为什么要再写一篇ConcurrentHashMap的文章，有下面几个原因：
1. jdk1.8 和我上次写的1.6版本的在实现上差距很大，我也是今天看了下才发现，去年又一次去面试刚好问道这个地方了，我就胸有成竹的回答了有关同步，锁，效率的问题，今天一看基本全错了。
2. 上次写的文章有点笼统，没有触及到问题的根本，只是在代码层面走了流程，这次我需要把没完成的问题一一解决。
所以此文会解决如下几个问题：
1. 基本结构是什么样的，关键的操作（增加，修改，删除会如何影响结构）
2. 既然遍历可以不像HashTable一样出异常，那么它是怎么做到的
3. 同样比HashTable快，又快在哪里，为什么会快呢
一、基本结构&基本操作
我们都知道HashMap的数据结构是数组＋链表的结构，我之前认为高端一点的说法应该是邻接表的结构，但是我上网搜了下很少有人直接说是邻接表。
//数组
/**
* The array of bins. Lazily initialized upon first insertion.
* Size is always a power of two. Accessed directly by iterators.
*/
transient volatile Node<K,V>[] table;
/**
* The next table to use; non-null only while resizing.
*/
private transient volatile Node<K,V>[] nextTable;
//链表
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
volatile V val;
volatile Node<K,V> next;
......
}这里会有两个数组的情况，为什么会这样呢，注释上说的清楚，当扩张大小的时候会用到这张表，比如说之前有16个元素的数组，当第16 * LOAD_FACTOR ＋1 ＝ 16* 0.75 ＋1 ＝ 12 ＋1 ＝ 13的时候，会新建一个数组大小为16 << 1 ＝ 32 ，同样下一次的变动大小为 25。如果你想看jdk中是如何变动的，可以看下面的代码
//方法调用为 putVal() -> addCount() -> transfer()
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
try {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];//看这里
......
}
所以添加的时候，会根据key的hash值，映射到当前数组的某一个元素也就是Node，然后在从当前Node找key为新添加元素的k,如果等于表示已经存在key，进行更新操作，否则进行添加操作。添加完之后在看size()是否达到扩展的情况，如果达到了执行上面扩大数据的操作了。这里注意一下，新版本的hash映射到数组元素的算法已经修改了。
/**
* Spreads (XORs) higher bits of hash to lower and also forces top
* bit to 0. Because the table uses power-of-two masking, sets of
* hashes that vary only in bits above the current mask will
* always collide. (Among known examples are sets of Float keys
* holding consecutive whole numbers in small tables.) So we
* apply a transform that spreads the impact of higher bits
* downward. There is a tradeoff between speed, utility, and
* quality of bit-spreading. Because many common sets of hashes
* are already reasonably distributed (so don't benefit from
* spreading), and because we use trees to handle large sets of
* collisions in bins, we just XOR some shifted bits in the
* cheapest possible way to reduce systematic lossage, as well as
* to incorporate impact of the highest bits that would otherwise
* never be used in index calculations because of table bounds.
*/
static final int spread(int h) {
return (h ^ (h >>> 16)) & HASH_BITS;
}
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) throw new NullPointerException();
int hash = spread(key.hashCode()); //这里新的算法
int binCount = 0;
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
if (tab == null || (n = tab.length) == 0)
tab = initTable();
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { //tabAt 也是新的
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)
tab = helpTransfer(tab, f);
else {
V oldVal = null;
synchronized (f) {
if (tabAt(tab, i) == f) {
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;
}
}
}
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) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
addCount(1L, binCount);
return null;
}
tabAt 是根据hash 定位的方法，源代码如下
/*
* Volatile access methods are used for table elements as well as
* elements of in-progress next table while resizing. All uses of
* the tab arguments must be null checked by callers. All callers
* also paranoically precheck that tab's length is not zero (or an
* equivalent check), thus ensuring that any index argument taking
* the form of a hash value anded with (length - 1) is a valid
* index. Note that, to be correct wrt arbitrary concurrency
* errors by users, these checks must operate on local variables,
* which accounts for some odd-looking inline assignments below.
* Note that calls to setTabAt always occur within locked regions,
* and so in principle require only release ordering, not
* full volatile semantics, but are currently coded as volatile
* writes to be conservative.
*/
@SuppressWarnings("unchecked")
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);
}U 是一个sun.misc.Unsafe 的实例,Unsafe是一个低级别的，不安全的方法集合，主要用在一些多线程处理方面的优化，绝大部分是native的方法。
二、安全的遍历如何做到
说到遍历我们用的最多的是下面这种方式了
ConcurrentHashMap<K,V> map ;
map.entrySet().iterator()；
while(iterator.hasNext){
iterator.next();
}接下来我们看看,entrySet()这个方法
public Set<Map.Entry<K,V>> entrySet() {
EntrySetView<K,V> es;
return (es = entrySet) != null ? es : (entrySet = new EntrySetView<K,V>(this));
}方法中使用的是EntrySetView这个类包装的，注意到参数this,表示把当前的Map传递过去了的，为什么传递过去呢，很简单就为了得到map中的数组和链表，也就是数据。接下来看看EntrySetView这个类
static final class EntrySetView<K,V> extends CollectionView<K,V,Map.Entry<K,V>>
implements Set<Map.Entry<K,V>>, java.io.Serializable {
private static final long serialVersionUID = 2249069246763182397L;
EntrySetView(ConcurrentHashMap<K,V> map) { super(map); }
......
