一、HashMap详解
1、基本介绍
1.1 概述
HashMap是基于Map接口实现的，元素以key-value的方式存储在map在中，此实现提供所有可选的映射操作，并允许null的key和null的value。 HashMap类与Hashtable类大致等效，不同之处在于它不是线程安全的，并且允许为null。与1.7的主要区别在于数据结构上的不同，后续小节会详细介绍。HashMap的UML图如下图所示：
1.2 构造方法
HashMap一共有4个构造方法，如下图所示：
/**
* 构造一个空的HashMap，默认初始容量为16，默认负载因子为0.75
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
/**
* 构造一个空的HashMap，指定初始容量为initialCapacity，默认负载因子为0.75
*/
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
* 构造一个空的HashMap，指定初始容量和负载因子
*/
public HashMap(int initialCapacity, float loadFactor) {
// 判断传入的初始容量是否大于0，如果小于0，则抛出相应异常信息。
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 判断传入的初始容量是否大于最大容量，如果大于最大容量，则将initialCapacity赋值为最大容量MAXIMUM_CAPACITY，1 << 30，1左移30位
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 如果负载因子loadFactor小于0 或者 如果指定的数字不是一个数字(NaN)，返回{true，否则返回false
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
/**
* 构造一个新的HashMap，Map集合作为参数。
*/
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
1.3 基本属性
常量：
- static final int DEFAULT_INITIAL_CAPACITY：默认初始容量,必须是2的n次方，1 << 4，1左移4位，默认大小为16。
- static final int MAXIMUM_CAPACITY：最大容量，如果任何一个带参数的构造函数隐式指定了较大的值，则使用。
- static final float DEFAULT_LOAD_FACTOR：默认负载因子,值为0.75f。
- static final int TREEIFY_THRESHOLD：由链表转换为红黑树的阈值，默认值为8，当新put的元素是链表的第8个元素的时候，将链表转换为红黑树。
- static final int UNTREEIFY_THRESHOLD：由红黑树转换为链表的阈值，默认值为6，当红黑树中元素个数小于等于6的时候，将红黑树转换为链表。
- static final int MIN_TREEIFY_CAPACITY：默认值为64，bins可能被treeified的最小容量。应该至少为 4*TREEIFY_THRESHOLD，以避免 resizing 和 treeification thresholds之间的冲突。在调用treeifyBin()方法进行链表转红黑树时，先判断数组大小是否小于MIN_TREEIFY_CAPACITY，如果小于不会进行红黑树的转换，使用resize()代替。
成员变量：
- transient int size：map中存储key-value的个数
- transient Node<K,V>[] table：table数组，在第一次使用时初始化，并根据需要调整大小，长度必须是2的n次方。
- int threshold：扩容的阈值(capacity * load factor),如果table == EMPTY_TABLE，那么这个值为map初始容量大小。
- final float loadFactor：哈希表中的负载因子
2、数据结构
JDK1.8中的HashMap与JDK1.7中的HashMap在数据结构上有较大的区别，1.7的数据结构由数组+单向链表数组，而1.8的数据结构由数组+链表+红黑树组成。在JDK1.8中使用一个静态内部类Node来代表HashMap的数据节点，这个跟JDK1.7中的Entry没啥区别，其中重要属性有hash，key，value，next。如下图所示：
Node只用于链表的情况，而红黑树的情况需要使用一个静态内部类TreeNode来代表HashMap的数据节点，其中重要属性有parent，left，right，pre，red。如下图所示：
根据JDK1.7 HashMap的介绍，在查找一个数据元素的时候，根据hash值能够快速的找到数组的具体索引位置，但是之后需要顺着链表一个一个的去比较找到对应的元素，时间复杂度取决于链表的长度，这种方式的时间复杂度为O(n)。
而JDK1.8中的HashMap为了降低这种查找数据元素带来的开销，在put元素的时候，当链表元素个数达到8个时，会将链表转换为红黑树。当在红黑树中进行数据查找的时候，可以降低一定的时间复杂度，这种方式的时间复杂度为O(logN)。
JDK1.8数据结构如下图所示：
3、源码解析
3.1 put过程分析
put(K key, V value)方法
我们都知道HashMap的底层是一个基于 Node<K,V>[] table 的数组来实现的，看完了上面的构造函数及其数据结构，我们发现数组并不是在构造函数中完成的，那是在哪里初始化的呢？带着这个疑问我们来看一下HashMap中的 put 方法。
/**
* 将map中的指定值与指定键关联。如果map中存在相同的key，key的旧值将被替换。
*/
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict)方法
在此方法中就会去判断，如果是第一次put元素的话就会去初始化table数组，调用resize()方法进行数据的初始化，当然resize()不仅仅只是用于初始数组table，还进行后续的扩容处理，后续会详细介绍resize()方法。
/**
*
* @param hash key的hash值
* @param key 插入元素的key
* @param value插入元素的value
* @param onlyIfAbsent 如果onlyIfAbsent为true，在put的时候不替旧值
* @param evict 如果evict为false，表示这个table处于创建模式
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// tab表示table数组，p表示数组下标i处的元素，n表示table数组的长度，i表示table数组中的下标
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 如果table数组为空或者长度0，表示第一次put元素，则初始化table，会触发下面的 resize()，类似JDK1.7的第一次put也要初始化数组长度
// 第一次resize和后续的扩容有些不一样，因为这次是数组从null初始化到默认的16或自定义的初始容量
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null) // 如果table数组中下标i位置处的元素为null，则新创建一个Node放在数组中下标i位置（无哈希碰撞）
tab[i] = newNode(hash, key, value, null);
else {// table数组i下标位置处有值（有哈希碰撞）
Node<K,V> e; K k;
// 判断i位置处的第一个元素数据和要put的元素数据，key是不是相等，如果是相等，将p赋值给e
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode) // 判断i位置处的元素数据节点是否是红黑树的节点，如果是，调用红黑树的插值方法
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 数组i位置处的元素数据为链表结构
for (int binCount = 0; ; ++binCount) {
// i位置处链表节点的下一个节点为null
if ((e = p.next) == null) {
// 创建一个新的Node节点，并赋值给p的下一个节点（尾插法）
p.next = newNode(hash, key, value, null);
// TREEIFY_THRESHOLD 为 8，如果新插入的值是链表中的第8个元素，调用treeifyBin方法，将链表转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 在i位置处的链表中找到了相等的key
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
// 继续循环遍历链表
p = e;
}
}
// e!=null,说明在map中存在key与要插入的元素key相等
if (e != null) { // existing mapping for key
V oldValue = e.value;
// 根据方法中的参数onlyIfAbsent判断是否要覆盖旧值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
// 返回旧值
return oldValue;
}
}
++modCount;
// 新插入值后，判断map中元素个数是否已经超过的阈值，超过则需要对map进行扩容操作
// 这点跟JDK1.7有点不一样，1.7中是先判断是否超过阈值，如果超过阈值，则扩容，再去插入新值
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
resize()方法
该方法用于初始化数组或者对数组进行扩容，每次扩容大小都为原来数组大小的2倍，并进行数据转移到新的table中。
final Node<K,V>[] resize() {
// old table数组元素数据
Node<K,V>[] oldTab = table;
// 旧数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 旧阈值
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) { // oldCap > 0，说明不是第一次put元素时调用resize
if (oldCap >= MAXIMUM_CAPACITY) { // oldCap大于默认的最大值，扩容的阈值赋值为Integer.MAX_VALUE，返回旧的容量值
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 数组长度扩容为原来的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 阈值扩大一倍
newThr = oldThr << 1; // double threshold
}
// 当使用 new HashMap(int initialCapacity) 初始化后，第一次put元素的时候执行
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr; // 初始容量设置为阈值大小
// 当使用 new HashMap() 初始化后，第一次put元素的时候执行
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY; // 默认初始容量16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); // 计算扩容的阈值
}
// 阈值为 0 处理（哈希表还没有初始化但 threshold 已经被初始化）
if (newThr == 0) { // 计算扩容阈值
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; // 使用新的newCap容量创建一个新的数组
table = newTab;
if (oldTab != null) {
// 开始遍历原数组，进行数据迁移。
for (int j = 0; j < oldCap; ++j) {
// 记录当前桶位置的头节点
Node<K,V> e;
if ((e = oldTab[j]) != null) {
// 置 null（链表或树），让 GC 回收
oldTab[j] = null;
// 如果e.next == null，说明该数组数组位置上只有一个元素，那就简单了，简单迁移这个元素就可以了
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 如果该数组位置是红黑树节点，就调用红黑树的处理方式进去数据迁移
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 代码执行到此，说明该数组位置处的元素是链表结构，且元素个数至少为2个
// 需要将此链表拆成两个链表，放到新的数组中，并且保留原来的先后顺序
// loHead、loTail 对应一条链表，hiHead、hiTail 对应另一条链表
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// 判断旧数组位置上的所有元素位于低位还是高位
if ((e.hash & oldCap) == 0) { // 元素在低位
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else { // 元素在高位
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 第一条链表数据，还是放在原来的j位置，低位（0）位置保持不变直接 rehash
if (loTail != null) {
loTail.next = null;
// 第一条链表
newTab[j] = loHead;
}
// 第二条链表数据，放在新的位置 j + oldCap 处，高位（1）位置需要加上旧数组的容量
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
treeifyBin(Node<K,V>[] tab, int hash)方法
当在put元素的时候，发现put的元素是链表第8个元素时，调用此方法将链表转换为红黑树。至于将链表转换为红黑树的逻辑本文将不会暂开来分析，点到为止，后续会单独写一篇文章来讲解红黑树，各位拭目以待吧。
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 当前tab容量为空或者tab数组大小小于64的情况下，不会进行红黑树转换，使用的resize()代替，resize会增加一倍的容量
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
// 构建节点
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
// 树根节点赋值给数组
if ((tab[index] = hd) != null)
// 构造红黑树
hd.treeify(tab);
}
}
3.2 get过程分析
根据指定的key返回对应的value，如果map中不包含指定的key，则返回null。
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
// 返回key对应的Node信息
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，且数组长度n大于0，且first不为null
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 判断第一个节点是否为要查找的数据节点，如果是，则返回数据节点first
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
// first节点为红黑树，调用getTreeNode方法获取数据信息
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do { // 循环遍历链表，在链表中查询是否有参数key对应的节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
3.3 remove过程分析
在HashMap中如果要根据key删除这个key对应的键值对，需要调用remove(key)方法，该方法将会根据查找到匹配的键值对，将其从HashMap中删除，并且返回键值对的值。如果返回空，说明key可能不存在，也可能key对应的值就是null。如果想确定到底key是否存在可以使用containsKey方法判断是否存在。
/**
* 如果map中存在对应的key，则从map中删除指定key的数据节点信息。
*/
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
/**
* 方法为final，不可被覆写，子类可以通过实现afterNodeRemoval方法来增加自己的处理逻辑
*
* @param hash key的hash值，该值是通过hash(key)获取到的
* @param key 要删除的键值对的key
* @param value 要删除的键值对的value，该值是否作为删除的条件取决于matchValue是否为true
* @param matchValue 如果为true，则当key对应的键值对的值equals(value)为true时才删除；否则不关心value的值
* @param movable 删除后是否移动节点，如果为false，则不移动
* @return 返回被删除的节点对象，如果没有删除任何节点则返回null
*/
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
// 定义节点数组、当前节点、数组长度、索引值
