摘要:原因是它支持多线程进行扩容操作,而并没有加锁。多线程的情况下如果一个或多个线程正在对进行扩容操作,当前线程也要进入扩容的操作中。
KillCode系列 -- Java篇
原文发布在我的个人博客中killCode
因为JDK1.8 与 1.7 里对ConcurrentHashMap 有很多不同的更改以提高性能。所以特别找出类似的方面,进行分析。
1. 内部参数//初始容积为 16 private static final int DEFAULT_CAPACITY = 16; //加载因子 0.75 private static final float LOAD_FACTOR = 0.75f; /** * 盛装Node元素的数组 它的大小是2的整数次幂 * Size is always a power of two. Accessed directly by iterators. */ transient volatile Node[] table; /* * hash表初始化或扩容时的一个控制位标识量。 * 负数代表正在进行初始化或扩容操作 * -1代表正在初始化 * -N 表示有N-1个线程正在进行扩容操作 * 正数或0代表hash表还没有被初始化,这个数值表示初始化或下一次进行扩容的大小 * * **既代表 HashMap 的 threshold** * 又代表 **进行扩容时的进程数** */ private transient volatile int sizeCtl; // 以下两个是用来控制扩容的时候 单线程进入的变量 // resize校验码 private static int RESIZE_STAMP_BITS = 16; // resize校验码的位移量。 private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS; /* * Encodings for Node hash fields. See above for explanation. */ static final int MOVED = -1; // hash值是-1,表示这是一个forwardNode节点 static final int TREEBIN = -2; // hash值是-2 表示这时一个TreeBin节点 static final int RESERVED = -3; // hash for transient reservations //在 spread() 方法中 用来对 hashcode 进行 高位hash 减少可能发生的碰撞。 static final int HASH_BITS = 0x7fffffff; // usable bits of normal node hash
上面的 sizectl 很重要。是解决 concurrenthashmap 扩容的基础
2. 内部类 2.1. Node与 HashMap 最大的区别是 加入了对val 与 next 用了volatile关键字修饰
并且 setValue() 方法 直接抛出异常,可以看出,val 是不能直接改变的。
是通过 Unsafe 类的 方法进行全部替换
static class Node2.2 TreeNodeimplements Map.Entry { final int hash; final K key; //相比于 HashMap ,加入了 volatile 关键字 volatile V val; volatile Node next; Node(int hash, K key, V val, Node next) { this.hash = hash; this.key = key; this.val = val; this.next = next; } public final K getKey() { return key; } public final V getValue() { return val; } public final int hashCode() { return key.hashCode() ^ val.hashCode(); } public final String toString(){ return key + "=" + val; } public final V setValue(V value) { throw new UnsupportedOperationException(); }
与 HashMap 不同的是
这次 TreeNode 不再是继承自 LinkedHashMap.Entry 而是继承自本类中的 Node.
并不直接用于红黑树的结点,而是将 结点包装成 TreeNode 后,用下面的 TreeBin 进行二次包装。
优点是可以使用 Node 类的 next 指针,方便TreeBin 后续 从 链表 到 红黑树 的转换。
构造函数可以看出,原先对TreeNode 的初始化只是设置了其的后续结点。组成了链表。
static final class TreeNode2.3. TreeBinextends Node { TreeNode parent; // red-black tree links TreeNode left; TreeNode right; TreeNode prev; // needed to unlink next upon deletion boolean red; TreeNode(int hash, K key, V val, Node next, TreeNode parent) { super(hash, key, val, next); this.parent = parent; }
特点: 1. 不持有key与val ,指向TreeNode 的 root 与 list。
2. 加入读写锁。方便并发的访问。
static final class TreeBinextends Node { TreeNode root; volatile TreeNode first; volatile Thread waiter; //通过锁的状态 , 判断锁的类型。 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
构造方法如下
root 代表 TreeNode 的根结点
使用first ,是用于第一次初始化时,因为root的特殊性,所以不便于 this.root = b 因此通过 first代替第一次的初始化过程。
然后在 过程中 用r 代表root ,直到结束 红黑树的初始化后,再 root =r 保证root的安全性。
TreeBin(TreeNode2.4. ForwardingNodeb) { super(TREEBIN, null, null, null); this.first = b; TreeNode r = null; for (TreeNode x = b, next; x != null; x = next) { next = (TreeNode )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 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 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); }
作用是在 transfer() 过程中,插入到 TreeBin 之间,用作链接作用。
static final class ForwardingNode3. Unsafe 类 与 常用的操作 3.1. Unsafe 与 静态代码块extends Node { final Node [] nextTable; ForwardingNode(Node [] tab) { super(MOVED, null, null, null); this.nextTable = tab; }
Unsafe提供了硬件级别的原子操作。内部的方法均为 native方法 ,可以访问系统底层。
这里用了 CAS 算法(compare and swap) 大大的避免了使用时对性能的消耗,以及保证了使用时的安全性。
**注:** CAS 算法的核心是 将需要改变的参数,与内存中已经存在的变量的值进行对比,一致就改变,不一致就放弃这次操作。与之相类似的优化操作还有 LL/SC(Load-Linked/Store-Conditional : 加载链接/条件存储) 、 Test-and-Set(测试并设置)
这里额外介绍一下 Unsafe 类的 compareAndSwapInt 方法。
/** * 比较obj的offset处内存位置中的值和期望的值,如果相同则更新。此更新是不可中断的。 * * @param obj 需要更新的对象 * @param offset obj中整型field的偏移量 * @param expect 希望field中存在的值 * @param update 如果期望值expect与field的当前值相同,设置filed的值为这个新值 * @return 如果field的值被更改返回true */ public native boolean compareAndSwapInt(Object obj, long offset, int expect, int update);
下面是 ConcurrentHashMap 中有关的应用
// Unsafe mechanics private static final sun.misc.Unsafe U; //对应于 类中的 sizectl private static final long SIZECTL; //在 transfer() 方法的使用时,计算索引 private static final long TRANSFERINDEX; // 用于对 ConcurrentHashMap 的 size 统计。 // 下文 第8点关于 size 会说明。 private static final long BASECOUNT; // 辅助类 countercell 类中的属性,用于分布式计算 // 是实现 java8 中 londAddr 的基础 private static final long CELLSBUSY; private static final long CELLVALUE; // 用来确定在数组中的位置 // 数组中的偏移地址 private static final long ABASE; // 数组中的增量地址 private static final int ASHIFT; static { try { //通过反射调用 类中的值,从而对 这些变量赋值 U = sun.misc.Unsafe.getUnsafe(); Class> k = ConcurrentHashMap.class; SIZECTL = U.objectFieldOffset (k.getDeclaredField("sizeCtl")); TRANSFERINDEX = U.objectFieldOffset (k.getDeclaredField("transferIndex")); BASECOUNT = U.objectFieldOffset (k.getDeclaredField("baseCount")); CELLSBUSY = U.objectFieldOffset (k.getDeclaredField("cellsBusy")); Class> ck = CounterCell.class; CELLVALUE = U.objectFieldOffset (ck.getDeclaredField("value")); Class> ak = Node[].class; ABASE = U.arrayBaseOffset(ak); int scale = U.arrayIndexScale(ak); if ((scale & (scale - 1)) != 0) throw new Error("data type scale not a power of two"); ASHIFT = 31 - Integer.numberOfLeadingZeros(scale); } catch (Exception e) { throw new Error(e); } }3.2 常用方法
在操作过程中,经常会看到以下几个,或者相类似的方法。
其核心是
//获得 i 位置上的 Node 节点 static final4. 初始化函数 initTableNode tabAt(Node [] tab, int i) { return (Node )U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE); } //利用CAS算法设置i位置上的Node节点。 static final boolean casTabAt(Node [] tab, int i, Node c, Node v) { return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v); } //利用volatile方法设置节点位置的值 static final void setTabAt(Node [] tab, int i, Node v) { U.putObjectVolatile(tab, ((long)i << ASHIFT) + ABASE, v); }
调用ConcurrentHashMap的构造方法仅仅是设置了一些参数而已,而整个table的初始化是在向ConcurrentHashMap中插入元素的时候发生的。
当向 map 插入数据的时候 table == null , 则会调用 initTable()方法 。
用 put 方法 简单展示一下。
final V putVal(K key, V value, boolean onlyIfAbsent) { ... ... for (Node[] tab = table;;) { Node f; int n, i, fh; if (tab == null || (n = tab.length) == 0) tab = initTable(); ... ... }
initTable() 方法展示如下
其中有 sizectl 变量,这里回顾一下
hash表初始化或扩容时的一个控制位标识量。 负数代表正在进行初始化或扩容操作 -1代表正在初始化 -N 表示有N-1个线程正在进行扩容操作 正数或0代表hash表还没有被初始化,这个数值表示初始化或下一次进行扩容的大小
/** * Initializes table, using the size recorded in sizeCtl. */ private final Node5. transfer() 扩容操作[] initTable() { Node [] tab; int sc; while ((tab = table) == null || tab.length == 0) { //sizeCtl <0 表示有其他线程正在进行初始化操作,把线程挂起。对于table的初始化工作,只能有一个线程在进行。 if ((sc = sizeCtl) < 0) Thread.yield(); // lost initialization race; just spin //利用CAS方法把sizectl的值置为-1 表示本线程正在进行初始化 else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) { try { if ((tab = table) == null || tab.length == 0) { int n = (sc > 0) ? sc : DEFAULT_CAPACITY; @SuppressWarnings("unchecked") Node [] nt = (Node [])new Node,?>[n]; table = tab = nt; //相当于0.75*n 设置一个扩容的阈值 // sc = n - n/4 sc = n - (n >>> 2); } } finally { // 更新 sizectl sizeCtl = sc; } break; } } return tab; }
当ConcurrentHashMap容量不足的时候,需要对table进行扩容。这个方法的基本思想跟HashMap是很像的,但是由于它是支持并发扩容的,所以要复杂的多。原因是它支持多线程进行扩容操作,而并没有加锁。我想这样做的目的不仅仅是为了满足concurrent的要求,而是希望利用并发处理去减少扩容带来的时间影响。因为在扩容的时候,总是会涉及到从一个“数组”到另一个“数组”拷贝的操作,如果这个操作能够并发进行,那真真是极好的了。
整个扩容操作分为两个部分:
1. 第一部分是构建一个nextTable,它的容量是原来的两倍,这个操作是单线程完成的。这个单线程的保证是通过RESIZE_STAMP_SHIFT这个常量经过一次运算来保证的,这个地方在后面会有提到; 2. 第二个部分就是将原来table中的元素复制到nextTable中,这里允许多线程进行操作。
先来看一下单线程是如何完成的:
它的大体思想就是遍历、复制的过程。首先根据运算得到需要遍历的次数i,然后利用tabAt方法获得i位置的元素:
1. 如果这个位置为空,就在原table中的i位置放入forwardNode节点,这个也是触发并发扩容的关键点; 2. 如果这个位置是Node节点(fh>=0),就构造两个链表,一个代表高位为 0 , 一个代表高位为 1 。将原来的结点 分别放在nextTable的i和i+n的位置上,并且除了lastRun的位置相对位于链表的底部外,其余元素均为 **反序** 。 3. 如果这个位置是TreeBin节点(fh<0),也做一个处理,并且判断是否需要untreefi,把处理的结果分别放在nextTable的i和i+n的位置上
遍历过所有的节点以后就完成了复制工作,这时让nextTable作为新的table,并且更新sizeCtl为新容量的0.75倍 ,完成扩容。
再看一下多线程是如何完成的:
//如果遍历到ForwardingNode节点 说明这个点已经被处理过了,直接跳过 这里是控制并发扩容的核心 else if ((fh = f.hash) == MOVED) advance = true; // already processed
这是一个判断,如果遍历到的节点是forward节点,就向后继续遍历,再加上给节点上锁的机制,就完成了多线程的控制。多线程遍历节点,处理了一个节点,就把对应点的值set为forward,另一个线程看到forward,就向后遍历。这样交叉就完成了复制工作。而且还很好的解决了线程安全的问题。
如图:
下面是源码:
/** * 一个过渡的table表 只有在扩容的时候才会使用 */ private transient volatile Node6. put 方法[] nextTable; /** * Moves and/or copies the nodes in each bin to new table. See * above for explanation. */ private final void transfer(Node [] tab, Node [] nextTab) { int n = tab.length, stride; // 通过计算 NCPU CPU的核心数与 表的大小的比值,将表进行范围的细分,以方便 并发。 // 感觉上 有点像 segment 分段锁的意思。 if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE) stride = MIN_TRANSFER_STRIDE; // subdivide range if (nextTab == null) { // initiating try { //构造一个nextTable对象 它的容量是原来的两倍。 @SuppressWarnings("unchecked") Node [] nt = (Node []) new Node, ?>[n << 1]; nextTab = nt; } catch (Throwable ex) { // try to cope with OOME //原来的 容量限制为 1<<30 //HashMap 在扩容时,会用 resize() 方法,扩大 threshold 的值 //当大于 MAXIMUM_CAPACITY 时,会将 threshold 设置为 Integer.MAX_VALUE sizeCtl = Integer.MAX_VALUE; return; } nextTable = nextTab; transferIndex = n; } int nextn = nextTab.length; ForwardingNode fwd = new ForwardingNode (nextTab);//构造一个连节点指针 用于标志位 boolean advance = true;//并发扩容的关键属性 如果等于true 说明这个节点已经处理过 boolean finishing = false; // to ensure sweep before committing nextTab for (int i = 0, bound = 0; ; ) { Node f; int fh; //这个while循环体的作用就是在控制i递减 通过i可以依次遍历原hash表中的节点 while (advance) { int nextIndex, nextBound; if (--i >= bound || finishing) advance = false; else if ((nextIndex = transferIndex) <= 0) { i = -1; advance = false; } else if (U.compareAndSwapInt (this, TRANSFERINDEX, nextIndex, nextBound = (nextIndex > stride ? nextIndex - stride : 0))) { bound = nextBound; i = nextIndex - 1; advance = false; } } if (i < 0 || i >= n || i + n >= nextn) { int sc; if (finishing) { //如果所有的节点都已经完成复制工作 就把nextTable赋值给table 清空临时对象nextTable nextTable = null; table = nextTab; sizeCtl = (n << 1) - (n >>> 1);//扩容阈值设置为原来容量的1.5倍 依然相当于现在容量的0.75倍 return; } //利用CAS方法更新这个扩容阈值,在这里面sizectl值减一,说明新加入一个线程参与到扩容操作 if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) { if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT) return; finishing = advance = true; i = n; // recheck before commit } } //如果遍历到的节点为空 则放入ForwardingNode指针 else if ((f = tabAt(tab, i)) == null) advance = casTabAt(tab, i, null, fwd); //如果遍历到ForwardingNode节点 说明这个点已经被处理过了,直接跳过 这里是控制并发扩容的核心 else if ((fh = f.hash) == MOVED) advance = true; // already processed else { //节点上锁 synchronized (f) { if (tabAt(tab, i) == f) { Node ln, hn; //如果fh>=0 证明这是一个Node节点 if (fh >= 0) { // runBit 代表正在 运行的 Node 节点的 分类 // 因此链表根据高位为0或者1分为两个子链表,高位为0的节点桶位置没有发生变化,高位为1的节点桶位置增加了n, // 所以有setTabAt(nextTab, i, ln);和 setTabAt(nextTab, i + n, hn); // n = 2的幂 。 二进制 0001000 // fh & n = 1. 1000 // 2. 0000 所以划分出两个链表。 int runBit = fh & n; // lastRun 是正在运行的节点 Node lastRun = f; //以下的部分在完成的工作是构造两个链表 一个是高位为 0 的链表 另一个是高位为 1 的链表 // 找出最后一个 与后面的结点不同的 结点 for (Node p = f.next; p != null; p = p.next) { int b = p.hash & n; if (b != runBit) { runBit = b; lastRun = p; } } // 将最后一个 结点保存起来 if (runBit == 0) { ln = lastRun; hn = null; } else { hn = lastRun; ln = null; } for (Node p = f; p != lastRun; p = p.next) { int ph = p.hash; K pk = p.key; V pv = p.val; //这个链表是从低层向上构建 // ln 或 hn = lastRun, 构建一个 node 结点 // 其下一个结点为 lastRun 。 if ((ph & n) == 0) // 构建低位链表 ln = new Node (ph, pk, pv, ln); else // 构建高位链表 hn = new Node (ph, pk, pv, hn); } //在nextTable的i位置上插入一个链表 setTabAt(nextTab, i, ln); //在nextTable的i+n的位置上插入另一个链表 setTabAt(nextTab, i + n, hn); //在table的i位置上插入forwardNode节点 表示已经处理过该节点 setTabAt(tab, i, fwd); //设置advance为true 返回到上面的while循环中 就可以执行 --i 操作 advance = true; } //对TreeBin对象进行处理 与上面的过程类似 else if (f instanceof TreeBin) { TreeBin t = (TreeBin ) f; TreeNode lo = null, loTail = null; TreeNode hi = null, hiTail = null; int lc = 0, hc = 0; //构造高位和低位两个链表 for (Node e = t.first; e != null; e = e.next) { int h = e.hash; TreeNode p = new TreeNode (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; } } //如果扩容后已经不再需要tree的结构 反向转换为链表结构 ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) : (hc != 0) ? new TreeBin (lo) : t; hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) : (lc != 0) ? new TreeBin (hi) : t; //在nextTable的i位置上插入一个链表 setTabAt(nextTab, i, ln); //在nextTable的i+n的位置上插入另一个链表 setTabAt(nextTab, i + n, hn); //在table的i位置上插入forwardNode节点 表示已经处理过该节点 setTabAt(tab, i, fwd); //设置advance为true 返回到上面的while循环中 就可以执行 --i 操作 advance = true; } } } } } }
put方法依然沿用HashMap的put方法的思想,根据hash值计算这个新插入的点在table中的位置i。
注:1. hash = spread(key.hashCode()) 2. spread(int h) --> return (h ^ (h >>> 16)) & HASH_BITS; --> 通过hashCode()的高16位异或低16位优化高位运算的算法 3. else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { if (casTabAt(tab, i, null, new Node(hash, key, value, null))) break; // no lock when adding to empty bin }
如果i位置是空的,直接放进去,否则进行判断,
如果i位置是树节点,按照树的方式插入新的节点,否则把i插入到链表的末尾
不同点:ConcurrentHashMap不允许key或value为null值。
多线程的情况下:
如果一个或多个线程正在对ConcurrentHashMap进行扩容操作,当前线程也要进入扩容的操作中。这个扩容的操作之所以能被检测到,是因为transfer方法中在空结点上插入forward节点,如果检测到需要插入的位置被forward节点占有,就帮助进行扩容; --> helpTransfer() 方法。
如果检测到要插入的节点是非空且不是forward节点,就对这个节点加锁,这样就保证了线程安全。尽管这个有一些影响效率,但是还是会比hashTable的synchronized要好得多。
首先判断这个节点的类型。如果是链表节点(fh>0),则得到的结点就是hash值相同的节点组成的链表的头节点。需要依次向后遍历确定这个新加入的值所在位置。如果遇到hash值与key值都与新加入节点是一致的情况,则只需要更新value值即可。否则依次向后遍历,直到链表尾插入这个结点。
如果加入这个节点以后链表长度大于8,就把这个链表转换成红黑树。
如果这个节点的类型已经是树节点的话,直接调用树节点的插入方法进行插入新的值。
源码如下:
public V put(K key, V value) { return putVal(key, value, false); } final V putVal(K key, V value, boolean onlyIfAbsent) { //不允许 key或value为null if (key == null || value == null) throw new NullPointerException(); //计算hash值 int hash = spread(key.hashCode()); //计算该链表 节点的数量 int binCount = 0; for (Node6.1 helpTransfer() 方法[] tab = table;;) { Node f; int n, i, fh; // 第一次 put 操作的时候初始化,如果table为空的话,初始化table if (tab == null || (n = tab.length) == 0) tab = initTable(); //根据hash值计算出在table里面的位置 else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { // 根据对应的key hash 到具体的索引,如果该索引对应的 Node 为 null,则采用 CAS 操作更新整个 table // 如果这个位置没有值 ,直接放进去,不需要加锁 if (casTabAt(tab, i, null, new Node (hash, key, value, null))) break; // no lock when adding to empty bin } //当遇到表连接点时,需要进行整合表的操作 else if ((fh = f.hash) == MOVED) tab = helpTransfer(tab, f); else { V oldVal = null; // 结点上锁,只是对链表头结点作锁操作 synchronized (f) { if (tabAt(tab, i) == f) { //fh > 0 说明这个节点是一个链表的节点 不是树的节点 if (fh >= 0) { binCount = 1; //在这里遍历链表所有的结点 //并且计算链表里结点的数量 for (Node e = f;; ++binCount) { K ek; //如果hash值和key值相同 则修改对应结点的value值 if (e.hash == hash && ((ek = e.key) == key || (ek != null && key.equals(ek)))) { oldVal = e.val; if (!onlyIfAbsent) e.val = value; break; } Node pred = e; //如果遍历到了最后一个结点,那么就证明新的节点需要插入 就把它插入在链表尾部 if ((e = e.next) == null) { // 插入到链表尾 pred.next = new Node (hash, key, value, null); break; } } } //如果这个节点是树节点,就按照树的方式插入值 else if (f instanceof TreeBin) { // 如果是红黑树结点,按照红黑树的插入 Node p; // 如果为树节点, binCount一直为2,不会引发扩容。 binCount = 2; if ((p = ((TreeBin )f).putTreeVal(hash, key, value)) != null) { oldVal = p.val; if (!onlyIfAbsent) p.val = value; } } } } if (binCount != 0) { // 如果这个链表结点达到了临界值8,那么把这个链表转换成红黑树 if (binCount >= TREEIFY_THRESHOLD) treeifyBin(tab, i); if (oldVal != null) return oldVal; break; } } } //将当前ConcurrentHashMap的元素数量+1,table的扩容是在这里发生的 addCount(1L, binCount); return null; }
出现于 put 方法 如下地点
//当遇到表连接点时,需要进行整合表的操作 else if ((fh = f.hash) == MOVED) tab = helpTransfer(tab, f);
helpTransfer() 方法的源码如下
final Node6.2 treeifyBin() 方法[] helpTransfer(Node [] tab, Node f) { Node [] nextTab; int sc; // 当前 table 不为 null , 且 f 为 forwardingNode 结点 , 且存在下一张表 if (tab != null && (f instanceof ForwardingNode) && (nextTab = ((ForwardingNode )f).nextTable) != null) { int rs = resizeStamp(tab.length);//计算一个扩容校验码 // 当 sizeCtl < 0 时,表示有线程在 transfer(). while (nextTab == nextTable && table == tab && (sc = sizeCtl) < 0) { //正常情况下 sc >>> RESIZE_STAMP_SHIFT == resizeStamp(tab.length); if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 || sc == rs + MAX_RESIZERS || transferIndex <= 0) break; //将 扩容的线程先行减一,表示,这是来辅助 transfer,而非进行 transfer的线程。 if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) { transfer(tab, nextTab); break; } } return nextTab; } return table; }
涉及变量 MIN_TREEIFY_CAPACITY = 64;
如果数组长度n小于阈值MIN_TREEIFY_CAPACITY,默认是64,则会调用tryPresize方法把数组长度扩大到原来的两倍,并触发transfer方法,重新调整节点的位置。
出现于 put 方法 如下地点
if (binCount != 0) { // TREEIFY_THRESHOLD 默认为 8. if (binCount >= TREEIFY_THRESHOLD) treeifyBin(tab, i); if (oldVal != null) return oldVal; break; }
其中源码如下:
