前面分析了jdk8版本的HashMap，虽然在新版本的jdk中解决了HashMap之前存在的死锁问题，但是该版本的HashMap还是只能用于单线程情况下。多线程环境下还是要使用ConcurrentHashMap来解决并发问题。
ConcurrentHashMap的继承关系如下所示：
ConcurrentHashMap的示意图如下所示：
成员变量
//最大容量
private static final int MAXIMUM_CAPACITY = 1 << 30;
//默认容量
private static final int DEFAULT_CAPACITY = 16;
// 负载因子
private static final float LOAD_FACTOR = 0.75f;
//最大并发度 最多允许多少个线程进行访问
private static final int DEFAULT_CONCURRENCY_LEVEL = 16;
//树化阈值
static final int TREEIFY_THRESHOLD = 8;
//最小树化容量
static final int MIN_TREEIFY_CAPACITY = 64;
//反树化阈值
static final int UNTREEIFY_THRESHOLD = 6;
//实际存放数组的node数组 使用volatile修饰 多线程下保持可见性
transient volatile Node<K,V>[] table;
//扩容时用于存放数组的数组 平时为null
private transient volatile Node<K,V>[] nextTable;
//通过CAS更新，记录容器的容量大小
private transient volatile long baseCount;
//控制标志符 下面会详细讲到
private transient volatile int sizeCtl;
//下次transfer方法的起始下标index加上1之后的值
private transient volatile int transferIndex;
//CAS自旋锁标志位
private transient volatile int cellsBusy;
//counter cell表，长度总为2的幂次
private transient volatile CounterCell[] counterCells;
下面重点说一下sizeCtl这个属性，这是一个在多线程间共享的竞态资源，用于维护各种状态，保存各类信息。
sizeCtl>0：- 当前数组尚未初始化时，表示初始容量；
- 若是已经初始化后，则表示扩容后的阈值，此时
sizeCtl=table.length*0.75f；
sizeCtl=-1：表示当前数组正在初始化或者是扩容阶段；sizeCtl<-1：承担扩容时，标识符（高16位）和参与线程数目（低16位）的存储。需要扩容时，使用CAS设置为sizeCtl+1，完成扩容时，使用CAS设置为sizeCtl-1；
内部类
Node
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;
}
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();
}
public final boolean equals(Object o) {
Object k, v, u; Map.Entry<?,?> e;
return ((o instanceof Map.Entry) &&
(k = (e = (Map.Entry<?,?>)o).getKey()) != null &&
(v = e.getValue()) != null &&
(k == key || k.equals(key)) &&
(v == (u = val) || v.equals(u)));
}
/**
* Virtualized support for map.get(); overridden in subclasses.
*/
Node<K,V> find(int h, Object k) {
Node<K,V> e = this;
if (k != null) {
do {
K ek;
if (e.hash == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
} while ((e = e.next) != null);
}
return null;
}
}
Node这个内部类是真正用于存储key和value的数据载体，其中key和value都是使用volatile进行修饰的，保证了多线程情况下的可见性。
ForwardingNode
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;
}
Node<K,V> find(int h, Object k) {
// loop to avoid arbitrarily deep recursion on forwarding nodes
outer: for (Node<K,V>[] tab = nextTable;;) {
Node<K,V> e; int n;
if (k == null || tab == null || (n = tab.length) == 0 ||
(e = tabAt(tab, (n - 1) & h)) == null)
return null;
for (;;) {
int eh; K ek;
if ((eh = e.hash) == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
if (eh < 0) {
if (e instanceof ForwardingNode) {
tab = ((ForwardingNode<K,V>)e).nextTable;
continue outer;
}
else
return e.find(h, k);
}
if ((e = e.next) == null)
return null;
}
}
}
}
ForwardingNode继承自Node，这个类只会在扩容时用到。当数据进行扩容时，会将数组索引位置处的Node节点转换为ForwardingNode节点，这样在put、get以及remove操作时，可以知道此时数组正在扩容，相应的操作就会进行等待状态，直到扩容完成后继续执行接下来的操作。
构造方法
//无参构造
public ConcurrentHashMap() {
}
//带有初始容量的构造方法
public ConcurrentHashMap(int initialCapacity) {
if (initialCapacity < 0)
throw new IllegalArgumentException();
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
this.sizeCtl = cap;
}
//带有初始容量 负载因子 并发度等的构造方法
public ConcurrentHashMap(int initialCapacity,
float loadFactor, int concurrencyLevel) {
if (!(loadFactor > 0.0f) || 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;
}
//使用集合作为入参的构造方法
public ConcurrentHashMap(Map<? extends K, ? extends V> m) {
this.sizeCtl = DEFAULT_CAPACITY;
putAll(m);
}
tableSizeFor
private static final int tableSizeFor(int c) {
int n = c - 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;
}
与HashMap中的tableSizeFor方法一样，返回第一个大于等于入参c且是2的倍数的数。
put方法
public V put(K key, V value) {
return putVal(key, value, false);
}
final V putVal(K key, V value, boolean onlyIfAbsent) {
//这里可以看出 ConcurrentHashMap中不允许 key 或者 value为null的情况
if (key == null || value == null) throw new NullPointerException();
//类似于 HashMap中的hash方法，计算hash
int hash = spread(key.hashCode());
int binCount = 0;
//死循环自旋
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
//如果当前数组还未初始化
if (tab == null || (n = tab.length) == 0)
//初始化数组
tab = initTable();
//当前索引位置没有值，直接创建
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
//使用cas在当前索引位置处创建新的Node节点，当i位置为空时，cas成功，退出自旋，否则继续
//自旋
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
//static final int MOVED = -1;表示正在迁移
//如果当前节点是转移节点，表示该节点正在经历扩容，就会陷入等待，直到扩容完成
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
//当前索引位置处已经存在一个旧节点了
else {
V oldVal = null;
//使用synchronized加锁
synchronized (f) {
//这里再次判断 i 索引位置的数据没有被修改
//binCount 被赋值的话，说明走到了修改表的过程里面
if (tabAt(tab, i) == f) {
if (fh >= 0) {
//修改binCount
binCount = 1;
//开始遍历链表
for (Node<K,V> e = f;; ++binCount) {
K ek;
//根据hash和key进行判断，命中了，结束循环
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
}
//把新增的元素赋值到链表最后，退出自旋
Node<K,V> pred = e;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
//如果是红黑树的话
//红黑树，这里没有使用 TreeNode,使用的是 TreeBin，TreeNode 只是红黑树的一
//个节点
//TreeBin 持有红黑树的引用，并且会对其加锁，保证其操作的线程安全
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
//满足if的话，把老的值给oldVal
//在putTreeVal方法里面，在给红黑树重新着色旋转的时候
//会锁住红黑树的根节点
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
//binCount不为空，并且 oldVal 有值的情况，说明已经新增成功了
if (binCount != 0) {
//判断是否需要将链表转为红黑树
//static final int TREEIFY_THRESHOLD = 8;
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
//这一步几乎走不到。槽点已经上锁，只有在红黑树或者链表新增失败的时候
//才会走到这里，这两者新增都是自旋的，几乎不会失败
break;
}
}
}
//check 容器是否需要扩容，如果需要去扩容，调用 transfer 方法去扩容
//如果已经在扩容中了，check有无完成
addCount(1L, binCount);
return null;
}
put方法的流程梳理如下：
key或者value是否为null，有一个为null，直接抛出异常；- 计算hash值；
- 开始自旋：
- 当前数组是否初始化了，没有则调用
initTable进行初始化； - 当前索引位置是否为
null，是的话，使用cas将节点设置到该索引位置处； - 否的话，判断当前节点是否处于转移阶段，若是，则等待扩容；
- 前面两个都不满足的话，说明当前索引位置已经存在节点，且不是扩容阶段，则使用
synchronized锁住当前索引位置节点：- 判断当前索引位置的节点是否已经被修改了；
- 如果当前节点是一个链表的话，则开始遍历链表进行查找，如果
key能匹配到，则直接替换value，否则在链表尾部新增节点，退出自旋； - 如果是红黑树结构，则调用红黑树的新增方法来设置
key和value，退出自旋；
- 当前数组是否初始化了，没有则调用
- 新增完成后，判断是否需要将链表进行树化；
- 更新
- 返回；
整个流程的示意图如下所示：
put方法如何保证线程安全
put方法中做了四处优化，保证线程安全：
- 通过自旋死循环保证一定可以新增成功。在新增之前，通过
for (Node<K,V>[] tab = table;;)这样的死循环来保证新增一定可以成功，一旦新增成功，就可以退出当前死循环，新增失败的话，会重复新增的步骤，直到新增成功为止； - 当索引位置处为空时，通过
CAS来进行新增节点。这里的逻辑非常严谨，没有判断在槽点为空的情况下直接赋值，因为在判断槽点为空和赋值的瞬间，很有可能槽点已经被其他线程赋值了，所以这里采用了CAS算法，能够保证槽点为空的情况下赋值成功；如果槽点恰好已经被其他线程进行了赋值，当前的CAS操作会失败，会继续自旋，然后再走槽有值的put流程，这里就是CAS+自旋的结合； - 当前槽点有值时，锁住当前槽点。
