-
- 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，效率等各方面都有极大地提高。
- 分段锁，是一种锁的设计思路它细化了锁的粒度，主要运用在ConcurrentHashMap中，实现高效的并发操作，当操作不需要更新整个数组时，就只锁数组中的一项就可以了。
继承结构
源码解析
1.构造方法
ConcurrentHashMap()
public ConcurrentHashMap() {
}
ConcurrentHashMap(int initialCapacity)
public ConcurrentHashMap(int initialCapacity) {
//
if (initialCapacity < 0)
throw new IllegalArgumentException();
//sizeCtl为（initialCapacity + (initialCapacity >>> 1）<= 2^N
//如果initialCapacity为7则sizeCtl为16，而在HashMap中是8
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
this.sizeCtl = cap;
}
ConcurrentHashMap(Map<? extends K, ? extends V> m)
public ConcurrentHashMap(Map<? extends K, ? extends V> m) {
this.sizeCtl = DEFAULT_CAPACITY;
putAll(m);
}
ConcurrentHashMap(int initialCapacity, float loadFactor)
//自定义初始容量和加载因子
public ConcurrentHashMap(int initialCapacity, float loadFactor) {
this(initialCapacity, loadFactor, 1);
}
ConcurrentHashMap(int initialCapacity, float loadFactor, int concurrencyLevel)
public ConcurrentHashMap(int initialCapacity,
float loadFactor, int concurrencyLevel) {
//越界判断
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;
}
从构造方法来看，ConcurrentHashMap同HashMap其内部数组的初始化都没有在构造方法中进行。构造方法与HashMap对比可以发现，没有了HashMap中的threshold和loadFactor，而是改用了sizeCtl来控制，而且只存储了容量在里面。
2.添加元素(put(K key, V value))
public V put(K key, V value) {
return putVal(key, value, false);
}
/** Implementation for put and putIfAbsent */
final V putVal(K key, V value, boolean onlyIfAbsent) {
//key和vlaue不能为null
if (key == null || value == null) throw new NullPointerException();
//获取key的hash值
int hash = spread(key.hashCode());
int binCount = 0;
//自旋的方式存入数据，直到数据存入成功
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
//如果数组不存在，初始化数组
if (tab == null || (n = tab.length) == 0)
tab = initTable();
//要存入数据的位置没有数据，通过cas的方式存入数据
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
}
//如果数据正在迁移，帮助迁移数据
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
//要插入位置存在数据
else {
V oldVal = null;
//加锁，确保线程安全
//以桶中第一个元素作为锁对象
synchronized (f) {
//如果是一个链表，以链表的方式放入数据
if (tabAt(tab, i) == f) {
if (fh >= 0) {
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
}
Node<K,V> pred = e;
//把新加入元素放在链表结尾
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
//如果是一个树节点，按树的方式存入元素
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) {
//判断是否需要树化
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
//键值对个数加一
addCount(1L, binCount);
return null;
}
计算哈希(spread(int h))
static final int spread(int h) {
return (h ^ (h >>> 16)) & HASH_BITS;
}
HashMap中的哈希值计算：
static final int hash(Object key) {
int h;
//对象的hashcode值^(异或)其hashcode的高16位的值
//目的：提高hashcode的随机性，减少hash冲突
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
因为ConcurrentHashMap不能存储null，所以与HashMap不同，不需要null值的判断。而ConcurrentHashMap相比较HashMap多了 & HASH_BITS，这一步意义不明（我不知道为什么，因为0x7fffffff与任何值相与都为原数）
初始化数组(initTable())
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
//自旋直到数组创建成功
while ((tab = table) == null || tab.length == 0) {
// sizeCtl 小于0，则说明数组正在初始化或扩容，所以当前线程让出CPU让其他线程完成初始化工作
if ((sc = sizeCtl) < 0)
Thread.yield(); // lost initialization race; just spin
//通过cas把sizeCtl 的值改为-1，表示当前线程正在进行扩容，
// 这样其他线程获得CPU的执行权时，知道有其他线程在进行扩容，就可以让出CPU执行权了
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
//再一次判断，防止其他线程创建数组
if ((tab = table) == null || tab.length == 0) {
// 如果sc为0则使用默认值16
// 如果在构造方法中，指定过参数，那么sc为大于等于2的整数次幂的值
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
//新建数组
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
//把新数组赋值给table
table = tab = nt;
// 设置sc为数组长度的0.75倍
// n - (n >>> 2) = n - n/4 = 0.75
//加载因子
sc = n - (n >>> 2);
}
} finally {
// 初始化后，sizeCtl变为数组长度的3/4，这时存储的是扩容门槛
sizeCtl = sc;
}
break;
}
}
return tab;
}
3.获取元素(get(Object key))
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
//计算哈希后的值
int h = spread(key.hashCode());
//判断数组存在，且要获取的元素存在
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
//桶的第一个元素为所查询数
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
// 第一个节点的 hash 小于0，说明是树节点或者正在扩容
// 使用find寻找元素，find的寻找方式依据 Node 的不同子类有不同的实现方式
// 如果 Node 是树节点，则以树的方式去获取
// 如果 Node 是 ForwardingNode ,则去扩容后的数组中查找
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
//是链表，在链表中获取值
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
4.删除元素
public V remove(Object key) {
return replaceNode(key, null, null);
}
final V replaceNode(Object key, V value, Object cv) {
int hash = spread(key.hashCode());
//自旋，直到操作成功
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
//如果要查询的key在table中不存在，不进行操作
if (tab == null || (n = tab.length) == 0 ||
(f = tabAt(tab, i = (n - 1) & hash)) == null)
break;
//如果数组正在扩容，当前线程帮助扩容
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
//要查询key在table上存在
else {
V oldVal = null;
boolean validated = false;
//加锁，确保线程安全
synchronized (f) {
//是链表节点，以删除链表元素的方式删除
if (tabAt(tab, i) == f) {
if (fh >= 0) {
validated = true;
//自旋直到元素删除成功
for (Node<K,V> e = f, pred = null;;) {
K ek;
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)
pred.next = e.next;
else
setTabAt(tab, i, e.next);
}
break;
}
pred = e;
if ((e = e.next) == null)
break;
}
}
//如果是数节点，以数的方式删除节点
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)
//键值对个数-1
addCount(-1L, -1);
return oldVal;
}
break;
}
}
}
return null;
}
5.扩容
HashMap中如果个数超过阈值就会发生扩容，而在ConcurrentHashMap中是通过addCount()方法来增加元素个数，故扩容·也在该方法中进行判断。
addCount(long x, int check)
private final void addCount(long x, int check) {
// 把数组的大小存储根据不同的线程存储到不同的段上（也是分段锁的思想）
// 并且有一个baseCount，优先更新baseCount，如果失败了再更新不同线程对应的段
// 这样可以保证尽量小的减少冲突
CounterCell[] as; long b, s;
// 先尝试把数量加到baseCount上，如果失败再加到分段的CounterCell上
if ((as = counterCells) != null ||
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
CounterCell a; long v; int m;
boolean uncontended = true;
// 通过 cas 的方式更改 CounterCell 中的值
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;
//计算键值对总数
s = sumCount();
}
if (check >= 0) {
Node<K,V>[] tab, nt; int n, sc;
//如果达到扩容门槛，进行扩容
while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
(n = tab.length) < MAXIMUM_CAPACITY) {
int rs = resizeStamp(n);
//sc<0说明正在扩容
if (sc < 0) {
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex <= 0)
break;
// 扩容未完成，则当前线程加入迁移元素中
// 并把扩容线程数加1
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
transfer(tab, nt);
}
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
//把旧节点的数据移动到新节点上
transfer(tab, null);
s = sumCount();
}
}
}
transfer(Node<K,V>[] tab, Node<K,V>[] nextTab)
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
int n = tab.length, stride;
// 将 length / 8 然后除以 CPU核心数。如果得到的结果小于 16，那么就使用 16。
// 这里的目的是让每个 CPU 处理的桶一样多，避免出现转移任务不均匀的现象，如果桶较少的话，默认一个 CPU（一个线程）处理 16 个桶
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
//初始化新桶
if (nextTab == null) { // initiating
try {
//扩容为原来的二倍
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];
//更新
nextTab = nt;
} catch (Throwable ex) { // try to cope with OOME
//扩容失败，把sizeCtl使用Integer的最大值
sizeCtl = Integer.MAX_VALUE;
return;
}
//更新成员变量
nextTable = nextTab;
//更新转移下标就是老的table的length
transferIndex = n;
}
int nextn = nextTab.length;
// 创建一个 fwd 节点，用于占位。当别的线程发现这个槽位中是 fwd 类型的节点，则跳过这个节点。
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
// 首次推进为 true，如果等于 true，说明需要再次推进一个下标（i--），反之，如果是 false，那么就不能推进下标，需要将当前的下标处理完毕才能继续推进
boolean advance = true;
// 完成状态，如果是 true，就结束此方法
boolean finishing = false; // to ensure sweep before committing nextTab
// 自旋,i 表示下标，bound 表示当前线程可以处理的当前桶区间最小下标
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
while (advance) {
int nextIndex, nextBound;
// 对 i 减一，判断是否大于等于 bound （正常情况下，如果大于 bound 不成立，说明该线程上次领取的任务已经完成了。那么，需要在下面继续领取任务）
// 如果对 i 减一大于等于 bound（还需要继续做任务），或者完成了，修改推进状态为 false，不能推进了。任务成功后修改推进状态为 true。
// 通常，第一次进入循环，i-- 这个判断会无法通过，从而走下面的 nextIndex 赋值操作（获取最新的转移下标）。其余情况都是：如果可以推进，将 i 减一，然后修改成不可推进。如果 i 对应的桶处理成功了，改成可以推进。 if (--i >= bound || finishing)
if (--i >= bound || finishing)
// 这里设置 false，是为了防止在没有成功处理一个桶的情况下却进行了推进
// 这里的目的是：1. 当一个线程进入时，会选取最新的转移下标。2. 当一个线程处理完自己的区间时，如果还有剩余区间的没有别的线程处理。再次获取区间。
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;
}
}
// 如果 i 小于0 （不在 tab 下标内，按照上面的判断，领取最后一段区间的线程扩容结束）
// 如果 i >= tab.length(不知道为什么这么判断)
// 如果 i + tab.length >= nextTable.length （不知道为什么这么判断）
if (i < 0 || i >= n || i + n >= nextn) {
int sc;
//扩容完成
if (finishing) {
//删除临时变量
nextTable = null;
table = nextTab;
// 更新阈值，为原来的1.5倍
sizeCtl = (n << 1) - (n >>> 1);
return;
}
// 尝试将 sc -1. 表示这个线程结束帮助扩容了，将 sc 的低 16 位减一
if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {
// 如果 sc - 2 不等于标识符左移 16 位。如果他们相等了，说明没有线程在帮助他们扩容了。也就是说，扩容结束了。
if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)
return;
// 如果相等，扩容结束了，更新 finising 变量
finishing = advance = true;
i = n; // recheck before commit
}
}
// 获取老 tab i 下标位置的变量，如果是 null，就使用 fwd 占位。
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
//
else if ((fh = f.hash) == MOVED)
//已经倍别的线程处理过，处理下一个值
advance = true; // already processed
else {
// 到这里，说明这个位置有实际值了，且不是占位符。对这个节点上锁。为什么上锁，防止 putVal 的时候向链表插入数据
//加锁确保安全性
synchronized (f) {
if (tabAt(tab, i) == f) {
// 把一个链表分化成两个链表
// 规则是桶中各元素的hash与桶大小n进行与操作
// 等于0的放到低位链表(low)中，不等于0的放到高位链表(high)中
// 其中低位链表迁移到新桶中的位置相对旧桶不变
// 高位链表迁移到新桶中位置正好是其在旧桶的位置加n
Node<K,V> ln, hn;
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;
}
// 再次循环，生成两个链表，lastRun 作为停止条件，这样就是避免无谓的循环（lastRun 后面都是相同的取于结果）
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);
}
setTabAt(nextTab, i, ln);
setTabAt(nextTab, i + n, hn);
setTabAt(tab, i, fwd);
advance = true;
}
//如果是树节点
// 如果第一个元素是树节点
// 也是一样，分化成两颗树
// 也是根据hash&n为0放在低位树中
// 不为0放在高位树中
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;
}
}
// 如果树的节点数小于等于 6，那么转成链表，反之，创建一个新的树
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;
// 低位树的位置不变
setTabAt(nextTab, i, ln);
// 高位树的位置是原位置加n
setTabAt(nextTab, i + n, hn);
// 标记该桶已迁移
setTabAt(tab, i, fwd);
advance = true;
}
}
}
}
}
}
transfer 方法内部多线程扩容性能很厉害，通过给每个线程分配桶区间，避免线程间的争用，通过为每个桶节点加锁，避免 putVal 方法导致数据不一致。同时，在扩容的时候，也会将链表拆成两份，这点和 HashMap 的 resize 方法类似。而如果有新的线程想 put 数据时，也会帮助其扩容。
总结
ConcurrentHashMap 的本质就是利用分段锁的原理，将锁的粒度给细化然后再做一系列操作，提高并发度。除了 Synchronized 锁，其还利用了乐观锁，即 CAS + 自旋，降低上下文切换的代价。
而ConcurrentHashMap使用sychronized加锁，而不用lock是因为经过几代jdk的版本更替，sychronized锁的效率不必lock低。
相较于JDK1.7，JDK1.8的ConcurrentHashMap在扩容时，对锁的粒度进行了再一次的细化，使其效率更加提高。