices(h, skips, x, cmp) && skips < 0 &&
                        head == h) {         // try to add new level
                        Index<K,V> hx = new Index<K,V>(z, x, null);
                        Index<K,V> nh = new Index<K,V>(h.node, h, hx);
                        HEAD.compareAndSet(this, h, nh);
                    }
                    if (z.val == null)       // deleted while adding indices
                        findPredecessor(key, cmp); // clean
                }
                addCount(1L);
                return null;
            }
        }
    }
}