Node<K,V>[] tab; Node<K,V> p; int n, index;
// 如果tab数组不为null、数组长度n大于0、根据hash定位到的节点对象p（该节点为树的根节点或链表的首节点）不为null
// 需要从该节点p向下遍历，找到那个和key匹配的节点对象
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
// 定义要返回的节点对象node，一个临时节点变量e、键变量 k、值变量 v
Node<K,V> node = null, e; K k; V v;
// 如果当前节点p的key和需要删除的key相等，那么当前节点就是要删除的节点，赋值给node
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
//代码执行到此说明首节点没有匹配上要删除的key，那么检查下是否有next节点
//如果没有next节点，说明该节点所在位置上没有发生hash碰撞, 就一个节点并且还没匹配上，也就没得删了，最终也就返回null了
//如果存在next节点，说明该数组位置上发生了hash碰撞，此时可能存在一个链表，也可能是一颗红黑树
else if ((e = p.next) != null) {
// 如果当前节点是一颗红黑树，则调用getTreeNode方法从树结构中查找满足条件的节点
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
// 如果不是红黑树节点，那么该节点就是一个链表结构，只需要从头到尾逐个遍历节点比对即可
else {
do {
// 如果节点e的key和要删除的key相等，e节点就是要删除的节点，赋值给node变量，调出循环
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
// 走到这里，说明e也没有匹配上；把e节点赋值给当前节点p，这一步是让p存储的永远是下一次循环里e节点的父节点，如果下一次e匹配上了，那么p就是node的父节点
p = e;
} while ((e = e.next) != null);// 如果e存在下一个节点，那么继续去匹配下一个节点。直到匹配到某个节点跳出或者遍历完链表所有节点
}
}
// 如果node不为空，说明根据key匹配到了要删除的节点
// 如果不需要对比value值或者需要对比value值且value值也相等，那么Node节点就是要删除的节点
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)// 如果该节点是个红黑树节点，调用removeTreeNode方法移除该节点
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)// 如果该节点不是TreeNode对象，node == p 的意思是该node节点就是首节点
tab[index] = node.next;// 由于删除的是首节点，那么直接将节点数组对应位置指向到第二个节点即可
else// 如果node节点不是首节点，此时p是node的父节点，由于要删除node，所有只需要把p的下一个节点指向到node的下一个节点即可把node从链表中删除了
p.next = node.next;
++modCount;// HashMap的修改次数递增
--size;// HashMap的元素个数递减
afterNodeRemoval(node);// 调用afterNodeRemoval方法，该方法HashMap没有任何实现逻辑，目的是为了让子类根据需要自行覆写
return node;
}
}
return null;
}
二、ConcurrentHashMap详解
1、基本介绍
1.1 概述
在Java1.5中，并发编程大师Doug Lea给我们带来了concurrent包，而该包中提供的ConcurrentHashMap是线程安全并且高效的HashMap。在并发编程中使用HashMap put元素时可能会导致数据被覆盖，而使用线程安全的HashTable效率又低下。比如，在put元素的时候执行到此处代码，
此行代码是判断是否出现hash碰撞，假设两个线程A、B都在进行put操作，并且hash函数计算出的插入下标是相同的，当线程A执行完上图红框代码后由于时间片耗尽导致被挂起，而线程B得到时间片后在该下标处插入了元素，完成了正常的插入，然后线程A获得时间片，由于之前已经进行了hash碰撞的判断，所有此时不会再进行判断，而是直接进行插入，这就导致了线程B插入的数据被线程A覆盖了，从而线程不安全。
除此之外，在put元素的时候执行到下面这一样代码也会出现线程不安全问题。这行处有个++size，假设线程A、B，这两个线程同时进行put操作时，假设当前HashMap的size大小为5，当线程A执行到此行代码时，从主内存中获得size的值为5后准备进行+1操作，但是由于时间片耗尽只好让出CPU，线程B拿到CPU还是从主内存中拿到size的值5进行+1操作，完成了put操作并将size=6写回主内存，然后线程A再次拿到CPU并继续执行(此时size的值仍为5)，当执行完put操作后，还是将size=6写回内存，此时，线程A、B都执行了一次put操作，但是size的值只增加了1，所有说还是由于数据覆盖又导致了线程不安全。
于是在多线程并发处理下，ConcurrentHashMap解决了HashMap在put操作的时候数据被覆盖问题。ConcurrentHashMapUML图如下图所示：
1.2 构造方法
ConcurrentHashMap一共有5个构造方法，如下图所示：
/**
* 创建一个空的map，使用默认的初始容量大小（16）
*/
public ConcurrentHashMap() {
}
/**
* 创建一个空的map，指定初始容量的大小
*/
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;
}
/**
* 创建一个空的map，指定初始容量和负载因子的大小
*/
public ConcurrentHashMap(int initialCapacity, float loadFactor) {
this(initialCapacity, loadFactor, 1);
}
/**
* 创建一个空的map，指定初始容量、负载因子大小和并发更新线程的数量
*/
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;
}
可以发现，在new 出一个map 的实例时，并不会创建其中的数组等等相关的部件，只是进行简单的属性设置而已，同样的，table 的大小也被规定为必须是2的n次方数。真正的初始化在放在了是在向ConcurrentHashMap中插入元素的时候发生的。如调用put、computeIfAbsent、compute、merge 等方法的时候，调用时机是检查table==null。
1.3 基本属性
常量
- static final int MAXIMUM_CAPACITY：table的最大容量，如果任何一个带参数的构造函数指定了较大的值，则使用。大小为1 << 30，也就是1*2的30次方。
- static final int DEFAULT_CAPACITY：table的默认初始容量，在构造函数中未指定时使用，默认大小为16。
- static final int MAX_ARRAY_SIZE：可能数组的最大大小(非2的幂)。
- static final int DEFAULT_CONCURRENCY_LEVEL：table的默认并发级别，在构造函数中未指定时使用，默认大小为16。
- static final float LOAD_FACTOR：table的负载因子
- static final int TREEIFY_THRESHOLD：由链表转换为红黑树的阈值，默认值为8，当新put的元素是链表的第8个元素的时候，将链表转换为红黑树。
- static final int UNTREEIFY_THRESHOLD：由红黑树转换为链表的阈值，默认值为6，当红黑树中元素个数小于等于6的时候，将红黑树转换为链表。
- static final int MIN_TREEIFY_CAPACITY：转化为红黑树的表的最小容量。默认值为64，bins可能被treeified的最小容量。应该至少为 4*TREEIFY_THRESHOLD，以避免 resizing 和 treeification thresholds之间的冲突。在调用treeifyBin()方法进行链表转红黑树时，先判断数组大小是否小于MIN_TREEIFY_CAPACITY，如果小于不会进行红黑树的转换，使用resize()代替。
- static final int MIN_TRANSFER_STRIDE：每次进行转移的最小值
- static int RESIZE_STAMP_BITS：生成sizeCtl所使用的bit位数，默认值为16。
- static final int MAX_RESIZERS：进行扩容所允许的最大线程数 65535 ，通过此计算而来 (1 << (32 - RESIZE_STAMP_BITS)) - 1。
