ConcurrentHashMap 在JDK 7之前是通过Lock和Segment（分段锁）实现并发安全，JDK 8之后改为CAS+synchronized来保证并发安全（为了序列化兼容，JDK 8的代码中还是保留了Segment的部分代码）。
1. ConcurrentHashMap、HashMap和HashTable的区别
- HashMap 是非线程安全的哈希表，常用于单线程程序中。
- Hashtable 是线程安全的哈希表，由于是通过内置锁 synchronized 来保证线程安全，在资源争用比较高的环境下，Hashtable 的效率比较低。
- ConcurrentHashMap 是一个支持并发操作的线程安全的HashMap，但是他不允许存储空key或value。使用CAS+synchronized来保证并发安全，在并发访问时不需要阻塞线程，所以效率是比Hashtable 要高的。
2. 数据结构
3. 各种Node节点
- Node<K, V>： 保存k-v、k的hash值和链表的 next 节点引用，其中 V 和 next 用volatile修饰，保证多线程环境下的可见性。
- TreeNode<K, V>： 红黑树节点类,当链表长度>=8且数组长度>=64时，Node 会转为 TreeNode，但它不是直接转为红黑树，而是把这些 TreeNode 节点放入TreeBin 对象中，由 TreeBin 完成红黑树的封装。
- TreeBin<K, V>： 封装了 TreeNode，红黑树的根节点，也就是说在 ConcurrentHashMap 中红黑树存储的是 TreeBin 对象。
- ForwardingNode<K, V>： 在节点转移时用于连接两个 table（table和nextTable）的节点类。包含一个 nextTable 指针，用于指向下一个table。而且这个节点的 k-v 和 next 指针全部为 null，hash 值为-1。只有在扩容时发挥作用，作为一个占位节点放在 table 中表示当前节点已经被移动。
- ReservationNode<K,V>： 在computeIfAbsent和compute方法计算时当做一个占位节点，表示当前节点已经被占用，在compute或computeIfAbsent的 function 计算完成后插入元素。hash值为-3。
3.1 核心参数
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V>
implements ConcurrentMap<K,V>, Serializable
{
//最大容量
private static final int MAXIMUM_CAPACITY = 1 << 30;
//初始容量
private static final int DEFAULT_CAPACITY = 16;
//数组最大容量
static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
//默认并发度，兼容1.7及之前的版本
private static final int DEFAULT_CONCURRENCY_LEVEL = 16;
//加载/扩容因子，实际使用n - （n >>> 2）
private static final float LOAD_FACTOR = 0.75f;
//链表转红黑树的节点阈值
static final int TREEIFY_THRESHOLD = 8;
//红黑树转链表的节点数阈值
static final int UNTREEIFY_THRESHOLD = 6;
//当数组长度还未超过64，优先扩容数组，否则将链表转为红黑树
static final int MIN_TREEIFY_CAPACITY = 64;
//扩容时任务的最小转移节点数
private static final int MIN_TRANSFER_STRIDE = 16;
//sizeCtl中记录stamp的中位数
private static int RESIZE_STAMP_BITS = 16;
//帮助扩容的最大线程数
private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1;
//size在sizeCtl中的偏移量
private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;
/**
* 存放Node元素的数组，在第一次插入数据时初始化
* 默认初始大小为16，用来存储Node节点数据，扩容时的大小总是2的指数次方
*/
transient volatile java.util.concurrent.ConcurrentHashMap.Node<K,V>[] table;
//一个过渡的table表，只有在扩容的时候才会使用，其大小为原数组的两倍
private transient volatile java.util.concurrent.ConcurrentHashMap.Node<K,V>[] nextTable;
//基础计数器（size = baseCount + CounterCell[i].value）
private transient volatile long baseCount;
/**
* 控制table初始化和扩容操作,默认为0
* -1 代表 table正在初始化
* -N 代表 现在有N-1个线程正在进行扩容操作
* 初始化数组或者扩容完成之后，将sizeCtl的值设置为0.75*n
* 在扩容操作进行节点转移之前，sizeCtl改为(hash << RESIZE_STAMP_SHIFT) + 2，这个值为负数
* 并且每有一个线程参与扩容操作sizeCtl的值就+1
*
*/
private transient volatile int sizeCtl;
//节点转移时下一个需要转移的table索引。
//初始时为table.length,表示索引0到transferIndex的节点还未转移
private transient volatile int transferIndex;
//元素变化时用于控制自旋
private transient volatile int cellsBusy;
//保存table中每个节点的元素个数 2幂次方
//size = baseCount + CounterCell[i].value