put时，如果当前槽点有值，则表明出现了hash冲突，此时槽点上有可能是链表或者红黑树，我们通过锁住槽点，来保证同一时刻只会有一个线程能对槽点进行修改； - 红黑树旋转时，锁住红黑树的根节点，保证同一时刻，当前红黑树只能被一个线程旋转；
initTable方法
懒加载思想，当需要使用到的时候才去初始化数组，而不是一开始就初始化好。
//初始化 table，通过对 sizeCtl 的变量赋值来保证数组只能被初始化一次
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
//开始自旋
while ((tab = table) == null || tab.length == 0) {
// 小于 0 代表有线程正在初始化，释放当前 CPU 的调度权，重新发起锁的竞争
if ((sc = sizeCtl) < 0)
Thread.yield();
// CAS 赋值保证当前只有一个线程在初始化，-1 代表当前只有一个线程能初始化
// 保证了数组的初始化的安全性
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
//很有可能执行到这里的时候，table 已经不为空了，这里是双重 check
if ((tab = table) == null || tab.length == 0) {
//默认容量
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
//新建数组
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
//更新sc的值 0.75n
sc = n - (n >>> 2);
}
} finally {
//更新 sizeCtl 0.75*table.length
sizeCtl = sc;
}
break;
}
}
return tab;
}
spread方法
static final int HASH_BITS = 0x7fffffff;
static final int spread(int h) {
return (h ^ (h >>> 16)) & HASH_BITS;
}
该方法用于计算hash值，使h的高位和低位都可以参与到运算中，减少hash碰撞，HASH_BITS主要是将负的hash值转为正值。
tabAt方法
static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) {
return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE);
}
通过CAS方法获取数组索引位置上的值。
casTabAt方法
static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i,
Node<K,V> c, Node<K,V> v) {
return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v);
}
通过CAS设置数组中指定索引位置处的值。
get方法
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
//计算hash
int h = spread(key.hashCode());
//当前数组的索引位置处不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
//如果 key 和 hash都一样 表明命中
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
// 该位置处是红黑树的话 调用红黑树的查找方法
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
//链表的话 就直接遍历链表
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
get方法的逻辑很简单，而且相比于put方法来说，没有自旋和加锁过程，效率很高。
扩容
当数组中元素数量超过阈值时，ConcurrentHashMap就会发生扩容，如put方法中最后通过addCount方法进行扩容判断。
addCount方法
/**
* @param x 要增加的元素个数
* @param check 当小于0时，不检查是否进行扩容，
* 当小于等于1时，只在非竞争状态下检查是否需要扩容
*/
private final void addCount(long x, int check) {
CounterCell[] as; long b, s;
// 1. counterCells不为空
// 2. CAS修改baseCount属性失败时
if ((as = counterCells) != null ||
// CAS设置baseCOunt
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
CounterCell a; long v; int m;
// 线程争用的状态标记
boolean uncontended = true;
// 1. 计数cell为null,或长度小于1
// 2. 随机去一个数组位置为为空
// 3. CAS替换CounterCell的value失败
if (as == null || (m = as.length - 1) < 0 ||
(a = as[ThreadLocalRandom.getProbe() & m]) == null ||
!(uncontended =
U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
// CAS增加CounterCell的value值失败会调用fullAddCount方法
fullAddCount(x, uncontended);
return;
}
if (check <= 1)
return;
//计算此时数组中元素的数量
s = sumCount();
}
// 根据`check >= 0`判断是否需要检查扩容
if (check >= 0) {
Node<K,V>[] tab, nt; int n, sc;
// 1. 如果元素总数大于sizeCtl,表示达到了扩容阈值
// 2. tab数组不能为空,已经初始化
// 3. table.length小于最大容,有扩容空间
while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
(n = tab.length) < MAXIMUM_CAPACITY) {
// 根据数组长度获取一个扩容标志
int rs = resizeStamp(n);
if (sc < 0) {
// 如果sc的低16位不等于rs,表示标识符已经改变.