private final void treeifyBin(Node6.3 tableSizeFor 方法[] tab, int index) { Node b; int n, sc; if (tab != null) { if ((n = tab.length) < MIN_TREEIFY_CAPACITY) // 将原来的数组扩大为原来的两倍 tryPresize(n << 1); else if ((b = tabAt(tab, index)) != null && b.hash >= 0) { synchronized (b) { if (tabAt(tab, index) == b) { TreeNode hd = null, tl = null; for (Node e = b; e != null; e = e.next) { TreeNode p = new TreeNode (e.hash, e.key, e.val, null, null); if ((p.prev = tl) == null) hd = p; else tl.next = p; tl = p; } setTabAt(tab, index, new TreeBin (hd)); } } } } }
这里讲一个 JDK8 中设计的非常巧妙的算法。看了好久才看懂。
出自 tryPresize 方法中的以下位置
//数组的最大容积为 1<<30 。如果数组大小超过 1<<29 ,则将最大大小设置为 MAXIMUM_CAPACITY //否则,设置为原来的两倍。 private final void tryPresize(int size) { int c = (size >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY : tableSizeFor(size + (size >>> 1) + 1);
下面让我们来分析一下,tableSizeFor()
这个算法的目的,是得出相比较于给定参数,返回一个刚好比参数大的 2次幂 整数。
static final int tableSizeFor(int cap) { int n = cap - 1; n |= n >>> 1; n |= n >>> 2; n |= n >>> 4; n |= n >>> 8; n |= n >>> 16; return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1; }
先来分析有关n位操作部分:先来假设n的二进制为01xxx...xxx。接着
对n右移1位:001xx...xxx,再位或:011xx...xxx
对n右移2为:00011...xxx,再位或:01111...xxx
此时前面已经有四个1了,再右移4位且位或可得8个1
同理,有8个1,右移8位肯定会让后八位也为1。
综上可得,该算法让最高位的1后面的位全变为1。
最后再让结果n+1,即得到了2的整数次幂的值了。
现在回来看看第一条语句:
int n = cap - 1;
让cap-1再赋值给n的目的是另找到的目标值大于或等于原值。例如二进制1000,十进制数值为8。如果不对它减1而直接操作,将得到答案10000,即16。显然不是结果。减1后二进制为111,再进行操作则会得到原来的数值1000,即8。
引用自(http://www.cnblogs.com/loadin...
7. get 方法通过 key值 搜索 value 值。
并且要 通过分辨 结点的种类,进行不同形式的寻找。
public V get(Object key) { Node8. Size相关[] tab; Node e, p; int n, eh; K ek; //计算hash值 int h = spread(key.hashCode()); //根据hash值确定节点位置 if ((tab = table) != null && (n = tab.length) > 0 && (e = tabAt(tab, (n - 1) & h)) != null) { //如果搜索到的节点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eh<0 说明这个节点在树上 直接寻找 else if (eh < 0) return (p = e.find(h, key)) != null ? p.val : null; //否则遍历链表 找到对应的值并返回 while ((e = e.next) != null) { if (e.hash == h && ((ek = e.key) == key || (ek != null && key.equals(ek)))) return e.val; } } return null; }
《并发编程实战》中有提到,size返回的结果在计算时可能已经过期了,它实际上只是一个估计值,因此允许size返回一个近似值,而不是一个精确值。
8.1 CounterCell 类从注释中可以看出,这是从 LongAdder 类中的思想,拷贝过来的一个类。
LongAdder 类 是 JDK 1.8 新引进的类,其思想:
多个线程持有自己的加数(cell),线程个数增加时,会自动提供新的加数。 当所有工作做完后,再提供新的加数。
有时间写一篇相关的源码分析~ 逃~
不过,这里一样不能精确统计,这里的 CounterCell 等同于 LongAdder.Cell sumCount() 等同于 LongAdder.sum()方法。
执行逻辑是一样的。
就 LongAdder 类中的 sum 方法所说, 当有线程在运行时,一样只是估计值,只有当所有线程执行完毕,才是实际值。
而统计 Size ,不能够像垃圾清除一样,有 Safe point 或 Safe region ,所以,这个假设不成立。。。
其相关的源码如下。
/** * A padded cell for distributing counts. Adapted from LongAdder * and Striped64. See their internal docs for explanation. */ @sun.misc.Contended static final class CounterCell { volatile long value; CounterCell(long x) { value = x; } } //执行逻辑 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; }8.2 mappingCount 方法
就官方文档中所说, mappingCount 方法,应该取代 size 方法,
但这个方法得出的值一样在线程运行的时候,只是一个估计的值。
从源码中就可以看出,使用的是上文分析的 sumCount() 方法。
public long mappingCount() { long n = sumCount(); return (n < 0L) ? 0L : n; // ignore transient negative values }8.3 addCount 方法