- static final int RESIZE_STAMP_SHIFT：记录sizeCtl中的大小所需要进行的偏移位数 16，通过此计算而来 32 - RESIZE_STAMP_BITS。
成员变量
- transient volatile Node<K,V>[] table：存储数据元素的数组
- transient volatile int sizeCtl：用来控制table的初始化和扩容操作。
负数代表正在进行初始化或扩容操作，-1代表正在初始化，-N表示有N-1个线程正在进行扩容操作；0 为默认值，代表当时的table 还没有被初始化。正数表示初始化大小或Map 中的元素达到这个数量时，需要进行扩容了。
2、数据结构
JDK1.8 ConcurrentHashMap的数据结构跟JDK1.7 ConcurrentHashMap的数据结构有比较大的区别，取消了segments字段，直接采用transient volatile Node<K,V>[] table 保存数据，采用table数组元素作为锁，从而实现了对缩小锁的粒度，进一步减少并发冲突的概率，并大量使用了采用了CAS + synchronized 来保证并发安全性。
将原先table数组＋单向链表的数据结构，变更为table数组＋单向链表＋红黑树的结构。对于hash表来说，最核心的能力在于将key hash之后能均匀的分布在数组中。如果hash 之后散列的很均匀，那么table数组中的每个队列长度主要为0 或者1。但实际情况并非总是如此理想，虽然ConcurrentHashMap类默认的加载因子为0.75，但是在数据量过大或者运气不佳的情况下，还是会存在一些队列长度过长的情况，如果还是采用单向列表方式，那么查询某个节点的时间复杂度为O(n)；因此，对于元素个数超过8(默认值)的链表，jdk1.8 中采用了红黑树的结构，那么查询的时间复杂度可以降低到O(logN)，可以改进性能。
使用Node（1.7 为Entry）作为链表的数据结点，仍然包含key，value，hash 和next 四个属性。红黑树的情况使用的是TreeNode（extends Node）。根据数组元素中，第一个结点数据类型是Node 还是TreeNode 可以判断该位置下是链表还是红黑树。
JDK1.8数据结构如下图所示：
3、源码解析
3.1 put过程分析
在分析put操作之前，我们先来看看其中的几个核心方法，他们都是利用硬件级别的原子操作来操作数据，分别是tabAt(Node<K,V>[] tab, int i)，casTabAt(Node<K,V>[] tab, int i, Node<K,V> c, Node<K,V> v)，setTabAt(Node<K,V>[] tab, int i, Node<K,V> v)。
/**
* 利用硬件级别的原子操作，获得在i位置上的Node节点
* Unsafe.getObjectVolatile可以直接获取指定内存的数据，
* 保证了每次拿到数据都是最新的
*/
static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) {
return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE);
}
/**
* 利用CAS操作设置i位置上的Node节点
*/
static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i,
Node<K,V> c, Node<K,V> v) {
return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v);
}
/**
* 利用硬件级别的原子操作，设置在i位置上的Node节点
* Unsafe.putObjectVolatile可以直接设定指定内存的数据，
* 保证了其他线程访问这个节点时一定可以看到最新的数据
*/
static final <K,V> void setTabAt(Node<K,V>[] tab, int i, Node<K,V> v) {
U.putObjectVolatile(tab, ((long)i << ASHIFT) + ABASE, v);
}
put(K key, V value)方法
ConcurrentHashMap的put方法就是沿用HashMap的put 方法的思想，根据hash 值
计算这个新插入的元素在table中的位置 i，如果 i 位置是空的，直接放进去即可；否则进行如下判断，如果 i 位置是树节点，则按照树的方式插入新的节点，否则把元素插入到 i 位置链表的末尾。
从整体流程上来看：
- 定义不允许 key 或 value 为 null
- 利用 spread() 方法对 key 的hashcode 进行一次hash 计算，由此来确定这个值在 table 中的 i 位置。
- 如果 i 位置是空的，那么直接放入，而且不需要加锁操作。
- 如果 i 位置存在节点，说明发生了 hash 碰撞，首先判断这个节点的类型。如果是链表节点，则得到的节点就是 hash 值相同的节点组成的链表的头节点。需要依次向后遍历确定这个新加入的值所在位置。
- 如果遇到 hash 值与 key 值都与新加入节点是一致的情况，则只需要更新 value 值即可。否则依次向后遍历，直到链表尾插入这个节点。
- 如果加入这个节点以后链表长度大于8，就把这个链表转换成红黑树。
- 如果 i 位置处的这个节点类型已经是树节点，直接调用树节点的插入方法进行插入新的值。
/**
*
* 将指定的key-value存储到map中，并且key和value都不能为空，如果传入的key或者value为空，则会报空指针异常。
*
*/
public V put(K key, V value) {
return putVal(key, value, false);
}
final V putVal(K key, V value, boolean onlyIfAbsent) {
// 如果key或者value为null，则抛出空指针异常
if (key == null || value == null) throw new NullPointerException();
// 计算hash值
int hash = spread(key.hashCode());
int binCount = 0;
// 死循环，直到插入成功才跳出循环
for (Node<K,V>[] tab = table;;) {
// f表示tab数组i位置处链表的头结点或者是红黑树的根节点；n表示tab数组的长度；i表示tab数组下标；fh表示是链表(fh>0)的节点还是树的节点
Node<K,V> f; int n, i, fh;
// 如果tab为null或者tab的长度n为0，则需要对tab进行初始化操作。表示第一次put元素
if (tab == null || (n = tab.length) == 0)
tab = initTable();
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { // 获取tab数组中i位置处的值，如果值为null，表示该位置没有值
// tab数组中i位置处没有值，使用CAS操作put元素
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
else if ((fh = f.hash) == MOVED)
// 正在进行扩容，当前线程帮忙扩容
tab = helpTransfer(tab, f);
else {
V oldVal = null;
// 锁Node数组中的元素，这个位置是Hash冲突组成链表的头结点或者是红黑树的根节点
synchronized (f) {
// 判断i位置处的元素数据是否等于f节点的数据，只有相等才表示是i位置处的第一个元素
if (tabAt(tab, i) == f) {
// fh>0 说明这个节点是一个链表的节点，不是树的节点
if (fh >= 0) {
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
// put操作和putIfAbsent操作业务实现，判断Node节点中是否存在相同的key
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
// 判断是否替换旧值
if (!onlyIfAbsent)
e.val = value;
break;
}
// 新put元素的前驱节点
Node<K,V> pred = e;
// 如果遍历到了最后一个结点，使用尾插法,把它插入在链表尾部
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
// tab数组中第一个元素是一个树节点，按照树的方式插入值
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) {
// 达到临界值8 就需要把链表转换为树结构或者对数组进行扩容，后续会详细介绍treeifyBin方法。
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
// Map的元素数量+1，并检查是否需要扩容
