资讯专栏INFORMATION COLUMN

Kill_Java -- ConcurrentHashMap源码分析

Karrdy / 569人阅读

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

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 Node implements 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();
    }
2.2 TreeNode

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 TreeNode extends 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;
    }
2.3. TreeBin

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 TreeBin extends 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(TreeNode b) {  
        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);  
    }  
2.4. ForwardingNode

作用是在 transfer() 过程中,插入到 TreeBin 之间,用作链接作用。

    static final class ForwardingNode extends Node {
        final Node[] nextTable;
        ForwardingNode(Node[] tab) {
            super(MOVED, null, null, null);
            this.nextTable = tab;
        }
3. Unsafe 类 与 常用的操作 3.1. Unsafe 与 静态代码块

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 final  Node 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);  
   }  
4. 初始化函数 initTable

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 。
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 Node[] 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;  
    }  
5. transfer() 扩容操作

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 Node[] 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;
                        }
                    }
                }
            }
        }
    }
6. put 方法

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 (Node[] 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;
}
6.1 helpTransfer() 方法

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 Node[] 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;  
   }  
6.2 treeifyBin() 方法

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(Node[] 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));
                }
            }
        }
    }
}
6.3 tableSizeFor 方法

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) {  
        Node[] 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;  
    }  
8. Size相关

《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

相关文章

  • ConcurrentHashMap 源码阅读小结

    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...

    The question 评论0 收藏0
  • Kill_Java -- 文件类相关

    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...

    printempw 评论0 收藏0
  • [学习笔记-Java集合-7] Map - ConcurrentHashMap 源码分析(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...

    SoapEye 评论0 收藏0
  • ConcurrentHashMap源码分析_JDK1.8版本

    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...

    animabear 评论0 收藏0
  • [学习笔记-Java集合-8] Map - ConcurrentHashMap 源码分析(二)

    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...

    2501207950 评论0 收藏0

发表评论

0条评论

Karrdy

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<