ConcurrentHashMap 与 HashTable不同的是,前者的锁更加细化,而不像后者一样将没个方法都加上Synchronized关键字。
因为采用关键字来进行加锁会十分影响性能。
在jdk1.7中采用的是分段锁的概念
在jdk1.8中ConcurrentHashMap已经弃用Segment分段锁。
底层数据结构采用和HashMap相似的,数组 + 链表 + 红黑树的方式。但是多了许多并发使用的辅助类和参数。
ConcurrentHashMap参数与HashMap大部分相同。
相关变量:
table: 用来存储当前内容的数组。
nextTable:扩容操作时,用来临时存放新数组。
MOVED = -1 :Hash值为-1,标识该位置节点已经被处理过。
其中有个变量叫做sizeCtl ,这个变量根据不同场合不同用处。
1、负数用来表示正在进行初始化或者扩容操作
2、 -1 代表当前正在初始化
3、 -N 表示有N - 1 个线程正在进行扩容操作。
4、 0 代表还未进行初始化操作
5、如果是正数,代表当前数组的容量或者下次扩容的容量。( size * loadfactor )
构造方法:
下面构造方法可以看出。在实例化时,只设置了sizeCtl参数。而实际的数组初始化是在put操作时设置的。
其中采用 initialCapacity + (initialCapacity >>> 1 ) + 1 实现了size * loadFactor的功能。
public ConcurrentHashMap(int initialCapacity) {
if (initialCapacity < 0)
throw new IllegalArgumentException();
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
this.sizeCtl = cap;
}
public ConcurrentHashMap(Map<? extends K, ? extends V> m) {
this.sizeCtl = DEFAULT_CAPACITY;
putAll(m);
}
public ConcurrentHashMap(int initialCapacity, float loadFactor) {
this(initialCapacity, loadFactor, 1);
}
//concurrencyLevel参数是你预估的并发线程数
public ConcurrentHashMap(int initialCapacity,
float loadFactor, int concurrencyLevel) {
if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0)
throw new IllegalArgumentException();
if (initialCapacity < concurrencyLevel) // Use at least as many bins
initialCapacity = concurrencyLevel; // as estimated threads
long size = (long)(1.0 + (long)initialCapacity / loadFactor);
int cap = (size >= (long)MAXIMUM_CAPACITY) ?
MAXIMUM_CAPACITY : tableSizeFor((int)size);
this.sizeCtl = cap;
}
tbaleSizeFor的作用是将长度c转换为2的N次幂。写的非常巧妙。
private static final int tableSizeFor(int c) {
int n = c - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
初始化数组:
initTable是真正对数组进行初始化的函数。
当table为null,未进行初始化操作时,判断sizeCtl是否小于0(小于0说明已经有线程正在进行初始化操作)。
否则,无线程初始化时当前线程开始初始化操作,通过U.compareAndSwapInt(this, SIZECTL, sc, -1) 将sizeCtl置为负1
最后将sizeCtl设置为当前数组可存储键值对的阈值。
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
while ((tab = table) == null || tab.length == 0) {
if ((sc = sizeCtl) < 0) // 是否有线程在初始化操作
Thread.yield(); // lost initialization race; just spin
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {// 代表当前线程已经进行初始化操作了。
try {
if ((tab = table) == null || tab.length == 0) {
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
sc = n - (n >>> 2); // 计算出阈值
}
} finally {
sizeCtl = sc;
}
break;
}
}
return tab;
}
put操作:
这里与HashMap的操作还是比较像的。
首先key或value不能为空。
然后根据hash值来获取在table中的索引位置。如果当前位置为空,直接插入。
不同的是,如果获取到的结点为forword节点,则需要帮助另一线程进行扩容操作。
如果当前节点既非空又非forword节点,则需要判断该位置是一个树结构还是链表结构。
如果是链表结构,对该链表进行遍历,遇到key相同进行修改替换操作,否则循环完毕添加到链表的尾部。
如果是树形结构,直接按照树的操作即可。
最后,会判断链表的长度是否大于等于8,如果是,为了保证效率将链表转换为树结构。
public V put(K key, V value) {
return putVal(key, value, false);
}
/** Implementation for put and putIfAbsent */
final V putVal(K key, V value, boolean onlyIfAbsent) {
// 不允许key或value为空
if (key == null || value == null) throw new NullPointerException();
// 获取hash值
int hash = spread(key.hashCode());
// 链表的长度
int binCount = 0;
// 死循环,直到添加成功。
// 因为是多线程操作,没有使用锁,unsafe不是原子的,所以采用for循环
for (Node<K,V>[] tab = table;;) {
// f为节点,n是数组的长度, i是数组索引下标,fn是索引处节点的hash值
Node<K,V> f; int n, i, fh;
// 如果tab为null,进行初始化操作
if (tab == null || (n = tab.length) == 0)
tab = initTable();
// 根据hash值获取在table中的位置节点。如果为空,直接插入
// 如果多个线程同时插入,那么只有一个会成功,其他的失败,继续循环
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
// 否则判断是否是forword节点,如果是帮助进行扩容操作。
// ForwordingNode对象在 hash散列的时候用,原来的一个节点会重新散列到下个表,原来表的节点的hash就成为了 moved
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
// 当前节点非空并且不是forword节点
else {
V oldVal = null;
// 加锁操作,为了线程安全。
synchronized (f) {
if (tabAt(tab, i) == f) {
// 如果是链表 ,对链表进行遍历,遇到相同的进行替换,否则插入到链表尾部
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;
}
Node<K,V> pred = e;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
// 是一个树节点。 插入到树中。
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;
}
}
}
}
// 如果链表长度 >= 8,直接转换为一个红黑树
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
// 当前数量 +1
addCount(1L, binCount);
return null;
}
辅助扩容操作:
nextTable是用来扩容时的临时数组。