addCount(1L, binCount);
return null;
}
initTable()方法
初始化方法，initTable()过程分析.从前面分析的构造方法中不难看出，在构造方法中并没有真正初始化，真正的初始化在放在了是在向ConcurrentHashMap中put元素的时候初始化的。具体实现的方法就是initTable()方法，详细分析如下。
/**
* 初始化table，使用sizeCtl记录的大小
*/
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
while ((tab = table) == null || tab.length == 0) {
// sizeCtl < 0，表示有其他线程正在进行初始化操作
if ((sc = sizeCtl) < 0)
// 让出当前线程CPU时间，对应table数组的初始化工作，只能有一个线程来处理
Thread.yield(); // lost initialization race; just spin
// 使用CAS操作，将sizeCtl设置为-1，代表当前线程抢到了锁，可以对table进行初始化了
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
if ((tab = table) == null || tab.length == 0) {
// 如果 sc > 0，使用初始化时提供的大小，否则使用DEFAULT_CAPACITY默认初始容量是16
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
// 初始化数组，长度为16或初始化时提供的长度
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
// 将初始化的数组 nt 赋值给 table，table 是 volatile 的，保证了对其他线程的可见性
table = tab = nt;
// n右移2位，其实就是n变为n原值的1/4，也就是 sc = 0.75 * n，如果数组长度n为16，则这里 sc = 12，
sc = n - (n >>> 2);
}
} finally {
// 设置 sizeCtl 为 sc，扩容的阈值
sizeCtl = sc;
}
break;
}
}
return tab;
}
treeifyBin(Node<K,V>[] tab, int index)方法
链表转红黑树，treeifyBin(Node<K,V>[] tab, int index)方法。用于将过长的链表转换为TreeBin对象，但是并不是直接转换红黑树，而是进行一次容量判断，如果容量没有达到转换的要求，直接进行扩容操作并返回；如果满足条件才将链表的结构转换为TreeBin，这与HashMap不同的是，它并没有把TreeNode直接放入红黑树，而是利用了TreeBin这个小容器来封装所有的TreeNode。接下来我们就对此方法进行详细的分析。
private final void treeifyBin(Node<K,V>[] tab, int index) {
Node<K,V> b; int n, sc;
if (tab != null) {
// 如果tab数组长度n小于MIN_TREEIFY_CAPACITY（默认为64）的时候，不会将链表转换为红黑树
if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
// 对数组进行扩容操作
tryPresize(n << 1);
// 获取节点信息，b是头结点
else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
// 给节点b加锁
synchronized (b) {
// 再次判断是否为同一节点信息
if (tabAt(tab, index) == b) {
TreeNode<K,V> hd = null, tl = null;
// 遍历链表，建立一颗红黑树
for (Node<K,V> e = b; e != null; e = e.next) {
// 创建一个节点p
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;
}
// 将红黑树设置到数组相应位置中，利用了TreeBin这个小容器来封装所有的TreeNode
setTabAt(tab, index, new TreeBin<K,V>(hd));
}
}
}
}
}
tryPresize(int size)方法
扩容操作，tryPresize(int size)方法。需要注意的是，调用tryPresize方法的时候，参数size已经翻倍，该过程需要结合transfer方法来完成完整的扩容操作。
sizeCtl变量：用来控制table的初始化和扩容操作。负数代表正在进行初始化或扩容操作，-1代表正在初始化，-N表示有N-1个线程正在进行扩容操作；0 为默认值，代表当时的table 还没有被初始化。正数表示初始化大小或Map 中的元素达到这个数量时，需要进行扩容了。
private final void tryPresize(int size) {
// 如果size大于等于最大容量MAXIMUM_CAPACITY的一半，则c的值为MAXIMUM_CAPACITY，否则c值为：size * 1.5 + 1，再往上取最近的2的n次方。
int c = (size >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY :
tableSizeFor(size + (size >>> 1) + 1);
int sc;
//此时的sizeCtl是cap * 0.75，扩容阈值，如果sizeCtl为正数或者0
while ((sc = sizeCtl) >= 0) {
Node<K,V>[] tab = table; int n;
// 这个if判断逻辑跟之前的初始化数组的initTable()方法代码基本一致，如果table还未进行初始化，则执行以下代码
if (tab == null || (n = tab.length) == 0) {
// 计算数组长度
n = (sc > c) ? sc : c;
//使用 CAS 将 sizeCtl 设为-1，表示 table 正在进行初始化操作
if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
// 表示table没有被其他线程修改过
if (table == tab) {
@SuppressWarnings("unchecked")
// 初始化一个Node数组，大小为n，并赋值给table
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = nt;
sc = n - (n >>> 2); // 0.75 * n
}
} finally {
// 无论发生什么情况，都要给sizeCtl赋值
sizeCtl = sc;
}
}
}
// 如果c的大小未达到扩容的阈值或者数组长度n大于等于最大容量值，则直接 break
else if (c <= sc || n >= MAXIMUM_CAPACITY)
break;
else if (tab == table) { //tab == table说明还没开始迁移节点
/**返回table的生成戳stamp bits，每个n都有不同的生成戳stamp bits，结果必须是一个负数。
* static final int resizeStamp(int n) {
* return Integer.numberOfLeadingZeros(n) | (1 << (RESIZE_STAMP_BITS - 1));
* }
* Integer.numberOfLeadingZeros(n)在指定 int 值的二进制补码表示形式中最高位（最左边）的 1 位之前，返回零位的数量
* 例如 n为16 0001 0000 则Integer.numberOfLeadingZeros(n)为27，因为n为2的幂次方，因此不同的n此结果也不同
* 然后与(1 << (RESIZE_STAMP_BITS - 1)) | ，相当于2^15 | n中0的个数。
* (因此其左移16位后符号位为1，结果肯定是个负数)
*/
int rs = resizeStamp(n);
if (sc < 0) {
Node<K,V>[] nt;
/**
* 1.第一个判断，sc右移 RESIZE_STAMP_SHIFT 位，也就是比较高 ESIZE_STAMP_BITS 位生成戳和rs是否相等，相等则代表是同一个n，是在同一容量下进行的扩容
* 2.第二个判断，sc == rs + 1，扩容结束了，不再有线程进行扩容。默认第一个线程设置 sc ==rs 左移 16 位 + 2，当第一个线程结束扩容了，就会将 sc 减一，此时，sc 就等于 rs + 1。
* 3.第三个判断，判断当前帮助扩容线程数是否已达到MAX_RESIZERS最大扩容线程数
* 4.第四个判断，表示的是扩容新建的数组，如果nextTable 为null，表示已经转到扩容完成，nextTable已经被置为空。