// 如果nextTable为空,表示扩容已经结束
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex <= 0)
break;
// CAS替换sc值为sc+1,成功则开始扩容
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
transfer(tab, nt);
}
// `sc > 0`表示数组此时并不在扩容阶段,更新sizeCtl并开始扩容
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
// 调用transfer,nextTable待生成
transfer(tab, null);
//计算此时数组中元素的数量
s = sumCount();
}
}
}
helpTransfer方法
/**
* 参数：
* tab -> 扩容的数组，一般为table
* f -> 线程持有的锁对应的桶的头节点
* 调用地方:
* 1. `putVal`检测到头节点Hash为MOVED
*/
final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
Node<K,V>[] nextTab; int sc;
// 1.当前数组不能为空
// 2.参数f必须为ForwardingNode类型
// 3.f.nextTab不能为空
if (tab != null && (f instanceof ForwardingNode) &&
(nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) {
// 获取扩容的标识
int rs = resizeStamp(tab.length);
//再次判断扩容正在进行
while (nextTab == nextTable && table == tab &&
(sc = sizeCtl) < 0) {
//如果扩容已经完成，返回
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || transferIndex <= 0)
break;
//cas更新扩容线程数，将自己加进去
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
transfer(tab, nextTab);
break;
}
}
return nextTab;
}
return table;
}
transfer方法
ConcurrentHashMap的核心扩容方法，源码如下所示：
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
// 老数组的长度
int n = tab.length, stride;
// stride为此次需要迁移的桶的数目
// NCPU为当前主机CPU数目
// MIN_TRANSFER_STRIDE为每个线程最小处理的组数目
// 1. 在多核中stride为当前容量的1/8对CPU数目取整,例如容量为16时,CPU为2时结果是1
// 2. 在单核中stride为n就为当前数组容量
// !!! stride最小为16,被限定死.
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
//nextTab为null表示扩容还未初始化
if (nextTab == null) { // initiating
try {
@SuppressWarnings("unchecked")
// 如果新数组为空，初始化，大小为原数组的两倍，n << 1
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];
nextTab = nt;
} catch (Throwable ex) { // try to cope with OOME
//超过最大长度限制了，不能在继续扩容了
sizeCtl = Integer.MAX_VALUE;
return;
}
nextTable = nextTab;
//待移动的数量为n
transferIndex = n;
}
//新数组长度
int nextn = nextTab.length;
//创建转移节点 如果原数组上是转移节点，说明该节点正在被扩容
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
//遍历本线程分担的扩容范围的标记，如果为false说明当前分到的范围完成了，继续去获取任务，或者全部结
//束了
boolean advance = true;
//扩容完成的标记，用来在扩容全部完成之后再检查一遍所有节点
boolean finishing = false;
// 无限自旋，i 的值会从原数组的最大值开始，慢慢递减到 0
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
//继续进行当前范围的扩容任务
while (advance) {
int nextIndex, nextBound;
// 扩容下标小于等于边界，或者已经标记为完成，不再继续循环
if (--i >= bound || finishing)
advance = false;
//(nextIndex = transferIndex) <= 0说明整体扩容已经完成了，将i=-1,用于下面判断结
//束
else if ((nextIndex = transferIndex) <= 0) {
i = -1;
advance = false;
}
//当前范围扩容还在进行，cas更新nextIndex，标志本线程已经领取了此范围的扩容任务，调整
//当前的边界
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ?