//迭代器方法如下
public Iterator<Map.Entry<K,V>> iterator() {
ConcurrentHashMap<K,V> m = map;
Node<K,V>[] t;
int f = (t = m.table) == null ? 0 : t.length;
return new EntryIterator<K,V>(t, f, 0, f, m);
}
......
}迭代器也有一个包装类来完成EntryIterator， 同样注意这个类的构造方法有5个参数（map中的节点数组，数组的长度，0，数组的长度，map本身的引用）。看看这个看似简单的类是如何工作的。
static final class EntryIterator<K,V> extends BaseIterator<K,V>
implements Iterator<Map.Entry<K,V>> {
EntryIterator(Node<K,V>[] tab, int index, int size, int limit,
ConcurrentHashMap<K,V> map) {
super(tab, index, size, limit, map);
}
public final Map.Entry<K,V> next() {
Node<K,V> p;
if ((p = next) == null)
throw new NoSuchElementException();
K k = p.key;
V v = p.val;
lastReturned = p;
advance();
return new MapEntry<K,V>(k, v, map);
}
}这里只是把next node的值取出来包装到MapEntry中返回就好，具体如何找next呢，关键来了，看advance()这个方法。
/**
* Advances if possible, returning next valid node, or null if none.
*/
final Node<K,V> advance() {
Node<K,V> e;
if ((e = next) != null)
e = e.next;
for (;;) {
Node<K,V>[] t; int i, n; // must use locals in checks
if (e != null)
return next = e;
if (baseIndex >= baseLimit || (t = tab) == null ||
(n = t.length) <= (i = index) || i < 0)
return next = null;
if ((e = tabAt(t, i)) != null && e.hash < 0) {//特殊类型的节点hash值都为负数
if (e instanceof ForwardingNode) {
tab = ((ForwardingNode<K,V>)e).nextTable;
e = null;
pushState(t, i, n);
continue;
}
else if (e instanceof TreeBin)
e = ((TreeBin<K,V>)e).first;
else
e = null;
}
if (stack != null)
recoverState(n);
else if ((index = i + baseSize) >= n)
index = ++baseIndex; // visit upper slots if present
}
}上面代码注意下面这一部分
if (e instanceof ForwardingNode) {
tab = ((ForwardingNode<K,V>)e).nextTable;
e = null;
pushState(t, i, n);
continue;
}代码大意很明确，意思是如果当前节点Node，是ForwardingNode的类型的时候，就使用nextTable来当作当前的table, 在最前面的数据结构中我们提到了有两个table，另一个table只有当调整空间也就是resize的时候使用，此类中与resize相关的方法transfer(tab,nextTab)在最前的时候也已经讲过了，这里再多贴出点东西，看看关于ForwardingNode相关的东西。
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
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;
}
int nextn = nextTab.length;
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);//这里
......
}ForwardingNode表示正在移动的节点，并且此类节点的Hash值都为-1 ,
到这里大致清楚了，任何数组大小调整的时候都会有两个表，一个表应对各种外界操作，一个表应对内部大小调整，调整完全好了，才会同步到主表中。
三、快在哪里
要比较快在哪里得看在什么情况下（是否并发访问），和谁比较(HashMap,还是HashTable，这里既然说并发情况下肯定是和HashTable）比较了。
说上面一段话是想说明，任何数据类型都有一定的限制性，我很多次面试的时候问过，为什么ConcurrentHashMap要好，給我的回答是新出来的，然后反问一句，如果不好为什么要新写一个出来，弄的我也是一愣的。
说正事，通过上面的说明，ConcurrentHashMap比HashTable快的两个地方是
1. 更细粒度的锁
HashTable是通过在每个方法上加Synchronized来完成同步的，而ConcurrentHashMap是在某个Node列上（某个数组节点，里面包含了链表）加锁来实现同步。相比之下增加了锁的个数从而提高并发的数量，但同时锁的管理也更加复杂，锁的消耗也更加大，其实这也是为什么不在每一个节点（每个列上的每个子节点）上都加锁的原因。
2. 空间换时间
ConcurrentHashMap 通过增加额外的副本，来避免最耗时的resize操作，这样有两个好处一是将耗时的resize操作让其它的线程处理，二是任何时间遍历都不会出现数据不全的情况，同时不用额外锁住整个map。
扫一扫
268
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