/**
* ConcurrentHashMap的特定计数器，实现方法跟LongAdder类似。
* 这个计数器的机制避免了在更新时的资源争用，但是如果并发读取太频繁会导致缓存超负荷，
* 为了避免读取太频繁，只有在添加了两个以上节点时才可以尝试扩容操作。在统一hash分配的前提下，
* 发生这种情况的概率在13%左右，
* 也就是说只有大约1/8的put操作才会检查扩容（并且在扩容后会更少）。
*/
private transient volatile java.util.concurrent.ConcurrentHashMap.CounterCell[] counterCells;
}
hash计算公式：hash = (key.hashCode ^ (key.hashCode >>> 16)) & HASH_BITS
索引计算公式：(table.length-1)&hash
4 源码
4.1 put
public V put(K key, V value)
{
return putVal(key, value, false);
}
final V putVal(K key, V value, boolean onlyIfAbsent)
{
if (key == null || value == null) throw new NullPointerException();
//计算hash值
int hash = spread(key.hashCode());
int binCount = 0;
//自旋操作
for (Node<K,V>[] tab = table;;)
{
/**
* f: 索引节点
* n：tab.length
* i: 新节点索引（n-1）& hash；
* fh：f.hash
**/
Node<K,V> f; int n, i, fh;
if (tab == null || (n = tab.length) == 0)
//初始化
tab = initTable();
//索引节点i为空，直接插入
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null)
{
//CAS插入节点，成功则跳出循环
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
//当前节点处于移动状态——其它线程正在进行节点转移操作
else if ((fh = f.hash) == MOVED)
//帮助转移
tab = helpTransfer(tab, f);
else
{
V oldVal = null;
synchronized (f)
{
if (tabAt(tab, i) == f)
{
//f.hash>=0,说明f是链表的头节点
if (fh >= 0)
{
//记录链表节点数，用于后面是否转换为红黑树做判断
binCount = 1;
for (Node<K,V> e = f;; ++binCount)
{
K ek;
//key相同，修改
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;
//到这里已经说明是链表尾，把当前值作为新的节点插入到队尾
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
//红黑树的节点操作
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)
{
//如果链表中的节点数>=8，则把链表转化为红黑树
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
//更新元素个数
addCount(1L, binCount);
return null;
}
- 根据key计算hash值，根据hash值计算索引i （i = （table.length - 1） & hash）
- 如果当前table为null，说明是第一次进行put操作，调用initTable（）函数初始化table
- 如果索引i位置的节点f为空，则直接把当前值作为新的节点插入到索引i的位置
- 如果节点f的hash为-1，说明当前节点处于移动状态（其它线程正在对f节点进行转移/扩容操作），此时调用helpTransfer（tab，f）帮助转移/扩容
- 如果不属于上述条件，说明已经有元素存储到索引i处，此时需要对索引i处的节点进行put或者update操作，首先需要使用内置锁syncronized对节点f进行加锁
- 如果f.hash >= 0,说明i位置是一个链表，并且f是这个链表的头节点，则对f节点进行遍历，此时又分为两种情况：
- 如果链表中某个节点e的hash与当前key的hash相同，则对这个节点e的value进行修改操作
- 如果遍历到链表尾部都没有找到与当前key的hash相同的节点，则把当前的K-V作为一个新的节点插入到链表的尾部 - 如果节点f是TreeBin节点，说明索引i位置的节点就是一棵红黑树，则调用putTreeVal方法到一个已存在的节点进行修改，或者是把当前K-V放入一个新的节点。
- 完成插入之后，如果索引i处是一个链表，并且插入新的节点之后节点数>8，则调用treeifyBin把链表转换为红黑树。
- 最后，调用addCount更新元素数量
4.2 initTable
private final Node<K,V>[] initTable()
{
Node<K,V>[] tab; int sc;
while ((tab = table) == null || tab.length == 0)
{
// 其它线程正在进行初始化或者转移操作，让出CPU执行时间片，继续自旋。
if ((sc = sizeCtl) < 0)
Thread.yield(); // lost initialization race; just spin
// CAS设置sizeCtl为-1，表示当前线程正在进行初始化
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1))
{
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;
//0.75 * n 设置扩容阈值
sc = n - (n >>> 2);
}
}
finally
{
//初始化sizeCtl = 0.75*n
sizeCtl = sc;
}
break;
}
}
return tab;
