ConcurrentHashMap1.7的实现原理与使用

1. 为什么要使用ConcurrentHashMap？

  ConcurrentHashMap是线程安全且高效的HashMap。在并发编程中，如果只是使用HashMap的话可能导致程序死循环。而使用线程安全的HashTable效率又非常低，所以便有了ConcurrentHashMap。

1.1 线程不安全的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。下面一个是一个会引起死循环的示例。

 		final HashMap<String, String> map = new HashMap<>(2);
        Thread thread = new Thread(() -> {
            for (int i = 0; i < 10000; i++) {
                new Thread(() -> {
                    map.put(UUID.randomUUID().toString(), "");
                }, "ftf" + i).start();
            }
        }, "ftf");
        thread.start();
        thread.join();

  HashMap在并发执行put操作时会引起死循环，是因为多线程导致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。

1.2 效率低下的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。比如线程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。

1.3 ConcurrentHashMap的锁分段技术可有效提升并发访问率

  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访问HashTable的线程必须竞争同一把锁，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。

---

2. ConcurrentHashMap的结构

  ConcurrentHashMap是由Segment数组结构和HashEntry数字结构组成。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HashEentry类似，是一种数组和链表的结构。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，必须首先获得与他对应的Segment锁。
下图是ConcurrentHashMap的结构图以便理解

3. ConcurrentHashMap的初始化

  ConcurrentHashMap初始化方法是通过initialCapacity、loadFactor个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。

3.1 初始化segments数组

  首先我们看一下初始化源码

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

  由上面代码可以看出，segments数组的长度ssize是通过concurrencyLevel 计算得出的。为了能按位与的散列算法来定位segments数组的索引，必须保住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次方的值来作为segments数组的长度。

3.2 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4次，所以sshift等于4。segmentShift用于定位参数散列运算的位数，segmentShift等于32-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。segmentMask是散列运算的掩码，等于ssize-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。

3.3 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, loadFator);
	}
	

  上面代码中的变量cap就是segment里的HashEntry数组的长度，他等于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次方的值，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0。

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。可以看到ConcurrentHashMap会首先使用 hash(int h) 算法对元素的hashCode进行一次再散列。

private static int hash(int h) {
	h += (h << 15) ^ 0xfffffcd7d;
	h ^= (h >>> 10);
	h += (h << 3);
	h ^= (h >>> 6);
	h += (h << 2) + (h << 14);
	return h ^ (h >>> 16);
}

  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。

5. ConcurrentHashMap的操作

5.1 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，在通过散列算法定位到元素。

public V get(Object 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。我们知道HashTable容器的get方法是需要加锁的，那么ConcurrentHashMap的get操作是如何做到不加锁的呢？原因是他的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Segment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，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JMM的happens-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。

5.2 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里面进行插入操作。插入操作需要经历两个步骤，第一步判断是否需要对Segmen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，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，如果达到了就进行扩容，但是很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时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。

5.3 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，那么在多线程场景下，是不是直接把所有Segment的count相加就可以得到整个ConcurrentHashMap大小了呢？不是的，虽然相加时可以获取每个Segment的count的最新值，但是可能累加钱使用的count发生了变化，那么统计的结果就不准了。所以，最安全的做法就是在统计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操作的过程中，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。
  那么ConcurrentHashMap是如何判断在统计的时候容器是否发生了变化呢？使用modCount变量，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。

---