我们已经比较完整得介绍了有关无锁的概念和使用方法。相对于有锁的方法，使用无锁的方式编程更加考验一个程序员的耐心和智力。但是，无锁带来的好处也是显而易见的，第一，在高并发的情况下，它比有锁的程序拥有更好的性能；第二，它天生就是死锁免疫的。就凭借这2个优势，就值得我们冒险尝试使用无锁的并发。
这里，我想向大家介绍一种使用无锁方式实现的Vector。通过这个案例，我们可以更加深刻地认识无锁的算法，同时也可以学习一下有关Vector实现的细节和算法技巧。(在本例中，讲述的无锁Vector来自于amino并发包)
我们将这个无锁的Vector称为LockFreeVector。它的特点是可以根据需求动态扩展其内部空间。在这里，我们使用二维数组来表示LockFreeVector的内部存储，如下：
private final AtomicReferenceArray> buckets;
变量buckets存放所有的内部元素。从定义上看，它是一个保存着数组的数组，也就是通常的二维数组。特别之处在于这些数组都是使用CAS的原子数组。为什么使用二维数组去实现一个一维的Vector呢？这是为了将来Vector进行动态扩展时可以更加方便。我们知道，AtomicReferenceArray内部使用Object[]来进行实际数据的存储，这使得动态空间增加特别的麻烦，因此使用二维数组的好处就是为将来增加新的元素。
此外，为了更有序的读写数组，定义一个称为Descriptor的元素。它的作用是使用CAS操作写入新数据。
static class Descriptor {
public int size;
volatile WriteDescriptor writeop;
public Descriptor(int size, WriteDescriptor writeop) {
this.size = size;
this.writeop = writeop;
}
public void completeWrite() {
WriteDescriptor tmpOp = writeop;
if (tmpOp != null) {
tmpOp.doIt();
writeop = null; // this is safe since all write to writeop use
// null as r_value.
}
}
}
static class WriteDescriptor {
public E oldV;
public E newV;
public AtomicReferenceArray addr;
public int addr_ind;
public WriteDescriptor(AtomicReferenceArray addr, int addr_ind, E oldV, E newV) {
this.addr = addr;
this.addr_ind = addr_ind;
this.oldV = oldV;
this.newV = newV;
}
public void doIt() {
addr.compareAndSet(addr_ind, oldV, newV);
}
}
上述代码第4行定义的Descriptor构造函数接收2个参数，第一个为整个Vector的长度，第2个为一个writer。最终，写入数据是通过writer进行的(通过completeWrite()方法)。
第24行，WriteDescriptor的构造函数接收4个参数。第一个参数addr表示要修改的原子数组，第二个参数为要写入的数组索引位置，第三个oldV为期望值，第4个newV为需要写入的值。
在构造LockFreeVector时，显然需要将buckets和descriptor进行初始化。
public LockFreeVector() {
buckets = new AtomicReferenceArray>(N_BUCKET);
buckets.set(0, new AtomicReferenceArray(FIRST_BUCKET_SIZE));
descriptor = new AtomicReference>(new Descriptor(0,null));
}
在这里N_BUCKET为30,也就是说这个buckets里面可以存放一共30个数组(由于数组无法动态增长，因此数组总数也就不能超过30个)。并且将第一个数组的大小为FIRST_BUCKET_SIZE为8。到这里，大家可能会有一个疑问，如果每个数组8个元素，一共30个数组，那岂不是一共只能存放240个元素吗？
如果大家了解JDK内的Vector实现，应该知道，Vector在进行空间增长时，默认情况下，每次都会将总容量翻倍。因此，这里也借鉴类似的思想，每次空间扩张，新的数组的大小为原来的2倍(即每次空间扩展都启用一个新的数组)，因此，第一个数组为8，第2个就是16，第3个就是32。以此类推，因此30个数组可以支持的总元素达到。
这数值已经超过了2^33，即在80亿以上。因此，可以满足一般的应用。
当有元素需要加入LockFreeVector时，使用一个名为push_back()的方法，将元素压入Vector最后一个位置。这个操作显然就是LockFreeVector的最为核心的方法，也是最能体现CAS使用特点的方法，它的实现如下：
public void push_back(E e) {
Descriptor desc;
Descriptor newd;
do {
desc = descriptor.get();
desc.completeWrite();
int pos = desc.size + FIRST_BUCKET_SIZE;
int zeroNumPos = Integer.numberOfLeadingZeros(pos);
int bucketInd = zeroNumFirst – zeroNumPos;
if (buckets.get(bucketInd) == null) {
int newLen = 2 * buckets.get(bucketInd – 1).length();