nextIndex - stride : 0))) {
bound = nextBound;
// 每次减少 i 的值
i = nextIndex - 1;
advance = false;
}
}
//如果i小于0了说明在上面的循环逻辑中transferIndex<=0，本线程的扩容任务已经完成，并且也没
//有未分配的扩容任务了
if (i < 0 || i >= n || i + n >= nextn) {
int sc;
//标记为完成
if (finishing) {
// 拷贝结束，直接赋值，因为每次拷贝完一个节点，都在原数组上放转移节点，所以拷贝完成
//的节点的数据一定不会再发生变化。
// 原数组发现是转移节点，是不会操作的，会一直等待转移节点消失之后在进行操作。
// 也就是说数组节点一旦被标记为转移节点，是不会再发生任何变动的，所以不会有任何线程安全的问
//题
// 所以此处直接赋值，没有任何问题。
nextTable = null;
table = nextTab;
//扩容阀值变为当前的1.5倍
sizeCtl = (n << 1) - (n >>> 1);
return;
}
//如果标记为未完成，说明还有线程没有完成自己的分配任务，尝试将sizeCtl-1，标记当前线程
//已经完成。
if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {
//下面的判断表达式与addCount中的逻辑一致，如果为true说明所有线程都已经完成了任
//务，如果不等于说明还有未完成扩容的线程,本线程的扩容逻辑返回，等待其他线程完成。
if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)
return;
//上面表达式成立，所有线程都已经完成了任务，将finishing标记改为true，重新遍历一
//遍所有节点，确保所有节点都已经完成了扩容
finishing = advance = true;
//这里将i赋值为n,上面的while逻辑每次循环都会执行--i，所以i的值就是从n到0，然后执
//行下面的节点检查的逻辑
i = n;
}
}
//本线程当前的扩容任务未完成
// 1.当前节点为null,cas更新节点的值为fwd转移节点，转移节点的hash值为MOVED
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
//2.判断是否已经在转移了（用于全部完成后的节点再次检查）
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
else {
//3.节点还没有转移到nextTab,对其加锁执行转移操作
//转移节点有一个重新计算下标的操作，由于nextTable的长度为tab的两倍，所以转移过去之后
//通过hash值定位的下标有可能会改变。
//低位仍保持与旧数组一样的index，高位是原先的index+oldTab.length
synchronized (f) {
//检查加锁完成后，当前位置的值是否变化了，如果变化了说明被其他线程修改了，回到上面
//的逻辑继续循环重试
if (tabAt(tab, i) == f) {
Node<K,V> ln, hn;
if (fh >= 0) {
int runBit = fh & n;
Node<K,V> lastRun = f;
//遍历当前节点的链表，记录最后一个下标变化的节点
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;
}
//反向遍历链表，这里的判断条件p != lastRun
//主要是为了尽量避免创建不必要的新Node对象，链表中有可以直接使用的链直接
//整体迁移至新表中，也就是上面首先正向遍历计算lastRun的目的。
//有上面的分析我们知道这里不是整个链表反向的，有可能会复用原来的链
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)
//下标没有变化，节点放在低位
ln = new Node<K,V>(ph, pk, pv, ln);
else
//下标变化了，节点放在高位
hn = new Node<K,V>(ph, pk, pv, hn);
}
//cas更新低位节点链表
setTabAt(nextTab, i, ln);
//cas更新高位节点链表
setTabAt(nextTab, i + n, hn);
// 在老数组位置上放上 ForwardingNode 节点
// put 时，发现是 ForwardingNode 节点，就不会再动这个节点的数据了
setTabAt(tab, i, fwd);
//继续当前扩容范围的下一个节点
advance = true;
}
//红黑树节点的迁移
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);
//处理低位
if ((h & n) == 0) {
if ((p.prev = loTail) == null)
lo = p;
else
loTail.next = p;