当扩容时,nextTable是肯定存在,这里获取到nextTable,然后调用扩容操作。并且把sizeCtl + 1;代表有sizeCtl -1 个线程在进行扩容操作。
final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
Node<K,V>[] nextTab; int sc;
if (tab != null && (f instanceof ForwardingNode) &&
(nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) {
int rs = resizeStamp(tab.length);
while (nextTab == nextTable && table == tab &&
(sc = sizeCtl) < 0) {
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || transferIndex <= 0)
break;
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
transfer(tab, nextTab);
break;
}
}
return nextTab;
}
return table;
}
链表转换树结构:
首先判断当前tab的长度是否小于64
如果是,直接进行扩容一倍返回。
否则创建一个TreeBin封装所有的节Node结点。
将原链表节点替换为新的树节点。
private final void treeifyBin(Node<K,V>[] tab, int index) {
Node<K,V> b; int n, sc;
if (tab != null) {
if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
tryPresize(n << 1);
else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
synchronized (b) {
if (tabAt(tab, index) == b) {
TreeNode<K,V> hd = null, tl = null;
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));
}
}
}
}
}
扩容操作发生条件:
1、在添加新的内容后执行addCount() ,检查是否扩容操作。
2、在链表转换树结构操作时,会先判断是否需要扩容操作。
扩容操作步骤:
扩容操作与HashMap相类似,但是由于支持多并发情况,为了提高效率,采用了多线程同时扩容的操作。
所以从原数组copy到新数组的操作更加复杂。
1、首先创建一个nextTable数组。容量为原数组的两倍。
2、初始化ForwardingNode 节点,包含nextTable的引用。并且标识该节点已经被处理过。
3、循环每个节点中的链表元素。advace为true代表该节点已经被处理过。
4、初始化i和bound,i指当前处理的节点位置,bound为需要处理的节点边界。
5、如果原数组大小默认为16,则先处理位置在15的节点。
6、如果该位置没有节点,则通过 advance = casTabAt(tab, i, null, fwd); CAS插入Forworad节点。其他线程看到后知道该位置已经处理过了。
7、当其他线程处理到forword节点时,得到该节点hash值为MOVED,直接跳过。这里是保证多线程同时扩容的核心。
8、当处理到的节点是一个链表结构,会将链表的所有元素分为两部分,分别为Hash值第N(n为数组长度)位为0和1的节点。
9、然后将两部分链表插入到n新数组nextTable的i 和 i+n位置。原数组i位置置为forword。
10、如果该节点是一个红黑树结构,则构造树节点lo和hi,遍历红黑树中的节点,同样根据hash&n算法,把节点分为两类,分别插入到lo和hi为头的链表中,根据lo和hi链表中的元素个数分别生成ln和hn节点,其中ln节点的生成逻辑如下:
(1)如果lo链表的元素个数小于等于UNTREEIFY_THRESHOLD,默认为6,则通过untreeify方法把树节点链表转化成普通节点链表;
(2)否则判断hi链表中的元素个数是否等于0:如果等于0,表示lo链表中包含了所有原始节点,则设置原始红黑树给ln,否则根据lo链表重新构造红黑树。
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
int n = tab.length, stride;
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
if (nextTab == null) { // initiating
// 初始化nextTable临时扩容数组,长度为原数组的两倍
try {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];
nextTab = nt;
} catch (Throwable ex) { // try to cope with OOME
sizeCtl = Integer.MAX_VALUE;
return;
}
nextTable = nextTab;
transferIndex = n;
}
// 实例化ForwardingNode节点,包含nextTable引用。
int nextn = nextTab.length;
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
// 标识该节点被处理过
boolean advance = true;
// 标识是否完成数据的copy
boolean finishing = false; // to ensure sweep before committing nextTab
// 循环copy所有的节点到新数组nextTable中
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
while (advance) {
int nextIndex, nextBound;
if (--i >= bound || finishing)
advance = false;
else if ((nextIndex = transferIndex) <= 0) {
i = -1;
advance = false;
}
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ?
nextIndex - stride : 0))) {
bound = nextBound;
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
}
}
// 如果该位置节点为空,插入forword节点,标识该位置被处理过
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
// 如果该位置节点Hash为-1,直接跳过。
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
else {
// 否则处理节点,并且用synchronized修饰,保证线程安全。
synchronized (f) {
if (tabAt(tab, i) == f) {
Node<K,V> ln, hn;
// 处理链表,生成反向链表插入到i和i+n位置
if (fh >= 0) {
int runBit = fh & n;
Node<K,V> lastRun = f;
for (Node<K,V> p = f.next; p != null; p = p.next) {
int b = p.hash & n;
if (b != runBit) {
runBit = b;
lastRun = p;
}
}
if (runBit == 0) {
ln = lastRun;
hn = null;
}
else {
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;
if ((ph & n) == 0)
ln = new Node<K,V>(ph, pk, pv, ln);
else
hn = new Node<K,V>(ph, pk, pv, hn);
}
setTabAt(nextTab, i, ln);
setTabAt(nextTab, i + n, hn);
setTabAt(tab, i, fwd);
advance = true;
}
// 处理树
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;
}
}
ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) :
(hc != 0) ? new TreeBin<K,V>(lo) : t;
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;
}
}
}
}
}
}
参考资料: