我们知道HashMap是线程不安全的，在并发情况下使用HashMap的put操作会导致死循环，导致CPU利用率接近100%。导致死循环的原因是HashMap在put操作时，如果put的元素个数已经达到阈值，会对数组进行扩容，把原来的元素移动到新的HashMap上去，也会对链表中的元素进行rehash。就是在复制元素的过程中，如果有并发操作，则会把HashMap的Entry链表形成环形数据结构，一旦形成环形结构，在Entry的next节点永远也不为空，因此在get操作的时候就出现了死循环的情况。既然HashMap是线程不安全的，那么HashTable呢？虽然HashTable能够在并发的情况下保证线程安全，但是在线程竞争激烈的情况下，HashTable的效率是非常低下的。HashTable是通过synchronized来实现并发安全的，因此当一个线程访问HashTable的同步方法时，另一个线程将进入阻塞状态不能进行任何操作的。因此引入了ConcurrentHashMap，并推荐在并发的情况下使用ConcurrentHashMap。在1.8版本以前，ConcurrentHashMap采用分段锁的概念，使锁更加细化，但是1.8已经改变了这种思路，而是利用CAS+Synchronized来保证并发更新的安全，当然底层采用数组+链表+红黑树的存储结构。此篇博客所有源码均来自JDK 1.8。
在开始研究ConcurrentHashMap源码之前，我们先需要了解一些重要的概念：
-
**table:**table是一个数组，默认为null,在第一次put操作时进行初始化，默认初始化的大小为16。它是用来存放Node节点的容器，扩容时的大小总是2的幂次方。
-
**nextTable:**默认为null，扩容时新生成的数组，其大小为原数组的两倍。
-
**sizeCtl:**默认为0，用来控制table的初始化和扩容操作。其值代表如下：
- **-1：**表示table正在初始化
- **-N：**表示N-1个线程正在进行扩容操作
- 其余情况：
- 如果table未初始化，表示table需要初始化的大小。
- 如果table初始化完成，表示table的容量，默认是table大小的0.75倍，居然用这个公式算0.75（n - (n >>> 2)）。
-
**Node：**key-value键值对。所有插入ConCurrentHashMap的中数据都将会包装在Node中。其中value和next都用volatile修饰，保证并发的可见性。其定义如下：
static class Node < K, V > implements Map.Entry < K, V > { final int hash; final K key; volatile V val; volatile Node < K, V > next; Node(int hash, K key, V val, Node < K, V > next) { this.hash = hash; this.key = key; this.val = val; this.next = next; } /** * 省略部分代码... */ } -
**ForwardingNode：**一个特殊的Node节点，hash值为-1，其中存储nextTable的引用。只有当table发送扩容时ForwardingNode才会发生作用。其源码定义如下：
static final class ForwardingNode < K, V > extends Node < K, V > { final Node < K,V > [] nextTable; ForwardingNode(Node < K, V > [] tab) { super(MOVED, null, null, null); this.nextTable = tab; } /** * 省略部分代码... */ } -
**TreeNode：**TreeBins中使用的节点。它自身继承了Node。其部分代码如下：
static final class TreeNode<K,V> extends Node<K,V> { TreeNode<K,V> parent; TreeNode<K,V> left; TreeNode<K,V> right; TreeNode<K,V> prev; boolean red; //构建节点 TreeNode(int hash, K key, V val, Node<K,V> next, TreeNode<K,V> parent) { super(hash, key, val, next); this.parent = parent; } /** * 省略部分代码... */ } -
**TreeBin：**该类并不负责key-value的键值对包装，它用于在链表转换为红黑树时包装TreeNode节点，也就是说ConcurrentHashMap红黑树存放是TreeBin，不是TreeNode。
static final class TreeBin<K,V> extends Node<K,V> { TreeNode<K,V> root; volatile TreeNode<K,V> first; volatile Thread waiter; volatile int lockState; // values for lockState static final int WRITER = 1; // set while holding write lock static final int WAITER = 2; // set when waiting for write lock static final int READER = 4; // increment value for setting read lock TreeBin(TreeNode<K,V> b) { super(TREEBIN, null, null, null); this.first = b; TreeNode<K,V> r = null; for (TreeNode<K,V> x = b, next; x != null; x = next) { next = (TreeNode<K,V>)x.next; x.left = x.right = null; if (r == null) { x.parent = null; x.red = false; r = x; } else { K k = x.key; int h = x.hash; Class<?> kc = null; for (TreeNode<K,V> p = r;;) { int dir, ph; K pk = p.key; if ((ph = p.hash) > h) dir = -1; else if (ph < h) dir = 1; else if ((kc == null && (kc = comparableClassFor(k)) == null) || (dir = compareComparables(kc, k, pk)) == 0) dir = tieBreakOrder(k, pk); TreeNode<K,V> xp = p; if ((p = (dir <= 0) ? p.left : p.right) == null) { x.parent = xp; if (dir <= 0) xp.left = x; else xp.right = x; r = balanceInsertion(r, x); break; } } } } this.root = r; assert checkInvariants(root); } /** * 省略部分代码... */ }
在了解了这些重要的概率后，我们先来看看ConcurrentHashMap的数据结构，然后在来分析ConcurrentHashMap的初始化。ConcurrentHashMap的数据结构的数据结构如下图所示
构造函数
ConcurrentHashMap源码提供给了一系列的构造函数来初始化ConcurrentHashMap。在看构造函数之前，我们先看看构造函数中的一些常量，以增加后面对构造函数的理解。
构造函数中的常量
//最大可能的表容量，大小为2^30 = 1073741824
private static final int MAXIMUM_CAPACITY = 1 << 30;
//默认的初始表容量。 必须是2的幂（即，至少1）并且最多为MAXIMUM_CAPACITY（2^30）。
private static final int DEFAULT_CAPACITY = 16;
构造函数组
构造函数组源码定义如下：
//使用默认初始化表大小（默认值为16）来初始化一个ConcurrentHashMap对象
public ConcurrentHashMap() {}
//通过制定容量大小来初始化一个来初始化一个ConcurrentHashMap对象
public ConcurrentHashMap(int initialCapacity) {
//初始容量必须大于0,如果传入的值小于0，则抛出异常
if (initialCapacity < 0)
throw new IllegalArgumentException();
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
this.sizeCtl = cap;
}
//通过一个给定的map集合来创建一个ConcurrentHashMap对象
public ConcurrentHashMap(Map < ? extends K, ? extends V > m) {
this.sizeCtl = DEFAULT_CAPACITY;
putAll(m);
}
//通过一个指定的容量大小和负载因子来初始化一个ConcurrentHashMap对象
public ConcurrentHashMap(int initialCapacity, float loadFactor) {
this(initialCapacity, loadFactor, 1);
}
//通过一个指定的容量大小、负载因子和并发更新的线程数量来初始化一个ConcurrentHashMap对象
public ConcurrentHashMap(int initialCapacity,float loadFactor, int concurrencyLevel) {
if (!(loadFactor > 0.0 f) || 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;
}
tableSizeFor方法的作用是找到大于等于给定容量的最小2的次幂值 ,其源码如下：
private static final int tableSizeFor(int c) {
//将c-1,赋值给n
int n = c - 1;
//n向右无符号移动1位后与原来的n进行位或运算
n |= n >>> 1;
//n向右无符号移动2位后与原来的n进行位或运算
n |= n >>> 2;
//n向右无符号移动4位后与原来的n进行位或运算
n |= n >>> 4;
//n向右无符号移动8位后与原来的n进行位或运算
n |= n >>> 8;
//n向右无符号移动16位后与原来的n进行位或运算
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
第一句n=c-1的作用是，当c正好是2的幂的时候，经过后面的运算后，得到的还是原来的值。这里我们举例说明下，如果此时c的值为8，对应的二进制数为00000000 00000000 00000000 00001000,运行第一句后，得到的n的值为00000000 00000000 00000000 00000111（即8-1=7），n向右无符号移动一位后得到的值为00000000 00000000 00000000 00000011（即3），7与3进行位或运算，等到00000000 00000000 00000000 00000111（即7）,后面所有位移后再进行位或运算得到的值依然是7，最后执行return语句，返回的值就是8了，与原来输入的值一样。
从上面构造函数中我们发现，ConcurrentHashMap在执行构造函数后，只是对容量大小做了初始化，并不会直接初始化table，而是延缓到第一次put操作。
table初始化：initTable()
前面已经提到过，table初始化操作会延缓到第一次put行为。但是put是可以并发执行的，Doug Lea是如何实现table只初始化一次的？让我们来看看源码的实现。
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
while ((tab = table) == null || tab.length == 0) {
//sizeCtl < 0 表示有其他线程在初始化，该线程必须挂起
if ((sc = sizeCtl) < 0)
Thread.yield(); // lost initialization race; just spin
// 如果该线程获取了初始化的权利，则用CAS将sizeCtl设置为-1，表示本线程正在初始化
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
//进行初始化
if ((tab = table) == null || tab.length == 0) {
//如果传入了初始化容量，则使用对初始化容量计算后的数据（这个数据必定是2的幂），否则使用默认容器大小16.
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
//构建Node类型的数组
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
//设置下次扩容的大小 n - (n >>> 2) == 0.75*n
sc = n - (n >>> 2);
}
} finally {
sizeCtl = sc;
}
break;
}
}
return tab;
}
从上面源码我们可以看到initTable()方法的关键就在于sizeCtl这个变量。sizeCtl默认值为0，如果ConcurrentHashMap在实例化时有参数传入，则sizeCtl会是一个2的幂次方的值。如果sizeCtl < 0，则表示有其它线程正在初始化，必须暂停当前线程。如果当前线程获取了初始化table的权限，则使用CAS将sizeCtl的值设置为-1，防止其它线程进行初始化。初始化完成后，将sizeCtl的值设置为0.75*n，表示下次扩容的阈值。
put操作
当我们在构造了ConcurrentHashMap对象后，就会对向ConcurrentHashMap对象中添加键值对。put操作采用CAS+synchronized实现并发插入或更新操作，具体实现如下：
public V put(K key, V value) {
return putVal(key, value, false);
}
/** put和putIfAbsent的实现 */
final V putVal(K key, V value, boolean onlyIfAbsent) {
//key 和 value 都不允许为空
if (key == null || value == null) throw new NullPointerException();
//对key的hashCode在进行hash计算
int hash = spread(key.hashCode());
int binCount = 0;
for (Node < K, V > [] tab = table;;) {
Node < K, V > f;
int n, i, fh;
//如果table为空，则对table进行初始化操作
if (tab == null || (n = tab.length) == 0)
tab = initTable();
//如果table中的i位置没有节点，则直接插入数据,无需加锁
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
if (casTabAt(tab, i, null,new Node < K, V > (hash, key, value, null)))
break; // no lock when adding to empty bin
// 节点的hash的值为-1，表示当前节点为ForwardingNode类型。
// 即表示有线程正在进行扩容操作，则先帮助扩容
} else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
else {
V oldVal = null;
//对该节点进行加锁处理（hash值相同的链表的头节点），对性能有点儿影响
synchronized(f) {
//如果table中i位置的节点仍然是f,则进入
if (tabAt(tab, i) == f) {
//fh >=0 表示为链表，将节点插入到链表的尾部
if (fh >= 0) {
binCount = 1;
//从头向尾遍历链表
for (Node < K, V > e = f;; ++binCount) {
K ek;
//如果hash和key与e节点的hash和key相等，则替换到e节点的value
if (e.hash == hash &&((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
//e节点原来的值
oldVal = e.val;
//如果不是putIfAbsent形式,则替换掉原来的值
// putIfAbsent形势标识如果当前key存在则返回false,否则插入并返回true
if (!onlyIfAbsent)
e.val = value;
break;
}
Node < K, V > pred = e;
//将节点插入到链表尾部
if ((e = e.next) == null) {
pred.next = new Node < K, V > (hash, key,value, null);
break;
}
}
//树节点，按照树的插入操作进行插入
} 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) {
// 如果链表长度已经达到临界值8 就需要把链表转换为树结构
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
//size++
addCount(1 L, binCount);
return null;
}
根据上面put操作的源码，我 么来整理下put操作的流程：
-
首先判断key和value的值，保证key和value都不为null;
-
计算key的hash值，方法如下：
static final int spread(int h) { return (h ^ (h >>> 16)) & HASH_BITS; }通过key确定槽的位置时，如果我们直接使用key.hashCode() &（表长度-1）那么我们实际上只使用了key.hashCode()的低若干位信息，高位不起作用。所以为了key更加的分散，减少冲突，在实际定位槽的位置时，我们会将key.hashCode()再进行spread一下，充分使用key.hashCode()的高16位信息。而spread后的哈希值会存储在结点的hash属性中，便于下一次直接使用。
-
死循环的方式处理节点的插入：
- 判断table是否为空，若果为null,则进行初始化的操作，其初始化方法为
initTable()； - 根据hash值来确定当前key-value需要插入的位置i,如果i处没有节点，则直接插入到i的位置。这个过程不需要加锁操作。
- 如果i处存在节点，并且节点的hash值为-1即（(fh = f.hash) == MOVED）表示当前节点f是ForwardingNode类型的节点。即表示有线程正在进行扩容操作，则帮助线程做扩容的操作。
- 如果f.hash >= 0 表示是链表结构，则遍历链表，如果存在当前key节点则替换value，否则插入到链表尾部。如果f是TreeBin类型节点，则按照红黑树的方法更新或者增加节点。
- 若果链表长度超过TREEIFY_THRESHOLD(默认是8)，则将链表转成红黑树。
- 判断table是否为空，若果为null,则进行初始化的操作，其初始化方法为
-
调用addCount方法，ConcurrentHashMap的size + 1
这里put操作完成
get操作
ConcurrentHashMap的get方法源码如下：
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
//计算hash值
int h = spread(key.hashCode());
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
// 搜索到的节点key与传入的key相同且不为null,直接返回这个节点
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
// 如果头节点的 hash 值小于 0，说明正在扩容或者该节点是红黑树
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
//链表遍历
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
get操作的整个逻辑非常清楚：
- 计算hash值
- 判断table是否为空，如果为空，直接返回null
- 根据hash值获取table中的Node节点（tabAt(tab, (n – 1) & h)），然后根据链表或者树形方式找到相对应的节点，返回其value值。
删除操作：remove
ConcurrentHashMap的remove方法源码如下：
public V remove(Object key) {
return replaceNode(key, null, null);
}
final V replaceNode(Object key, V value, Object cv) {
//计算hash
int hash = spread(key.hashCode());
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
//如果table为初始化或者通过hash值计算出来的table中i的位置的元素为null,则直接跳出循环返回null
if (tab == null || (n = tab.length) == 0 ||
(f = tabAt(tab, i = (n - 1) & hash)) == null)
break;
//若果f节点的hash值为-1，表示有其它线程正在进行扩容，先帮助完成扩容，再次执行for循环
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
else {
V oldVal = null;
boolean validated = false;
//加锁操作，防止其它线程对此桶同时进行put,remove,transfer操作
synchronized (f) {
//头节点发生改变，就说明当前链表（或红黑树）的头节点已不是f了
//可能被前面的线程remove掉了或者迁移到新表上了
//如果被remove掉了，需要重新对链表新的头节点加锁
if (tabAt(tab, i) == f) {
//fh>0,表示该通后面是链表
if (fh >= 0) {
validated = true;
//从前往后遍历链表
for (Node<K,V> e = f, pred = null;;) {
K ek;
//找到hash和key对应相等的节点
if (e.hash == hash && ((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
V ev = e.val;
if (cv == null || cv == ev ||
(ev != null && cv.equals(ev))) {
oldVal = ev;
if (value != null)
e.val = value;
else if (pred != null)
//将该节点的前驱节点的next直接赋值为该节点的next节点
pred.next = e.next;
else
//若果删除的节点就是链表的头结点，则将链表的下一个节点放置到table的i位置
setTabAt(tab, i, e.next);
}
break;
}
pred = e;
//没找到要删除的key,跳出循环直接返回null
if ((e = e.next) == null)
break;
}
}
//树结构，删除
else if (f instanceof TreeBin) {
validated = true;
TreeBin<K,V> t = (TreeBin<K,V>)f;
TreeNode<K,V> r, p;
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;
if (value != null)
p.val = value;
else if (t.removeTreeNode(p))
setTabAt(tab, i, untreeify(t.first));
}
}
}
}
}
if (validated) {
if (oldVal != null) {
if (value == null)
//元素减一
addCount(-1L, -1);
return oldVal;
}
break;
}
}
}
return null;
}
remove操作的逻辑与get操作的逻辑基本相似：
- 计算hash值。
- 判断table是否为空，为空则直接返回null。
- 根据hash值获取table中的Node节点（tabAt(tab, (n – 1) & h)），然后根据链表或者树形方式找到相对应的节点，并将其删除。
- 元素个数减一(调用addCount(-1,-1))
更新元素个数操作：addCount
分析完上面put、get和remove方法后，我们看在在put和remove方法里面都调用了addCount方法，该方法的作用是更新ConcurrentHashMap中元素的个数，其源码如下：
/**
* x:添加元素的个数
* check:如果 <0,则检查扩容操作，如果>0，则检查扩容操作
*/
private final void addCount(long x, int check) {
CounterCell[] as; long b, s;
//U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x) 每次进来都更新baseCount
//当put是baseCount+1,当remove时,baseCount-1
if ((as = counterCells) != null ||
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
CounterCell a; long v; int m;
boolean uncontended = true;
// 如果计数盒子不是空 或者 修改 baseCount 失败,则进入执行该if语句
if (as == null || (m = as.length - 1) < 0 ||
(a = as[ThreadLocalRandom.getProbe() & m]) == null ||
!(uncontended =
U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
//多线程CAS发生失败的时候执行
fullAddCount(x, uncontended);
return;
}
if (check <= 1)
return;
s = sumCount();
}
//检查是否需要扩容
if (check >= 0) {
Node<K,V>[] tab, nt; int n, sc;
// 如果map.size() 大于 sizeCtl（达到扩容阈值需要扩容） 且
// table 不是空；且 table 的长度小于 1 << 30。（可以扩容）
while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
(n = tab.length) < MAXIMUM_CAPACITY) {
// 根据 length 得到一个标识
int rs = resizeStamp(n);
// 如果正在扩容
if (sc < 0) {
// 如果 sc 的低 16 位不等于 标识符（校验异常 sizeCtl 变化了）
// 这里 sc == rs + 1 || sc == rs + MAX_RESIZERS 这2个条件永远不能为true，因为sc此时是一个负数，但是rs是一个整数。这里可能是作者的一个BUG.
// 如果 nextTable == null（结束扩容了）
// 如果 transferIndex <= 0 (已经有足够的线程来完成迁移工作，后面迁移会看到)
// 结束循环
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex <= 0)
break;
// 如果可以帮助扩容，那么将 sc 加 1. 表示多了一个线程在帮助扩容
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
// 扩容
transfer(tab, nt);
}
// 如果sc>0,表示没有线程正在扩容，将 sc 更新：标识符左移 16 位 然后 + 2. 也就是变成一个负数。高 16 位是标识符，低 16 位初始是 2.
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
// 更新 sizeCtl 为负数后，开始扩容。这里这会有一个线程执行transfer(tab, null)方法，其余的线程会执行transfer(tab, nt)方法
transfer(tab, null);
s = sumCount();
}
}
}
从上面代码我 们可以看出，每次操作addCount操作都会对baseCount加1(put操作)或者减1(remove操作)，若果并发较大，则U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)会执行失败。那么为了提高高并发的时候baseCount可见性失败的问题，又避免一直重试，这样性能会有很大的影响，那么在jdk8的时候是有引入一个类Striped64，其中LongAdder和DoubleAdder就是对这个类的实现。这两个方法都是为解决高并发场景而生的，是AtomicLong的加强版，AtomicLong在高并发场景性能会比LongAdder差。但是LongAdder的空间复杂度会高点。
// See LongAdder version for explanation
private final void fullAddCount(long x, boolean wasUncontended) {
int h;
//若果当前线程的probe值为0，则初始化probe的值
if ((h = ThreadLocalRandom.getProbe()) == 0) {
ThreadLocalRandom.localInit(); // force initialization
h = ThreadLocalRandom.getProbe();
wasUncontended = true;
}
boolean collide = false; // True if last slot nonempty
for (;;) {
CounterCell[] as; CounterCell a; int n; long v;
//若果counterCells不为null且存在有效数据
if ((as = counterCells) != null && (n = as.length) > 0) {
if ((a = as[(n - 1) & h]) == null) {
if (cellsBusy == 0) { // Try to attach new Cell
//如果当前没有CounterCell就创建一个
CounterCell r = new CounterCell(x); // Optimistic create
//将cellsBusy的值置为1，加锁
if (cellsBusy == 0 && U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
boolean created = false;
try { // Recheck under lock
CounterCell[] rs; int m, j;
if ((rs = counterCells) != null && (m = rs.length) > 0 &&
rs[j = (m - 1) & h] == null) {
rs[j] = r;
created = true;
}
} finally {
//释放cellsBusy锁，让其他线程可以进来
cellsBusy = 0;
}
if (created)
break;
continue; // Slot is now non-empty
}
}
collide = false;
}
//wasUncontended为false说明已经发生了竞争，重置为true重新执行上面代码
else if (!wasUncontended) // CAS already known to fail
wasUncontended = true; // Continue after rehash
//对cell的value值进行累计x（1）
else if (U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))
break;
else if (counterCells != as || n >= NCPU)
collide = false; // At max size or stale
//表明as已经过时，说明cells已经初始化完成，看下面，重置collide为false表明已经存在竞争
else if (!collide)
collide = true;
else if (cellsBusy == 0 &&
U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
try {
if (counterCells == as) {// Expand table unless stale
CounterCell[] rs = new CounterCell[n << 1];
for (int i = 0; i < n; ++i)
rs[i] = as[i];
counterCells = rs;
}
} finally {
cellsBusy = 0;
}
collide = false;
continue; // Retry with expanded table
}
h = ThreadLocalRandom.advanceProbe(h);
}
//初始化counterCells
else if (cellsBusy == 0 && counterCells == as &&
U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
boolean init = false;
try { // Initialize table
if (counterCells == as) {
//这里长度是2的原因是其长度一定是2的幂次
CounterCell[] rs = new CounterCell[2];
rs[h & 1] = new CounterCell(x);
counterCells = rs;
init = true;
}
} finally {
cellsBusy = 0;
}
if (init)
break;
}
//如果上面都不满足，则直接将x累加到baseCount上
else if (U.compareAndSwapLong(this, BASECOUNT, v = baseCount, v + x))
break; // Fall back on using base
}
}
这里fullAddCount方法看着比较复杂，我们来梳理下其逻辑：
-
如果该线程还没获取过随机数，则初始化
ThreadLocalRandom然后获取一个随机数h; -
开始死循环
-
若果counterCells不为null，且其长度不为0，则分为如下几种情况：
-
若果通过h获取的下标j(j=((n - 1) & h),其中n为counterCells长度)对应的元素为空null:
- 若果cellsBusy == 0表示未加锁，new一个CounterCell并将其放入到j的位置，并跳出循环
- 如果cellsBusy !=0,表示有锁，将collide置位false,表示有有竞争。然后继续循环
-
若果wasUncontended为false,则表示发生了竞争，将wasUncontended设置为true后继续执行
-
使用CAS更新CELLVALUE的值+x,如果成功，则跳出循环，失败则继续循环
-
如果counterCells != as || n >= NCPU，表示发生了竞争，将collide设置为false,继续循环
-
若果 cellsBusy == 0 且加cellsBusy锁成功，则将counterCells扩容，其大小为原来的额2倍，并跳出循环
-
重新生成随机数h
-
-
若果counterCells==null,且CAS成功，则初始化counterCells，默认大小为2，这设置2的原因是counterCells的长度一定要是2的幂次
-
若果上面都失败了，则尝试CAS更新baseCount的值,失败继续循环
-
这里看了addCount和fullAddCount方法后，我们可以预测下ConcurrentHashMap中size方法返回的值应该是baseCount的值加上所有counterCells中CounterCell元素的value的值。我们来看看size方法是否和我们预测的一致,size方法源码定义如下：
public int size() {
long n = sumCount();
return ((n < 0L) ? 0 : (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE : (int)n);
}
final long sumCount() {
CounterCell[] as = counterCells; CounterCell a;
long sum = baseCount;
if (as != null) {
for (int i = 0; i < as.length; ++i) {
if ((a = as[i]) != null)
sum += a.value;
}
}
return sum;
}
可以看到，这里和我们预测的想法是一致的。在分析了ConcurrentHashMap的常用方法后，我们在来看看其中的一个非常关键的操作，那就是扩容。
扩容操作：transfer
扩容是ConcurrentHashMap中一个非常关键的部分，再上面我们分析addCount源码时已经有过接触，首先我们还是先看看扩容方法的源码定义：
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
int n = tab.length, stride;
// stride 在单核下直接等于 n，多核模式下为 (n>>>3)/NCPU，最小值是 16
// stride 可以理解为 步长，有 n 个位置是需要进行迁移的，
// 将这 n 个任务分为多个任务组，每个任务组有 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，先进行初始化，初始化的大小为原来长度的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 指向原来tab最后一个桶，方便从后向前遍历
transferIndex = n;
}
int nextn = nextTab.length;
// 这个构造方法会生成一个Node，key、value 和 next 都为 null，关键是 hash 为 MOVED,MOVED的值为-1
// 后面我们会看到，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
// 它其实相当于是一个标识
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
boolean advance = true;
boolean finishing = false; // to ensure sweep before committing nextTab
//i是位置下标，bound是每个线程处理桶的边界
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
while (advance) {
int nextIndex, nextBound;
if (--i >= bound || finishing)
advance = false;
// 将 transferIndex 值赋给 nextIndex
// 这里 transferIndex 一旦小于等于 0，说明原数组的所有位置都有相应的线程去处理了
else if ((nextIndex = transferIndex) <= 0) {
i = -1;
advance = false;
}
//分配线程的处理边界
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ?
nextIndex - stride : 0))) {
// nextBound 是这次迁移任务的边界，是从后往前
bound = nextBound;
i = nextIndex - 1;
advance = false;
}
}
//i<0说明已经遍历完旧的数组tab；i>=n什么时候有可能呢？在下面看到i=n,所以目前i最大应该是n吧。
//i+n>=nextn,nextn=nextTab.length，所以如果满足i+n>=nextn说明已经扩容完成
if (i < 0 || i >= n || i + n >= nextn) {
int sc;
//扩容完成后，退出循环
if (finishing) {
nextTable = null;
table = nextTab;
// 重新计算 sizeCtl：n 是原数组长度，所以 sizeCtl 得出的值将是新数组长度的 0.75 倍
sizeCtl = (n << 1) - (n >>> 1);
return;
}
/**
第一个扩容的线程，执行transfer方法之前，会设置 sizeCtl = (resizeStamp(n) << RESIZE_STAMP_SHIFT) + 2)
后续帮其扩容的线程，执行transfer方法之前，会设置 sizeCtl = sizeCtl+1
每一个退出transfer的方法的线程，即该线程已经完了自己的扩容工作，退出之前，会设置 sizeCtl = sizeCtl-1
那么最后一个线程退出时：
必然有sc == (resizeStamp(n) << RESIZE_STAMP_SHIFT) + 2)，即 (sc - 2) == resizeStamp(n) << RESIZE_STAMP_SHIFT
*/
if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {
//不相等，说明不到最后一个线程，直接退出transfer方法
if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)
return;
finishing = advance = true;
i = n; // recheck before commit
}
}
//如果tab的i位置没有节点，则将此处的的节点设置成一个ForwardingNode节点，仅仅起到站位的左右
//这样做的目的是当其他线程在put操作的时候，正好要放置节点的位置就是当前位置时，需要告诉线程正在进行扩容操作，需要先帮助扩容才能正常添加
else if ((f = tabAt(tab, i)) == null)
//CAS设置成功，则继续去做该线程其它位置设定的扩容操作
advance = casTabAt(tab, i, null, fwd);
// 该位置处是一个 ForwardingNode，代表该位置已经迁移过了
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
//开始迁移
else {
synchronized (f) {
if (tabAt(tab, i) == f) {
Node<K,V> ln, hn;
//迁移链表
if (fh >= 0) {
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;
}
//将链表拆分为2个链表，分别为ln和hn
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);
}
//将ln链表放到新table的i位置
setTabAt(nextTab, i, ln);
//将hn链表放置到新table的i+n的位置
setTabAt(nextTab, i + n, hn);
//将原table的i位置标记为ForwardingNode节点
setTabAt(tab, i, fwd);
//继续迁移上一个位置的节点
advance = true;
}
//红黑树迁移，后面再讲
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;
}
}
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;
setTabAt(nextTab, i, ln);
setTabAt(nextTab, i + n, hn);
setTabAt(tab, i, fwd);
advance = true;
}
}
}
}
}
}
至此，迁移中关于链表的部分已经个介绍完成了，下面我们先来整体总结下迁移的逻辑：
- 首先在
put方法调用addCount方法后，如果需要扩容，则第一个线程会执行transfer(tab, null)，并且将sizeCtl的值设置为rs << RESIZE_STAMP_SHIFT) + 2。 - 如果有线程并发put操作，若果需要put的元素在table位置的i上存在节点，且节点的hash值为-1，则帮助扩容，则是线程需要执行
transfer(tab, nextTab)，并将sizeCtl的值设置为U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)，否则直接put操作，则进行帮助扩容。 - 先计算每个线程处理的步长，多核模式下为 (n>>>3)/NCPU，单核模式下为n,但是其最小值是 16。
- 如果是第一个线程执行扩容，则需要创建nextTable，并且其长度为原来table的2倍。
- 分配每个线程执行迁移的区间。
- 如果table数组上i位置没有元素，则将i位置设置为ForwardingNode类型的节点，占据位置。然后在开启迁移（i-1）的位置。
- 如果table数组上i位置存在元素，并且其节点类型ForwardingNode，则迁移(i-1)的位置。
- 开始迁移i位置的数据：
- 如果i位置上的节点是链表类型，将链表拆分了2个链表，(node.hash & n) == 0 组成的链表放置在新table（后面就用nextTable代替）的i的位置，(node.hash & n) != 0 组成的链表放置在nextTable的（i+n)的位置上。
- 如果i为上的节点是红黑树类型，其迁移操作下一节在讨论。
- 迁移完成后，执行U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)，表示有一个线程完成了迁移，若果不是最后一个线程，则直接返回。最后一个线程在执行上面代码后，还要在检查一遍才能退出。
到这里我们分析了ConcurrentHashMap的一些常用方法，其中关于红黑树的部分还未涉及，下一篇将分析ConcurrentHashMap中有关于红黑树的有关部分。
如果需要扩容，则第一个线程会执行transfer(tab, null)，并且将sizeCtl的值设置为rs << RESIZE_STAMP_SHIFT) + 2。
- 如果有线程并发put操作，若果需要put的元素在table位置的i上存在节点，且节点的hash值为-1，则帮助扩容，则是线程需要执行
transfer(tab, nextTab)，并将sizeCtl的值设置为U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)，否则直接put操作，则进行帮助扩容。 - 先计算每个线程处理的步长，多核模式下为 (n>>>3)/NCPU，单核模式下为n,但是其最小值是 16。
- 如果是第一个线程执行扩容，则需要创建nextTable，并且其长度为原来table的2倍。
- 分配每个线程执行迁移的区间。
- 如果table数组上i位置没有元素，则将i位置设置为ForwardingNode类型的节点，占据位置。然后在开启迁移（i-1）的位置。
- 如果table数组上i位置存在元素，并且其节点类型ForwardingNode，则迁移(i-1)的位置。
- 开始迁移i位置的数据：
- 如果i位置上的节点是链表类型，将链表拆分了2个链表，(node.hash & n) == 0 组成的链表放置在新table（后面就用nextTable代替）的i的位置，(node.hash & n) != 0 组成的链表放置在nextTable的（i+n)的位置上。
- 如果i为上的节点是红黑树类型，其迁移操作下一节在讨论。
- 迁移完成后，执行U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)，表示有一个线程完成了迁移，若果不是最后一个线程，则直接返回。最后一个线程在执行上面代码后，还要在检查一遍才能退出。
到这里我们分析了ConcurrentHashMap的一些常用方法，其中关于红黑树的部分还未涉及，下一篇将分析ConcurrentHashMap中有关于红黑树的有关部分。
关注下面公众号，回复
1024领取最新大厂面试资料
扫一扫
1890
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