loTail = p;
++lc;
}
//处理高位
else {
if ((p.prev = hiTail) == null)
hi = p;
else
hiTail.next = p;
hiTail = p;
++hc;
}
}
//检查迁移过后的数量存储格式是否需要变为链表
ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) :
//设置树的根节点
(hc != 0) ? new TreeBin<K,V>(lo) : t;
hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) :
(lc != 0) ? new TreeBin<K,V>(hi) : t;
//更新低位
setTabAt(nextTab, i, ln);
//更新高位
setTabAt(nextTab, i + n, hn);
// 在老数组位置上放上 ForwardingNode 节点
setTabAt(tab, i, fwd);
//继续当前扩容范围的下一个节点
advance = true;
}
}
}
}
}
}
整个扩容过程梳理如下：
- 通过
CPU和当前数组的数量计算每个CPU要帮忙处理多少个桶，并且每个线程处理都是平均的，默认每个线程处理16个桶。因此，如果此时数组长度为16的话，只需要一个线程进行扩容即可； - 初始化临时数组
nextTable，长度为当前数组长度的2倍； - 开始进行自旋转移，这里根据一个布尔值
finishing来判断扩容是否完成；- 进入一个
while循环中，分配数组中一个桶区间给线程，默认是16。从大到小开始进行分配，拿到分配值后，i进行递减，i表示数组下标。这里还有一个bound参数，表示该线程此次可以进行处理的区间的最小下标，超过这个下标，需要重新领取区间或者是结束扩容。advance参数表示是否继续递减对下一个桶进行转移，为true则继续向后推移，否则说明当前桶还没有处理好，不能继续推进； - 跳出
while循环，进入if判断中，判断此时扩容是否结束，如果结束则清空临时变量，将nextTable的引用赋值给tab，更新扩容阈值sizeCtl为旧数组长度的1.5倍，扩容结束；如果尚未完成，且无法领取新的区间，将sizeCtl减一，表示扩容的线程少一个了。如果减完这个数以后，sizeCtl回归了初始状态，表示没有线程再扩容了，所有的线程扩容结束了，然后检查所有的桶，防止遗漏 - 如果没有完成任务，且
i对应的槽位是空，尝试CAS插入forwardingNode，这样put方法在插入时知道这个节点为forwardingNode节点，表示正在扩容，插入过程暂停，直到扩容完成； - 如果
i对应的槽位不为空，且该位置节点为forwardingNode，那么该线程跳过这个槽位，处理下一个槽位； - 如果以上都是不是，说明这个槽位有一个实际的值，对当前该位置节点进行加锁处理；
- 此时都还没有对桶内数据进行转移，只是计算了下标和处理区间，然后一些完成状态判断。同时，如果对应下标内没有数据或已经被占位了，就跳过了；
- 进入一个
- 接上面，对当前节点加锁之后开始进行处理，防止
put此时插入值； - 如果当前桶上是链表结构，将该链表根据新增位是0还是1分成两个链表，然后进行迁移；
- 如果当前桶上红黑数结构，那么也拆成 2 份，方式和链表的方式一样，然后，判断拆分过的树的节点数量，如果数量小于等于 6，改造成链表。反之，继续使用红黑树结构；
- 到这里扩容结束，完成了一个桶从旧表转移到新表的过程；
扩容时保证线程安全的关键点
- 进行槽点时，会把原数组的槽点锁住；
- 拷贝成功之后，会把原数组的槽点设置为转移节点，这样在
put的时候发现该节点是转移槽点就会陷入等待，直到扩容成功之后才能继续put； - 从尾到头开始拷贝，拷贝成功之后就把原数组的槽点设置为转移节点；
- 等扩容拷贝结束之后，之前等待
put的数据才能继续put；
扩容时，通过在原数组上设置转移节点，put 时碰到转移节点时会等待扩容成功之后才能 put 的策略，来保证了整个扩容过程中肯定是线程安全的，因为数组的槽点一旦被设置成转移节点，在没有扩容完成之前，是无法进行操作的。
remove方法
final V replaceNode(Object key, V value, Object cv) {
//计算hash值
int hash = spread(key.hashCode());
//自旋
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
//定位到索引位置处 如果此处为null 直接跳出循环
if (tab == null || (n = tab.length) == 0 ||
(f = tabAt(tab, i = (n - 1) & hash)) == null)
break;
//索引位置处不为空 但是是扩容状态
else if ((fh = f.hash) == MOVED)
//则调用helpTransfer帮助扩容
tab = helpTransfer(tab, f);
else {
//索引位置处为链表或者是红黑树
V oldVal = null;