if (debug)
System.out.println(“New Length is:” + newLen);
buckets.compareAndSet(bucketInd, null,
new AtomicReferenceArray(newLen));
}
int idx = (0×80000000>>>zeroNumPos) ^ pos;
newd = new Descriptor(desc.size + 1, new WriteDescriptor(
buckets.get(bucketInd), idx, null, e));
} while (!descriptor.compareAndSet(desc, newd));
descriptor.get().completeWrite();
}
可以看到，这个方法主体部分是一个do-while循环，用来不断尝试对descriptor的设置。也就是通过CAS保证了descriptor的一致性和安全性。在第23行，使用descriptor将数据真正地写入数组中。这个descriptor写入的数据由20~21行构造的WriteDescriptor决定。
在循环最开始(第5行)，使用descriptor先将数据写入数组，是为了防止上一个线程设置完descriptor后(22行)，还没来得及执行23行的写入，因此，做一次预防性的操作。
因为限制要将元素e压入Vector，因此，我们必须首先知道这个e应该放在哪个位置。由于目前使用了2维数组，因此我们自然需要知道e所在哪个数组(buckets中的下标位置)和数组中的下标。
第8到10行通过当前Vector的大小(desc.size)，计算新的元素应该落入哪个数组。这里使用了位运算进行计算。这几行代码看起来也许你会觉得有些奇怪，我的解释如下：
之前说过，LockFreeVector每次都会成倍的扩容。它的第1个数组长度为8，第2个就是16，第3个就是32，依次类推。它们的二进制表示就是：
00000000 00000000 00000000 00001000：第一个数组大小，28个前导零
00000000 00000000 00000000 00010000：第二个数组大小，27个前导零
00000000 00000000 00000000 00100000：第三个数组大小，26个前导零
00000000 00000000 00000000 01000000：第四个数组大小，25个前导零
他们之和就是整个LockFreeVector的总大小，因此，如果每一个数组都恰好填满，那么总大小应该类似这样的数值(以4个数组填满为例)：
00000000 00000000 00000000 01111000：4个数组都恰好填满时的大小
导致这个数字进位的最小条件，就是加上二进制的1000。而这个数字正好是8(FIRST_BUCKET_SIZE就是8)。这就是第8行代码的意义。它可以使得数组大小发生一次二进制的进位(如果不进位说明还在第一个数组中)，进位后前导零的数量就会发生变化。而元素所在的数组，和pos(第8行定义的变量)的前导零直接相关。每进行一次数组扩容，它的前导零就会减1。如果从来没有扩容过，它的前导零就是28个。以后，逐级减1。这就是第9行获得pos前导零的原因。第10行，通过pos的前导零可以立即定位使用哪个数组(也就是得到了bucketInd的值)。
第11行，判断这个数组是否存在。如果不存在，则创建这个数组，大小为前1个数组的2倍，并把它设置到buckets中。
接着再看一下元素没有恰好填满的情况：
00000000 00000000 00000000 00001000：第一个数组大小，28个前导零
00000000 00000000 00000000 00010000：第二个数组大小，27个前导零
00000000 00000000 00000000 00100000：第三个数组大小，26个前导零
00000000 00000000 00000000 00000001：第四个数组大小，只有一个元素
那么总大小就是：
00000000 00000000 00000000 00111001：元素总个数
总个数加上二进制1000后，得到：
00000000 00000000 00000000 01000001：
显然，通过前导零可以定位到第4个数组。而剩余位，显然就表示元素在当前数组内的偏移量(也就是数组下标)。根据这个理论，我们就就可以通过pos计算这个元素应该放在给定数组的哪个位置。通过第19行代码，获得pos的除了第1位数字1以外的其他位的数值。因此，pos的前导零可以表示元素所在的数组，而pos的后面几位，则表示元素所在这个数组中的位置。由此，第19行代码就取得了元素的所在位置idx。
到此，我们就已经得到新元素位置的全部信息，剩下的就是将这些信息传递给Descriptor让它在给定的位置把元素e安置上去即可。这里，就通过CAS操作，保证写入正确性。
下面来看一下get()操作的实现：
@Override
public E get(int index) {
int pos = index + FIRST_BUCKET_SIZE;
int zeroNumPos = Integer.numberOfLeadingZeros(pos);
int bucketInd = zeroNumFirst – zeroNumPos;
int idx = (0×80000000>>>zeroNumPos) ^ pos;
return buckets.get(bucketInd).get(idx);
}
在get()的实现中，3~6行使用了相同的算法获得所需元素的数组以及数组中的索引下标。这里简单的通过buckets定位到对应的元素即可。
这样，对于Vector来说2个重要的方法就已经实现了。其他方法也是非常类似的，这里就不再详细讨论了。
扫一扫
351
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