* 5.第五个判断，transferIndex是数组分配索引，多线程扩容的基础，transferIndex <= 0 表示需要transfer的数组已经被分配完了。
*/
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex <= 0)
break; // 扩容已经结束，中断循环
// 使用 CAS 操作将 sizeCtl 加 1，然后执行 transfer 方法，此时 nextTab 不为 null，sc 加 1 表示多了一个线程在帮助扩容
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
transfer(tab, nt);
}
/**
* 触发扩容（第一个进行扩容的线程）
* 如果没有线程在进行扩容，那么使用CAS操作修改sizeCtl值，作为扩容的第一个发起线程，rs左移RESIZE_STAMP_SHIFT位+2，左移结果为一个负数，代表有一个线程正在进行扩容操作
*
* 此时sizeCtl高 RESIZE_STAMP_BITS 位为生成戳，低 RESIZE_STAMP_SHIFT 位为扩容线程数
*/
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
//第一个发起transfer数据的线程，传入nextTable为null
transfer(tab, null);
}
}
}
tryPresize方法的核心在于 sizeCtl 值的操作，首先第一个线程来扩容的时候，将其设置为一个负数，然后执行 transfer(tab, null)方法，方法参数 nextTab 为 null；之后的循环将 sizeCtl 加 1，并执行 transfer(tab, nt)方法，方法参数 nextTab 不为 null。因此，可能的操作就是执行 1 次 transfer(tab, null) + 多次 transfer(tab, nt)。
helpTransfer(Node<K,V>[] tab, Node<K,V> f)方法
如果其他线程正在扩容，则帮助其他线程一起对table进行扩容操作。跟踪该方法在putVal或者其他方法源码中的使用，发现只有在桶的头节点的hash值为Moved时才会调用，功能是帮助迁移节点
final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
Node<K,V>[] nextTab; int sc;
/**
* 1、如果tab不为null，且节点f的hash值为MOVED，说明f节点是ForwardingNode，且nextTable不为null，才会执行该方法的以下逻辑
* 2、如果nextTable为null，表示已经transfer完成了
*/
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) {
/**
* 1.第一个判断，sc右移 RESIZE_STAMP_SHIFT 位，也就是比较高 ESIZE_STAMP_BITS 位生成戳和rs是否相等，相等则代表是同一个n，是在同一容量下进行的扩容
* 2.第二个判断，sc == rs + 1，扩容结束了，不再有线程进行扩容。默认第一个线程设置 sc ==rs 左移 16 位 + 2，当第一个线程结束扩容了，就会将 sc 减一，此时，sc 就等于 rs + 1。
* 3.第三个判断，判断当前帮助扩容线程数是否已达到MAX_RESIZERS最大扩容线程数
* 4.第五个判断，transferIndex是数组分配索引，多线程扩容的基础，transferIndex <= 0 表示需要transfer的数组已经被分配完了。
*/
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || transferIndex <= 0)
break;
//只要有一个线程来帮助transfer，sizeCtl就+1，初始值为(rs << RESIZE_STAMP_SHIFT) + 2)（具体请看tryPresize()方法中的逻辑），之后再transfer中会用到
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
transfer(tab, nextTab);
break;
}
}
return nextTab;
}
return table;
}
addCount(long x, int check)方法
addCount(long x, int check)方法，用于记录map中节点的总数量，当总节点数量超过sizeCtl值时，则对数组执行扩容操作，将数组长度扩大为原来的2倍。
private final void addCount(long x, int check) {
CounterCell[] as; long b, s;
// 如果计数器单元表（counterCells）不为null或者计数器单元表为null，且对baseCount做+1（参数x）操作，且更新失败了，则执行以下代码
if ((as = counterCells) != null ||
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
// 虽然对baseCount做+1操作失败了，但是s = b + x 依然保留了下来，s记录了当前map中总节点个数
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))) {
fullAddCount(x, uncontended);
return;
}
// 如果 check <= 1 ，则不作任何操作；调用addCount方法时，参数 binCount=1，说明是链表，且替换了head节点的val值
// 或者数组是空的， 添加新的head，就不做数组扩容的操作了
// binCount=1,就没必要对数据做扩容
if (check <= 1)
return;
// 用计数器单元表来保存所有总节点数量，并返回总节点数量
s = sumCount();
}
if (check >= 0) {
Node<K,V>[] tab, nt; int n, sc;
// 如果map中添加的节点总数s大于sizeCtl，则执行数组扩容操作，将数组的长度扩大为原来的2倍
while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
(n = tab.length) < MAXIMUM_CAPACITY) {
/**返回table的生成戳stamp bits，每个n都有不同的生成戳stamp bits，结果必须是一个负数。
* static final int resizeStamp(int n) {
* return Integer.numberOfLeadingZeros(n) | (1 << (RESIZE_STAMP_BITS - 1));
* }
* Integer.numberOfLeadingZeros(n)在指定 int 值的二进制补码表示形式中最高位（最左边）的 1 位之前，返回零位的数量
* 例如 n为16 0001 0000 则Integer.numberOfLeadingZeros(n)为27，因为n为2的幂次方，因此不同的n此结果也不同
* 然后与(1 << (RESIZE_STAMP_BITS - 1)) | ，相当于2^15 | n中0的个数。
* (因此其左移16位后符号位为1，结果肯定是个负数)
*/
int rs = resizeStamp(n);
// 如果sc < 0，表示正在扩容
if (sc < 0) {
/**
* 1.第一个判断，sc右移 RESIZE_STAMP_SHIFT 位，也就是比较高 ESIZE_STAMP_BITS 位生成戳和rs是否相等，相等则代表是同一个n，是在同一容量下进行的扩容
* 2.第二个判断，sc == rs + 1，扩容结束了，不再有线程进行扩容。默认第一个线程设置 sc ==rs 左移 16 位 + 2，当第一个线程结束扩容了，就会将 sc 减一，此时，sc 就等于 rs + 1。
* 3.第三个判断，判断当前帮助扩容线程数是否已达到MAX_RESIZERS最大扩容线程数
* 4.第四个判断，表示的是扩容新建的数组，如果nextTable 为null，表示已经转到扩容完成，nextTable已经被置为空。
* 5.第五个判断，transferIndex是数组分配索引，多线程扩容的基础，transferIndex <= 0 表示需要transfer的数组已经被分配完了。
*/
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex <= 0)
break; // 扩容已经结束，中断循环
// 使用 CAS 操作将 sizeCtl 加 1，然后执行 transfer 方法，此时 nextTab 不为 null，sc 加 1 表示多了一个线程在帮助扩容
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
transfer(tab, nt);
}
/**