boolean validated = false;
//对当前位置的节点进行加锁
synchronized (f) {
//再次判断该处位置的节点是否被改变
if (tabAt(tab, i) == f) {
//如果是链表的话，则遍历链表
if (fh >= 0) {
validated = true;
//遍历链表
for (Node<K,V> e = f, pred = null;;) {
K ek;
//定位到待删除节点
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;
//删除该节点
else if (pred != null)
pred.next = e.next;
else
//否则使用CAS进行设置
setTabAt(tab, i, e.next);
}
break;
}
pred = e;
if ((e = e.next) == null)
break;
}
}
//如果是红黑树的话 则调用红黑树的方法进行删除
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))
//使用CAS进行设置
setTabAt(tab, i, untreeify(t.first));
}
}
}
}
}
if (validated) {
if (oldVal != null) {
if (value == null)
//更新size
addCount(-1L, -1);
//返回待删除值
return oldVal;
}
break;
}
}
}
return null;
}
删除的逻辑跟get差不多，都是先定位到索引位置处，若是单节点，则直接进行删除；若是链表或者红黑树调用相关方法进行设置。
size 和 mappingCount
HashMap获取size时只需要直接返回Node节点的数量即可，但是ConcurrentHashMap在多线程环境下使用时，不能简单计算Node节点的数量了。其size方法源码如下：
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;
// size就是 baseCount + counterCells数组非空元素值之和
if (as != null) {
for (int i = 0; i < as.length; ++i) {
if ((a = as[i]) != null)
sum += a.value;
}
}
return sum;
}
@sun.misc.Contended static final class CounterCell {
volatile long value;
CounterCell(long x) { value = x; }
}
@Retention(RetentionPolicy.RUNTIME)
@Target({ElementType.FIELD, ElementType.TYPE})
public @interface Contended {
String value() default "";
}
我们会发现元素的总数相当于baseCount + counterCells数组非空元素值之和。这是因为在没有并发的情况下，使用volatile修饰的baseCount即可代表着元素总数。但是在并发情况下，使用CAS修改baseCount失败时，就会新建一个CounterCell类来进行计数，且value一般为1。因此在addCount方法中，我们发现本来应加在baseCount上的值，有一部分加在了counterCells数组中，也就是说元素总数应该为baseCount和couterCells数组中非空元素值之和。
在size方法中，返回值最大为Integer.MAX_VALUE，但是ConcurrentHashMap的size有可能大于Integer.MAX_VALUE，因而jdk的开发人员建议使用mappingCount这个方法，其源码如下：
public long mappingCount() {
long n = sumCount();
return (n < 0L) ? 0L : n;
}
可以看出，mappingCount底层还是调用了sumCount这个方法，但是这个方法返回值为long类型。
总结
jdk8中的ConcurrentHashMap的使用了volatile+sychronized+cas机制来保证高并发下数据的安全，这其中使用到了大量的自旋来保证相应操作的成功，所以在多线程竞争激烈的情况下可能发生线程阻塞的情况。
参考
https://juejin.im/post/6844904122429210632#heading-10
https://juejin.im/post/6844903857659576328#heading-5
https://juejin.im/post/6844903869714006029#heading-12
https://juejin.im/post/6844903944800436238#heading-6
https://juejin.im/post/6844903763103186958#heading-8