什么是ThreadLocal?
ThreadLocal是线程变量,每个线程可以在一个ThreadLocal里面存放一个变量,这个变量是线程安全的,除了ThreadLocal还可以用栈的本地变量或者锁来保证线程安全,并且可以用于方法间的数据传递。
ThreadLocalMap是ThreadLocal的一个内部类,用于保存数据,key是ThreadLocal的一个弱引用(可以有很多个ThreadLocal),那如果是强引用就不会被回收了,value是存放的变量值
// 强引用
ThreadLocal<Object> threadLocal = new ThreadLocal<>();
threadLocal.get();
// 弱引用
new ThreadLocal<>().get();
Thread类有一个类型为ThreadLocal.ThreadLocalMap的实例变量threadLocals,也就是说每个线程有自己的ThreadLocalMap
简单来说就是每个线程一个ThreadLocalMap,存放很多个 <不同的ThreadLocal,不同的变量值>
应用场景
保存某个信息在线程的任意时刻可以使用,如保存用户user信息,可以获取userId或者其他什么信息
源码解析
hash冲突
和HashMap的链地址法不同,ThreadLocal采用nextIndex()和prevIndex()往前后找位置
nextIndex()和prevIndex()
向后或者向前遍历
private static int nextIndex(int i, int len) {
return ((i + 1 < len) ? i + 1 : 0);
}
private static int prevIndex(int i, int len) {
return ((i - 1 >= 0) ? i - 1 : len - 1);
}
set()
-
计算下标位置
-
下标位置就是空白的,则直接加入
-
下标位置有节点,则往后遍历,如果发现key相同的节点,进行值替换
-
如果没有过期节点,一直找到空白位置
-
如果有过期节点,进行替换,并且进行清理
public void set(T value) {
Thread t = Thread.currentThread();
ThreadLocalMap map = getMap(t);
if (map != null) {
map.set(this, value);
} else {
createMap(t, value);
}
}
private void set(ThreadLocal<?> key, Object value) {
Entry[] tab = table;
int len = tab.length;
// 对于同一个线程的下标位置都会相同
int i = key.threadLocalHashCode & (len-1);
// 找到合适的位置存放新节点
for (Entry e = tab[i];
e != null;
e = tab[i = nextIndex(i, len)]) {
ThreadLocal<?> k = e.get();
// key相同替换
if (k == key) {
e.value = value;
return;
}
// 有节点,但是节点的key为null,说明节点被回收了,替换之
if (k == null) {
replaceStaleEntry(key, value, i);
return;
}
}
// 找到了空白的位置,准备加入新节点
tab[i] = new Entry(key, value);
int sz = ++size;
// 超过阈值进行扩容
if (!cleanSomeSlots(i, sz) && sz >= threshold)
rehash();
}
replaceStaleEntry()
过期节点替换和垃圾清理(往前找到空白前的第一个过期节点作为开始清理点)
slotToExpunge:从这个位置开始垃圾清理
staleSlot:需要替换的过期节点位置
private void replaceStaleEntry(ThreadLocal<?> key, Object value,
int staleSlot) {
Entry[] tab = table;
int len = tab.length;
Entry e;
// 遍历检测还有没有其它过期的元素,直到null,用slotToExpunge记录开始点,之后用于清理数据
int slotToExpunge = staleSlot;
for (int i = prevIndex(staleSlot, len);
(e = tab[i]) != null;
i = prevIndex(i, len))
if (e.get() == null)
// 当前节点过期了,更新slotToExpunge
slotToExpunge = i;
// 从staleSlot往后遍历
for (int i = nextIndex(staleSlot, len);
(e = tab[i]) != null;
i = nextIndex(i, len)) {
ThreadLocal<?> k = e.get();
// 这里主要是为了配合调用者方法,也有一个key相同的处理方式
if (k == key) {
e.value = value;
tab[i] = tab[staleSlot];
tab[staleSlot] = e;
// 相等的意思是,staleSlot前边没有过期节点,从当前位置开始垃圾清理
if (slotToExpunge == staleSlot)
slotToExpunge = i;
cleanSomeSlots(expungeStaleEntry(slotToExpunge), len);
return;
}
// 更新slotToExpunge
if (k == null && slotToExpunge == staleSlot)
slotToExpunge = i;
}
// 替换staleSlot位置为新节点,也是这个方法的主要目的
tab[staleSlot].value = null;
tab[staleSlot] = new Entry(key, value);
// 相等的意思是,staleSlot前边没有过期节点,从当前位置开始垃圾清理
if (slotToExpunge != staleSlot)
cleanSomeSlots(expungeStaleEntry(slotToExpunge), len);
}
垃圾清理
expungeStaleEntry()
线性清理,遇到空白则停止清理,这里的staleSlot实际上是传进来的slotToExpunge
private int expungeStaleEntry(int staleSlot) {
Entry[] tab = table;
int len = tab.length;
// expunge entry at staleSlot
tab[staleSlot].value = null;
tab[staleSlot] = null;
size--;
// Rehash until we encounter null
Entry e;
int i;
// 往后遍历
for (i = nextIndex(staleSlot, len);
(e = tab[i]) != null;
i = nextIndex(i, len)) {
ThreadLocal<?> k = e.get();
// 直接清理
if (k == null) {
e.value = null;
tab[i] = null;
size--;
} else {
// 进行rehash重新存放位置
int h = k.threadLocalHashCode & (len - 1);
if (h != i) {
tab[i] = null;
// Unlike Knuth 6.4 Algorithm R, we must scan until
// null because multiple entries could have been stale.
while (tab[h] != null)
h = nextIndex(h, len);
tab[h] = e;
}
}
}
return i;
}
cleanSomeSlots()
每次循环n/=2,n是table[]数组的长度,直到n==0停止清理,也是线性清理
private boolean cleanSomeSlots(int i, int n) {
boolean removed = false;
Entry[] tab = table;
int len = tab.length;
do {
i = nextIndex(i, len);
Entry e = tab[i];
if (e != null && e.get() == null) {
n = len;
removed = true;
i = expungeStaleEntry(i);
}
} while ( (n >>>= 1) != 0);
return removed;
}
扩容
// threshold 默认 2/3 * len
if (!cleanSomeSlots(i, sz) && sz >= threshold)
rehash();
private void rehash() {
// 从开头开始清理所有过期节点,然后移动零散节点到一起
expungeStaleEntries();
// 因为有些过期节点被清理,减少扩容的阈值判断
if (size >= threshold - threshold / 4)
// 2倍扩容,重新rehash
resize();
}