}
Note: 初始化操作为单线程操作（如果有其它线程正在进行初始化，则调用Thread.yield()让出CPU时间片，自旋等待table初始化完成）
4.3 helpTransfer
// 帮助其它线程进行转移操作
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)
{
// 计算操作栈校验码
int rs = resizeStamp(tab.length);
while (nextTab == nextTable && table == tab &&
(sc = sizeCtl) < 0)
{
// 不需要帮助转移，跳出
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || transferIndex <= 0)
break;
//CAS更新帮助转移的线程数
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
{
transfer(tab, nextTab);
break;
}
}
return nextTab;
}
return table;
}
说明： 如果索引到的节点的 hash 为-1，说明当前节点处于移动状态（或者说是其他线程正在对 f 节点进行转移操作。这里主要是靠 ForwardingNode 节点来检测，在transfer方法中，被转移后的节点会改为ForwardingNode，它是一个占位节点，并且hash=MOVED（-1），也就是说，我们可以通过判断hash是否为MOVED来确定当前节点的状态），此时调用helpTransfer(tab, f)帮助转移，主要操作就是更新帮助转移的线程数（sizeCtl+1），然后调用transfer方法进行转移操作。
4.4 treeifyBin
private final void treeifyBin(Node<K,V>[] tab, int index)
{
Node<K,V> b; int n, sc;
if (tab != null)
{
//数组的长度还未超过64，优先进行数组的扩容，否则将链表转化为红黑树
if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
//两倍扩容
tryPresize(n << 1);
else if ((b = tabAt(tab, index)) != null && b.hash >= 0)
{
synchronized (b) {
if (tabAt(tab, index) == b)
{
/**
* hd: 节点头
**/
TreeNode<K,V> hd = null, tl = null;
//遍历转换节点
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));
}
}
}
}
}
Note： 在put操作完成后，如果当前节点为一个链表，并且链表长度>=TREEIFY_THRESHOLD(8)，此时就需要调用treeifyBin方法来把当前链表转为一个红黑树。treeifyBin主要进行两步操作：
- 如果当前table长度还未超过MIN_TREEIFY_CAPACITY(64)，则优先对数组进行扩容操作，容量为原来的2倍(n<<1)。
- 否则就对当前节点进行转换操作（注意这个操作是单线程完成的）。遍历链表节点，把Node转换为TreeNode，然后在通过TreeBin来构造红黑树
4.5 tryPresize
private final void tryPresize(int size)
{
int c = (size >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY :
tableSizeFor(size + (size >>> 1) + 1);
int sc;
while ((sc = sizeCtl) >= 0)
{
Node<K,V>[] tab = table; int n;
//未初始化
if (tab == null || (n = tab.length) == 0)
{
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;
}
}
}
//已达到最大容量
else if (c <= sc || n >= MAXIMUM_CAPACITY)
break;
else if (tab == table)
{
int rs = resizeStamp(n);
//正在进行扩容操作
if (sc < 0)
{
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);
}
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
}
}
}
Note： 当table容量不足时，需要对其进行两倍扩容。tryPresize方法很简单，主要就是用来检查扩容前的必要条件（比如是否超过最大容量），真正的扩容其实也可以叫“节点转移”，主要是通过transfer方法完成。
4.6 transfer
/**
* 转移或复制节点到新的table
**/
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab)
{
int n = tab.length, stride;
// 转移幅度 （tab.length/(NCPU*8)）,最小为16
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
if (nextTab == null) { // initiating
try
{
//根据当前数组长度，新建一个两倍长度的数组nextTab
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];
nextTab = nt;
}
// try to cope with OOME
catch (Throwable ex)
{
sizeCtl = Integer.MAX_VALUE;
return;
}
nextTable = nextTab;
// 初始为table的最后一个索引
transferIndex = n;
}
int nextn = nextTab.length;
//初始化ForwardingNode节点，持有nextTab引用，在处理完每个节点之后当作占位节点，
//表示该槽位已经被处理过了
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
//节点是否已经处理
boolean advance = true;
boolean finishing = false; // to ensure sweep before committing nextTab
/**
* 自旋移动每个节点，从transferIndex开始移动stride个节点到新的table
* i：当前处理的Node索引，
* bound：需要处理节点的索引边界
**/
for (int i = 0, bound = 0;;)
{
// 当前处理i位置的node
Node<K,V> f;
//f.hash
int fh;
//通过while循环获取本次需要移动的节点索引i
while (advance)
{
// nextIndex 下一个需要处理的节点索引
// nextBound 下一个需要处理的节点索引边界
int nextIndex, nextBound;
//通过--i控制下一个需要移动的节点
if (--i >= bound || finishing)
advance = false;
// 节点已经全部转移
else if ((nextIndex = transferIndex) <= 0)
{
i = -1;
advance = false;
}
/**
* transferIndex(初值为最后一个节点的索引)，表示从transferIndex开始后面所有的节点都已经分配，
* 每次线程领取扩容任务之后，需要更新transferIndex的值（transfer-stride）
* CAS修改transferIndex，并更新索引边界
**/
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;
//已完成转移，更新相关属性
if (finishing)
{
nextTable = null;
table = nextTab;
1.5*n 扩容阈值设置为原来容量的1.5倍 依然相当于现在容量的0.75倍
sizeCtl = (n << 1) - (n >>> 1);
return;
}
/**
* 当前线程已经完成转移，但可能还有其它线程正在进行转移操作
* 每个线程完成自己的扩容操作之后就对sizeCtl-1
**/
if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1))
{
/**
* 判断是否全部任务已经完成，sizeCtl初始值=（rs << RESIZE_STAMP_SHIFT）+2
* 这里判断如果还有其它线程正在操作，直接返回，
* 否则的话重新初始化i对原tab进行一遍检查然后再提交
**/
if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)
return;
finishing = advance = true;
i = n; // recheck before commit
}
}
else if ((f = tabAt(tab, i)) == null)
/**
* i位置节点为空，替换为ForwardingNode节点，用于通知其它线程该位置已经处理
**/
advance = casTabAt(tab, i, null, fwd);
/**
* 节点已经被其它线程处理过，继续处理下一个节点
**/
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
else
{
synchronized (f)
{
if (tabAt(tab, i) == f)
{
//处理当前拿到的节点，构建两个node：ln/hn。ln：原位置，hn：i+n位置
Node<K,V> ln, hn;
//当前为链表节点
if (fh >= 0)
{
/**
* 使用fn&n把原链表中的元素分成两份（fn & n == n or 0）
* 在表扩容两倍后，索引i可能发生改变。
* 如果原table长度n = 2 ^ x,如果hash的x位为1，此时需要加上x位的值，也就是i+n；
* 如果x位为0，索引i不变
**/
int runBit = fh & n;
//最后一个与头节点f索引不同的节点
Node<K,V> lastRun = f;
//从索引i的节点开始向后查找最后一个有效节点
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;
}
//把f链分解为两个链表
for (Node<K,V> p = f; p != lastRun; p = p.next)
{
int ph = p.hash; K pk = p.key; V pv = p.val;
//在原位置
if ((ph & n) == 0)
ln = new Node<K,V>(ph, pk, pv, ln);
//i+n位置
else
hn = new Node<K,V>(ph, pk, pv, hn);
}
//在nextTab的i位置插入一个链表
setTabAt(nextTab, i, ln);
//在nextTab的 i+n 位置插入一个链表
setTabAt(nextTab, i + n, hn);
//在table的i位置上插入forwardNode节点，表示已经处理过该节点
setTabAt(tab, i, fwd);
advance = true;
}
/**
* 如果该节点是红黑树结构，则构造树节点lo和hi，遍历红黑树中的节点，
* 同样是根据hash & tab.length算法，把节点分为两类，分别插入索引i和i+n位置
**/
else if (f instanceof TreeBin)
{
//转为根节点
TreeBin<K,V> t = (TreeBin<K,V>)f;
//低位（i）节点和地位尾节点
TreeNode<K,V> lo = null, loTail = null;
//高位（i+n）节点和高位尾节点
TreeNode<K,V> hi = null, hiTail = null;
int lc = 0, hc = 0;
//从首个节点向后遍历
for (Node<K,V> e = t.first; e != null; e = e.next)
{
int h = e.hash;