出自于 put 方法的如下位置
//将当前ConcurrentHashMap的元素数量+1 addCount(1L, binCount); return null; }
统计上:
这里用到 CounterCell类,并且统计的值的计算一样是采用的 sumCount() 方法。
所以缺点如上,不再阐述。
扩容上:
逻辑与 helpTransfer() 类似,都是判断是否有多个线程在执行扩容,然后判断是否需要辅助 transfer();
源码如下
private final void addCount(long x, int check) { //用到了 CounterCell 类 CounterCell[] as; long b, s; //利用CAS方法更新baseCount的值 if ((as = counterCells) != null || !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) { CounterCell a; long v; int m; boolean uncontended = true; if (as == null || (m = as.length - 1) < 0 || (a = as[ThreadLocalRandom.getProbe() & m]) == null || !(uncontended = U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) { fullAddCount(x, uncontended); return; } if (check <= 1) return; s = sumCount(); } //如果check值大于等于0 则需要检验是否需要进行扩容操作 //下面的逻辑与 helpTransfer() 类似,可以与 helpTransfer() 一起参考。 if (check >= 0) { Node[] tab, nt; int n, sc; while (s >= (long)(sc = sizeCtl) && (tab = table) != null && (n = tab.length) < MAXIMUM_CAPACITY) { int rs = resizeStamp(n); //如果已经有其他线程在执行扩容操作 if (sc < 0) { //校验失效,直接退出。 if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 || sc == rs + MAX_RESIZERS || (nt = nextTable) == null || transferIndex <= 0) break; if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) transfer(tab, nt); } //当前线程是唯一的或是第一个发起扩容的线程 此时nextTable=null else if (U.compareAndSwapInt(this, SIZECTL, sc, (rs << RESIZE_STAMP_SHIFT) + 2)) transfer(tab, null); s = sumCount(); } } }
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/70282.html
摘要:如果冲突了,同步头节点,进行链表操作,如果链表长度达到,分成红黑树。每次加入一个线程都会将的低位加一。扩容最大的帮助线程是,这是低位的最大值限制的。线程处理完之后,如果没有可选区间,且任务没有完成,就会将整个表检查一遍,防止遗漏。 前言 每一次总结都意味着重新开始,同时也是为了更好的开始。ConcurrentHashMap 一直是我心中的痛。虽然不敢说完全读懂了,但也看了几个重要的方法...
摘要:如果使用类,则代表该类所在的包为相对路径的起点。虽然并没有针对其性能作出确切的比较,不过就现有的网络统计来说,类在使用中大都会比类快并且在最新的中,也是用代替了的操作,相关的文章请参考。综上,推荐使用类替代类。 前言 最近做项目的时候,用java获取文件。虽然用框架很容易,但是其内部的原理让我很疑惑。在自己写相似的代码的时候,往往会出现各种各样的错误。所以这里,对相关的类以及方法进行一...
摘要:简介是的线程安全版本,内部也是使用数组链表红黑树的结构来存储元素。相比于同样线程安全的来说,效率等各方面都有极大地提高。中的关键字,内部实现为监视器锁,主要是通过对象监视器在对象头中的字段来表明的。 简介 ConcurrentHashMap是HashMap的线程安全版本,内部也是使用(数组 + 链表 + 红黑树)的结构来存储元素。 相比于同样线程安全的HashTable来说,效率等各方...
ConcurrentHashMap源码分析_JDK1.8版本 声明 文章均为本人技术笔记,转载请注明出处[1] https://segmentfault.com/u/yzwall[2] blog.csdn.net/j_dark/ JDK1.6版本 ConcurrentHashMap结构 showImg(https://segmentfault.com/img/remote/146000000900...
摘要:那么,如果之后不是简单的操作,而是还有其它业务操作,之后才是,比如下面这样,这该怎么办呢其它业务操作这时候就没办法使用提供的方法了,只能业务自己来保证线程安全了,比如下面这样其它业务操作这样虽然不太友好,但是最起码能保证业务逻辑是正确的。 删除元素 删除元素跟添加元素一样,都是先找到元素所在的桶,然后采用分段锁的思想锁住整个桶,再进行操作。 public V remove(Objec...
阅读 2814·2021-09-22 15:54
阅读 1849·2019-08-30 15:53
阅读 2198·2019-08-29 16:33
阅读 1394·2019-08-29 12:29
阅读 1360·2019-08-26 11:41
阅读 2334·2019-08-26 11:34
阅读 2895·2019-08-23 16:12
阅读 1391·2019-08-23 15:56