* 触发扩容（第一个进行扩容的线程）
* 如果没有线程在进行扩容，那么使用CAS操作修改sizeCtl值，作为扩容的第一个发起线程，rs左移RESIZE_STAMP_SHIFT位+2，左移结果为一个负数，代表有一个线程正在进行扩容操作
*
* 此时sizeCtl高 RESIZE_STAMP_BITS 位为生成戳，低 RESIZE_STAMP_SHIFT 位为扩容线程数
*/
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
//第二个参数为null会初始化新数组nextTable，确保只有一个线程新建table。始扩容。默认将数组长度扩容为原来的2倍。
transfer(tab, null);
s = sumCount();
}
}
}
transfer(Node<K,V>[] tab, Node<K,V>[] nextTab)方法
transfer()方法代码实在是有点长了，将原来的 tab 数组的元素迁移到新的 nextTab 数组中，不过各位不要担心看不懂，下面我们来慢慢分析。当 ConcurrentHashMap 容量不足的时候，需要对 table 进行扩容。这个方法的基本思想跟 HashMap 是很像的，但是由于它是支持并发扩容的，所以要复杂的多。
为何要并发扩容？因为在扩容的时候，总是会涉及到从一个“数组”到另一个“数组”拷贝的操作，如果这个操作能够并发进行，就能利用并发处理去减少扩容带来的时间影响。
首先我们先来看看有哪几个地方调用了transfer方法，一共会有以下3个地方调用transfer方法，它们分别是 addCount(long x, int check) 方法、helpTransfer(Node<K,V>[] tab, Node<K,V> f) 方法和tryPresize(int size) 方法。transfer方法支持多线程执行，在外围调用的时候会保证第一个发起数据迁移的线程在调用transfer方法的时候参数 nextTab 为null，之后再调用transfer方法的时候参数 nextTab 不为 null。
在阅读源码之前，先要理解并发操作的机制。原数组长度为 n，所以我们有 n 个迁移任务，让每个线程每次负责一个小任务是最简单的，每做完一个任务再检测是否有其他没做完的任务，帮助迁移就可以了，并发编程大师 Doug Lea 使用了一个 stride，默认值为 MIN_TRANSFER_STRIDE（16），简单理解就是步长，每个线程每次负责迁移其中的一部分，每次迁移 16 个小任务。
所以，我们就需要一个全局的调度者来安排哪个线程执行哪几个任务，这个就是属性 transferIndex 的作用。
第一个发起数据迁移的线程会将 transferIndex 指向原数组最后的位置，然后从后往前的 stride 个任务属于第一个线程，然后将 transferIndex 指向新的位置，再往前的 stride 个任务属于第二个线程，依此类推。当然，这里说的第二个线程不是真的一定指代了第二个线程，也可以是同一个线程，这个读者应该能理解吧。整个过程，其实就是将一个大的迁移任务分为了一个个任务包。
整个扩容操作分为两个部分：
- 第一部分是构建一个nextTable，它的容量是原来的2 倍。
if (nextTab == null) { // initiating
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;
}
- 第二个部分就是将原来 table 中的元素复制到 nextTab 中，这里允许多线程进行操作。
整个扩容流程就是遍历和复制：
- 为 null 或者已经处理过的节点，会被设置为 ForwardingNode 节点，当线程准备扩容时，发现节点是 ForwardingNode 节点，跳过这个节点，继续寻找未处理的节点，找到了，对节点上锁 synchronized。
- 如果这个位置是 Node 节点（fh>=0），说明它是一个链表，就构造一个反序链表，把他们分别放在 nextTab 的 i 和 i+n 的位置上。
- 如果这个位置是 TreeBin 节点（fh<0），也做一个反序处理，并且判断是否需要红黑树转链表，把处理的结果分别放在 nextTab 的 i 和 i+n 的位置上。
- 遍历过所有的节点以后就完成了复制工作，这时让 nextTab 作为新的table，并且更新 sizeCtl 为新容量的0.75 倍，完成扩容。详细代码请见 if (finishing) {} 代码块。
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
// n表示旧table数组的长度；stride表示步长，也就是每个线程处理迁移的节点数
int n = tab.length, stride;
/**
* 1、单核CPU条件下 stride 为 n
* 2、多核CPU条件下 stride 为 (n >>> 3) / NCPU，最小值为 MIN_TRANSFER_STRIDE（默认16）
* 3、将n个任务拆分成多个任务包，每个任务包有stride个任务
*/
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
// 如果nextTab为null，需要进行初始化操作，只有第一个线程执行的时候需要执行以下初始化操作，参数nextTab为null，后续线程调用改方法的时候nextTab不为null
if (nextTab == null) { // initiating
try {
@SuppressWarnings("unchecked")
// 容量为原来table的2倍
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;
}
// 将nextTab赋值给nextTable，nextTable为全局属性
nextTable = nextTab;
// 将n赋值给transferIndex，transferIndex也是一个全局属性，用于控制迁移位置
transferIndex = n;
}
int nextn = nextTab.length;
// 创建一个ForwardingNode节点，nextTab作为参数，key、value、next都为null，hash为MOVED，nextTable全局属性为nextTab
// TODO 主要用于判断原数组中i位置处的节点是否迁移完成，原数组中位置i处的节点完成迁移工作后，就会将位置i处设置为这个ForwardingNode，用来告诉其他线程该位置已经处理过了，所以它其实相当于是一个标志。
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
// advance为true表示可以继续迁移下一个节点，false表示停止迁移
boolean advance = true;
// 是否结束迁移
boolean finishing = false; // to ensure sweep before committing nextTab
// i是当前迁移位置的索引，bound是迁移的边界，需要注意的是从后往前的顺序
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
//一个while循环，循环里面有三个if条件判断语句，而且每个分支都有把advance=false
//分析场景：table.length=32，此时执行到这个地方nextTab.length=64 A,B线程同时进行扩容。
//A，B线程同时执行到while循环中cas这段代码
//A线程获第一时间抢到资源，设置bound= nextBound=16 i = nextIndex - 1=31 A线程搬运table[31]~table[16]中间16个元素
//B线程再次回到while起点，然后在次获取到 bound = nextBound-0，i=nextIndex - 1=15，B线程搬运table[15]~table[0]中间16个元素
// advance为true，表示可以进行下一个节点的迁移，i指向了transferIndex，bound指向了transferIndex-stride
while (advance) {
int nextIndex, nextBound;
// while循环迁移的 --i 条件，第一个条件一直为true，finishing为true则迁移任务结束
if (--i >= bound || finishing)
advance = false;
// 将上一次迁移之后的边界transferIndex值赋给nextIndex，如果transferIndex小于等于0，说明原数组的所有位置都有相应的线程去处理了，则当前线程不用transfer了
else if ((nextIndex = transferIndex) <= 0) {
i = -1;
advance = false;
}
//使用CAS操作，将nextBound赋值给transferIndex，nextBound = nextIndex - stride（上一个边界减去步长）
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ?