//构建树节点
TreeNode<K,V> p = new TreeNode<K,V>
(h, e.key, e.val, null, null);
//原位置
if ((h & n) == 0)
{
if ((p.prev = loTail) == null)
lo = p;
else
loTail.next = p;
loTail = p;
++lc;
}
//i+n位置
else
{
if ((p.prev = hiTail) == null)
hi = p;
else
hiTail.next = p;
hiTail = p;
++hc;
}
}
//如果扩容后已经不再需要tree的结构，反向转换为链表结构
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;
}
}
}
}
}
}
4.6.1 需要调用transfer的几个条件
- 对table进行扩容
- 在更新呢元素数目时，元素总数>=sizeCtl（sizeCtl=0.75n，扩容阈值），此时也需要扩容
- 在put操作时，发现索引节点正在转移（hash==MOVED），此时需要帮助和转移
4.6.2 transfer过程
（0）在进行节点转移之前，首先要做的就是重新初始化sizeCtl的值（sizeCtl = (hash << RESIZE_STAMP_SHIFT) + 2），这个值是一个负值，用于标识当前table正在进行转移操作，并且每有一个线程参与转移，sizeCtl就加1。
（1） 计算转移幅度stride（线程需要转移的节点数），最小为16
（2） 创建一个相当于当前table两倍容量的Node数组，转移完成后用作新的table
（3） 从transferIndex（初始为table.length,也就是table的最后一个节点）开始，依次向前处理stride个节点。
table 的每个节点都可能是一个链表结构，因为在 put 的时候是根据(table.length-1)&hash计算出的索引，当插入新值时，如果通过 key 计算出的索引已经存在节点，那么这个新值就放在这个索引位节点的尾部(Node.next)。所以，在进行节点转移后，由于 table.length 变为原来的两倍，所以相应的索引也会改变，这时候就需要对链表进行分割，看一下这个分割算法：
* 假设当前处理的节点 table[i]=f，并且它是一个链表结构，原table容量为 n=2x，索引计算公式为i=(n - 1)&hash。在表扩张后，由于容量 n 变为 2x+1，所以索引计算就变为i=(2n - 1)&hash。如果 hash 的 x 位为0，则 hash&2x=0，此时 hash&(2x-1)== hash&((2x+1)-1)，索引位 i 不变；如果 hash 的 x 位为1，则 hash&2x=2x == n，在扩容后 x 变为 x+1，此时需要加上 x 位的值，即 hash&(2x-1) + hash&2x，也就是 i+n。举个栗子：设 n=100000 (25)，x=5，hash 为100101。n-1=011111，那么i=hash&(n-1)=000101；扩容后容量变为m=1000000(26)，m-1=0111111，那么 i 就变成了 hash&(m-1)=100101，此时就需要加上 x 位的值，也就是 hash&n。
* 如果当前节点为红黑树结构，也是利用这个算法进行分割，不同的是，在分割完成之后，如果这两个新的树节点<=6，则调用untreeify方法把树结构转为链表结构。
（4）最后把操作过的节点都设为 ForwardingNode 节点（hash= MOVED，这样别的线程就可以检测到）。
Example：
4.7 addCount
private final void addCount(long x, int check)
{
CounterCell[] as; long b, s;
if ((as = counterCells) != null ||
//counterCells为null，CAS更新baseCount
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x))
{
CounterCell a; long v; int m;
boolean uncontended = true;
if (as == null || (m = as.length - 1) < 0 ||
(a = as[ThreadLocalRandom.getProbe() & m]) == null ||
!(uncontended =
U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x)))
{
//在线程争用资源时，使用fullAddCount计算更新的元素数目
fullAddCount(x, uncontended);
return;
}
if (check <= 1)
return;
//计算元素总数，用于后面的扩容操作
s = sumCount();
}
if (check >= 0)
{
// 检查扩容
Node<K,V>[] tab, nt; int n, sc;
while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
(n = tab.length) < MAXIMUM_CAPACITY)
{
int rs = resizeStamp(n);
// 其它线程在进行扩容操作
if (sc < 0)
{
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);
}
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
s = sumCount();
}
}
}
Note: put操作全部完成后，别忘了更新元素数量。addCount用来更新 ConcurrentHashMap 的元素数，根据所传参数check决定是否检查扩容，如果需要，调用transfer方法进行扩容/节点转移。这里面有一个看起来比较复杂的方法fullAddCount，作用是在线程争用资源时，使用它来计算更新元素数。这个方法的实现类似于LongAdder的add（LongAdder在上面有简单介绍）。
810
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
