多线程篇（其它容器- ConcurrentHashMap）（持续更新迭代）

目录

一、简介

二、为什么要使用

1. 线程不安全的HashMap。

2. 效率低下的HashTable

3. ConcurrentHashMap的锁分段技术可有效提升并发访问率

三、基本结构

四、初始化

1. 初始化segments数组

2. 初始化segmentShift和segmentMask

3. 初始化每个segment

4. 定位Segment

五、基本操作

1. get

2. put

2.1. 是否需要扩容

2.2. 如何扩容

2.3. size操作

---

一、简介

ConcurrentHashMap 是线程安全并且高效的 HashMap。

本节让我们一起研究下该容器是如何在 保证线程安全的同时又能保证高效的操作。

二、为什么要使用

在并发编程中使用HashMap可能导致程序死循环。

而使用线程安全的HashTable效率又非常低下，

基于以上两个原因，便有了ConcurrentHashMap的登场机会。

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。

例如，执行以下代码会引起死循环。

HashMap在并发执行put操作时会引起死循环，是因为多线程会导致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。

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的效率非常低下。

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。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。

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有访问HashTable的线程都必须竞争同一把

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据段的数据

时，线程间就不会存在锁竞争，从而可以有效提高并发访问效率，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。

三、基本结构

通过ConcurrentHashMap的类图来分析ConcurrentHashMap的结构，如下图所示。

ConcurrentHashMap是由Segment数组结构和HashEntry数组结构组成。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HashMap类似，是一种 数组和链表结构。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， 必须首先获得与它对应的Segment锁，如图6-2所示。

四、初始化

ConcurrentHashMap初始化方法是通过initialCapacity、loadFactor和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

来实现的。

1. 初始化segments数组

让我们来看一下初始化segments数组的源代码。

由上面的代码可知，segments数组的长度ssize是通过concurrencyLevel计算得出的。为了能 通过按位与

的散列算法来定位segments数组的索引，必须保证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次方值来作为segments数组的

长度。假如concurrencyLevel等于14、15或16，ssize都会等于16，即容器里锁的个数也是16。

注意 concurrencyLevel的最大值是65535，这意味着segments数组的长度最大为65536，对应的二进制

是16位。

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需要向左移位移动4次，所以sshift等于4。segmentShift用于定位参与

散列运算的位数，segmentShift等于32减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，后面的测试中我们可以看到这点。

segmentMask是散列运算的掩码，等于ssize减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. 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，在构造方法里需要通过这两个参数来初始化数组中的每个segment。

上面代码中的变量cap就是segment里HashEntry数组的长度，它等于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等于零。

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Wang/Jenkins hash的变

种算法对元素的hashCode进行一次再散列。

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。笔者做了一个测试，不通过再散列而直接执行散列计算。

计算后输出的散列值全是15，通过这个例子可以发现，如果不进行再散列，散列冲突会非 常严重，因为只

要低位一样，无论高位是什么数，其散列值总是一样。我们再把上面的二进制 数据进行再散列后结果如下

（为了方便阅读，不足32位的高位补了0，每隔4位用竖线分割下）。

可以发现，每一位的数据都散列开了，通过这种再散列能让数字的每一位都参加到散列 运算当中，从而减

少散列冲突。ConcurrentHashMap通过以下散列算法定位segment。

默认情况下segmentShift为28，segmentMask为15，再散列后的数最大是32位二进制数据， 向右无符

号移动28位，意思是让高4位参与到散列运算中，（hash>>>segmentShift）& segmentMask的运算结

果分别是4、15、7和8，可以看到散列值没有发生冲突。

五、基本操作

1. get

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，再通过散列算法定位到元素，代码如下。

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？原因是它的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Segement大小的count字段和用于存储值的HashEntry的

value。

定义成volatile的变量，能够在线程之间保持可见性，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 （有一种情况可以被多线程写，就是写入的值不依赖于原值），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Java内存模 型的happen

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，这是用volatile替换锁的经典应用场景。

在定位元素的代码里我们可以发现，定位HashEntry和定位Segment的散列算法虽然一样， 都与数组的长度减去

1再相“与”，但是相“与”的值不一样，定位Segment使用的是元素的 hashcode通过再散列后得到的值的高

位，而定位HashEntry直接使用的是再散列后的值。其目的是避免两次散列后的值一样，虽然元素在Segment里

散列开了，但是却没有在HashEntry里散列开。

2. put

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Segment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。

2.1. 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（threshold），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

已经到达容量的，如果到达了就进行扩容，但是很有可能扩容 之后没有新元素插入，这时HashMap就进行了一次

无效的扩容。

2.2. 如何扩容

在扩容的时候，首先会创建一个容量是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的数

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。

2.3. 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

能累加前使用的count发生了变化，那么统计结果就不准了。所以，最安全的做法是在统计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 果统计的过程中，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。