nextIndex - stride : 0))) {
// nextBound表示这次迁移任务的边界，需要注意的是从后往前
bound = nextBound;
i = nextIndex - 1; // 上一个边界-1，i即为开始迁移的位置
advance = false;
}
}
// i < 0，表示迁移任务已经完成了，这个i在上面while循环中，当transferIndex=0时候，i=-1。
if (i < 0 || i >= n || i + n >= nextn) {
int sc;
//如果finishing=true，说明扩容所有工作完成，然后跳出循环
if (finishing) {
nextTable = null; // 所有的迁移操作已经完成，将nextTable赋值为null
table = nextTab; // 将新的nextTab赋值给table 属性，完成迁移
sizeCtl = (n << 1) - (n >>> 1); // 重新计算sizeCtl值，为新数组长度 n * 0.75
return;
}
/**
* 1、在第一个线程调用改方法前，将sizeCtl设置为 (rs << RESIZE_STAMP_SHIFT) + 2，之后的每有一个线程参与迁移就会将 sizeCtl + 1
* 2、当前线程已经完成迁移工作，使用CAS操作将 sizeCtl - 1，代表做完了自己的任务
*/
if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {
// 不相等说明还有其他线程没完成迁移，该线程结束任务
if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)
return;
//如果相等，则说明所有线程都完成任务了，只有最后一个线程能执行到这块代码，用来完成扩容最后一部分工作，将设置finish为true，会进入上面的if(finishing){}
finishing = advance = true;
i = n; // recheck before commit
}
}
// 如果i位置处没有任何节点，则放入上面初始化的ForwardingNode节点，fwd为空节点
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
//如果该位置处为ForwardingNode节点，则表示该位置已经被迁移过了，就可以开始迁移下一个节点了
else if ((fh = f.hash) == MOVED)
advance = true; // already processed 都已经处理过了
else {
// 对数组i位置处的节点进行加锁，开始迁移该位置处的数据
synchronized (f) {
// 再次判断是否是同一个节点
if (tabAt(tab, i) == f) {
Node<K,V> ln, hn;
// fh >= 0，头节点的hash值大于0，表示节点是一个链表结构，就构造一个反序链表，把他们分别放在nextTable的i和i+n的位置上
if (fh >= 0) {
// 将链表一分为二，找到原链表中的 lastRun，然后lastRun及其之后的节点是一起进行迁移的，lastRun之前的节点需要进行克隆，然后分到两个链表中
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);
}
// 一个链表放在新数组的i位置处
setTabAt(nextTab, i, ln);
// 另一个链表放在新数组的i+n位置处
setTabAt(nextTab, i + n, hn);
// 将原数组i位置处设置为 ForwardingNode节点，表示i位置处的数据已经处理完毕，其他线程只要看到该位置的hash值为MOVED，就不会进行迁移了
setTabAt(tab, i, fwd);
// advance 设置为 true，代表该位置已经迁移完毕，返回到上面的while循环中，就可以执行i--操作了
advance = true;
}
// 节点为红黑树，迁移红黑树上的节点数据
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;
}
}
// 一分为二之后，如果节点数小于等于树化阈值，则将红黑树转换为链表结构
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;
// 将 ln 放置在新数组的i位置处
setTabAt(nextTab, i, ln);
// 将 hn 放置在新数组的i + n位置处
setTabAt(nextTab, i + n, hn);
// 将原数组i位置处设置为 ForwardingNode节点，表示i位置处的数据已经处理完毕，其他线程只要看到该位置的hash值为MOVED，就不会进行迁移了
setTabAt(tab, i, fwd);
// advance 设置为 true，代表该位置已经迁移完毕，返回到上面的while循环中，就可以执行i--操作了
advance = true;
}
}
}
}
}
}
3.2 get过程分析
根据指定的key返回对应的value，如果map中不存在指定的key，则返回null。get方法比较简单，给定一个key来确定value的时候，必须满足两个条件key相同hash值相同，对于节点可能在链表或树上的情况，需要分别去查找。
public V get(Object key) {
// 定义tab数组；当前节点e；当前节点是树p；tab数组的长度n；当前节点的hash值eh；当前节点的key值ek；
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
// 计算key的hash值
int h = spread(key.hashCode());
// 如果tab不为null，且tab的长度你大于0 ，且根据hash值计算出来tab位置处有值
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
// 如果当前节点的hash值与传入参数key的hash值相等，key也相等，则当前节点e就是要找的节点
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
// 如果 eh < 0，说明这个节点在树上，调用树的find方法寻找节点数据
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
// 代码执行到这一步说明是个链表，遍历链表找到对应的值并返回
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
3.3 remove过程分析
移除方法的基本流程和put 方法很类似，只不过操作由插入数据变为移除数据而已，而且如果存在红黑树的情况下，会检查是否需要将红黑树转为链表的步骤。
public V remove(Object key) {
return replaceNode(key, null, null);
}
/**
* 根据指定的 key 删除节点或者更新节点value
* @param key 删除或者更新节点的 key
* @param value 当 value==null 时 ，删除节点，否则更新节点的值为value。在replace方法中调用时参数 value 值不为 null。
* @param cv 一个期望值，当 map[key].value 等于期望值 cv 或者 cv==null的时候 ，删除节点，或者更新节点的值
* @return
*/
final V replaceNode(Object key, V value, Object cv) {
int hash = spread(key.hashCode());
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
// 如果 tab 为 null 或者 tab 长度 n 为0 再或者 tab 数组的 i 位置处值为 null，则直接返回
if (tab == null || (n = tab.length) == 0 ||
(f = tabAt(tab, i = (n - 1) & hash)) == null)
break;
// tab 数组正在扩容
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
else {
V oldVal = null;
boolean validated = false;
// 给当前节点加上同步锁
synchronized (f) {
// 利用硬件级别的原子操作，获得在 i 位置上的 Node 节点，相等则说明第一个节点没有发生变化
if (tabAt(tab, i) == f) {
// 如果 fh >= 0，表示链表节点
if (fh >= 0) {
validated = true;
for (Node<K,V> e = f, pred = null;;) {
K ek;
// 与当前节点 e 的 key 和 hash 值进行比较
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
// 当前节点的value值
V ev = e.val;
// 符合更新 value 或者删除节点的条件
if (cv == null || cv == ev ||
(ev != null && cv.equals(ev))) {
oldVal = ev;
// 更新 value，在 replace 方法中调用该方法时执行
if (value != null)
e.val = value;
// 删除非头节点
else if (pred != null) // 前驱节点不为 null
// 前驱节点的后继节点为 e 的后继节点，即删除了 e 节点
pred.next = e.next;
// 删除头节点
else
setTabAt(tab, i, e.next); // 设置 tab 数组中下标为 i 的值为 e.next
}
break;
}
// 当前节点不是目标删除节点，继续遍历下一个节点
pred = e;
// 已经遍历循环到了链表尾部，仍然没有找到需要删除的节点，则跳出循环
if ((e = e.next) == null)
break;
}
}
// 表示节点是红黑树节点
else if (f instanceof TreeBin) {
validated = true;
// 节点类型强制转换为 TreeBin
TreeBin<K,V> t = (TreeBin<K,V>)f;
TreeNode<K,V> r, p;
// 根节点不为 null，并且存在与指定hash和key相等的结点
if ((r = t.root) != null &&
(p = r.findTreeNode(hash, key, null)) != null) {
V pv = p.val;
if (cv == null || cv == pv ||
(pv != null && cv.equals(pv))) {
oldVal = pv;
// 更新 value，在 replace 方法中调用该方法时执行
if (value != null)
p.val = value;
// 删除节点
else if (t.removeTreeNode(p))
setTabAt(tab, i, untreeify(t.first));
}
}
}
}
}
if (validated) {
if (oldVal != null) {
if (value == null)
// 如果删除了节点，更新 map 中的 size 大小
addCount(-1L, -1);
return oldVal;
}
break;
}
}
}
return null;
}
本文主要讲解了JDK1.8中的HashMap和ConcurrentHashMap的基本介绍及其put、get、remove过程的源码分析，作者能力有限，难免会在某些地方分析得不到位，如有不正确的地方希望各位读者指正，大家一起进步，希望对各位有所帮助。
备注：博主微信公众号，不定期更新文章，欢迎扫码关注。
7824
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
