Java培訓(xùn)：高階源碼分析-ConcurrentHashMap

　　一、文章導(dǎo)讀：

　　這部分內(nèi)容讓大家讀懂ConcurrentHashMap源碼的底層實(shí)現(xiàn)從而在工作中合理去使用他并且在面試中能做到游刃有余，主要內(nèi)容如下:

　　* 核心構(gòu)造方法

　　* 核心成員變量

　　* put方法過(guò)程數(shù)據(jù)的完整過(guò)程

　　* get方法的無(wú)鎖實(shí)現(xiàn)

　　二、文章講解內(nèi)容

　　JDK8中ConcurrentHashMap的結(jié)構(gòu)是：數(shù)組+鏈表+紅黑樹(shù)。

　　 因?yàn)樵趆ash沖突嚴(yán)重的情況下，鏈表的查詢(xún)效率是O(n)，所以jdk8中改成了單個(gè)鏈表的個(gè)數(shù)大于8時(shí)，數(shù)組長(zhǎng)度小于64就擴(kuò)容，數(shù)組長(zhǎng)度大于等于64，則鏈表會(huì)轉(zhuǎn)換為紅黑樹(shù)，這樣以空間換時(shí)間，查詢(xún)效率會(huì)變O(nlogn)。

　　 紅黑樹(shù)在Node數(shù)組內(nèi)部存儲(chǔ)的不是一個(gè)TreeNode對(duì)象，而是一個(gè)TreeBin對(duì)象，TreeBin內(nèi)部維持著一個(gè)紅黑樹(shù)。

　　 在JDK8中ConcurrentHashMap最經(jīng)點(diǎn)的實(shí)現(xiàn)是使用CAS+synchronized+volatile 來(lái)保證并發(fā)安全。

　　一、JDK7中ConcurrentHashMap的實(shí)現(xiàn)

　　 在JDK1.7中ConcurrentHashMap是通過(guò)定義多個(gè)Segment來(lái)實(shí)現(xiàn)的分段加鎖,一個(gè)Segment對(duì)應(yīng)一個(gè)數(shù)組,如果多線(xiàn)程對(duì)同一個(gè)數(shù)組中的元素進(jìn)行添加那么多個(gè)線(xiàn)程會(huì)去競(jìng)爭(zhēng)同一把鎖,他鎖的是一個(gè)數(shù)組,有多少個(gè)segment那么就有多少把鎖,這個(gè)力度還是比較粗的。

　　 JDK8的實(shí)現(xiàn)是下文要重點(diǎn)探討的內(nèi)容,同時(shí)下文全部都是JDK8的實(shí)現(xiàn)。

　　二、核心構(gòu)造方法

/**
     * Creates a new, empty map with the default initial table size (16).
        無(wú)參構(gòu)造函數(shù)，new一個(gè)默認(rèn)table容量為16的ConcurrentHashMap
     */
    public ConcurrentHashMap() {
    }

/**
     * Creates a new, empty map with an initial table size
     * accommodating the specified number of elements without the need
     * to dynamically resize.
     *
     * @param initialCapacity The implementation performs internal
     * sizing to accommodate this many elements.
     * @throws IllegalArgumentException if the initial capacity of
     * elements is negative
     做了3件事：
     1.如果入?yún)?lt;0，拋出異常。
     2.如果入?yún)⒋笥谧畲笕萘?，則使用最大容量（是2的30次方）
     3.tableSizeFor方法得到一個(gè)大于負(fù)載因子入?yún)⑶易罱咏?的N次方的數(shù)作為容量
     4.設(shè)置sizeCtl的值等于初始化容量。未對(duì)table進(jìn)行初始化，table的初始化要在第一次put的時(shí)候進(jìn)行。
     */
    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;
    }

　
　   特別注意：未對(duì)table進(jìn)行初始化，table的初始化要在第一次put的時(shí)候進(jìn)行。

　　三、核心成員變量

// 該字段控制table（也被稱(chēng)作hash桶數(shù)組）的初始化和擴(kuò)容
private transient volatile int sizeCtl;
// table最大容量是2的30次方
private static final int MAXIMUM_CAPACITY = 1 << 30;
// table的默認(rèn)初始化容量-擴(kuò)容總是2的n次方
private static final int DEFAULT_CAPACITY = 16;
// table的負(fù)載因子。當(dāng)前已使用容量 >= 負(fù)載因子*總?cè)萘康臅r(shí)候，進(jìn)行resize擴(kuò)容
private static final float LOAD_FACTOR = 0.75f;
// 存儲(chǔ)數(shù)據(jù)的數(shù)組-注意添加了volatile
transient volatile Node<K,V>[] table;
// 當(dāng)桶內(nèi)鏈表長(zhǎng)度>=8時(shí)，會(huì)將鏈表轉(zhuǎn)成紅黑樹(shù)-注意需要和MIN_TREEIFY_CAPACITY結(jié)合起來(lái)用 
static final int TREEIFY_THRESHOLD = 8;
// table的總?cè)萘?，要大?4，桶內(nèi)鏈表才轉(zhuǎn)換為樹(shù)形結(jié)構(gòu)，否則當(dāng)桶內(nèi)鏈表長(zhǎng)度>=8時(shí)會(huì)擴(kuò)容
static final int MIN_TREEIFY_CAPACITY = 64;
// 當(dāng)桶內(nèi)node小于6時(shí)，紅黑樹(shù)會(huì)轉(zhuǎn)成鏈表。
static final int UNTREEIFY_THRESHOLD = 6;

　　四、put存儲(chǔ)數(shù)據(jù)

　　 先從JDK的源碼中復(fù)制一段上頭的代碼，如下代碼就完成了數(shù)據(jù)的添加，在添加的時(shí)候還完成了數(shù)組的初始化、擴(kuò)容、CAS修改、分段鎖的實(shí)現(xiàn),大家大體的對(duì)該代碼有一個(gè)認(rèn)識(shí)即可我們后面會(huì)詳細(xì)的畫(huà)圖分析該過(guò)程。

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) {
        // 如果key或者value為空，拋出異常
        if (key == null || value == null) throw new NullPointerException();
        // 得到hash值
        int hash = spread(key.hashCode());
        // 用來(lái)記錄所在table數(shù)組中的桶的中鏈表的個(gè)數(shù)，后面會(huì)用于判斷是否鏈表過(guò)長(zhǎng)需要轉(zhuǎn)紅黑樹(shù)
        int binCount = 0;
        // for循環(huán)，直到put成功插入數(shù)據(jù)才會(huì)跳出
        for (Node<K,V>[] tab = table;;) {
            // f=桶頭節(jié)點(diǎn)  n=table的長(zhǎng)度  i=在數(shù)組中的哪個(gè)下標(biāo)  fh=頭節(jié)點(diǎn)的hash值
            Node<K,V> f; int n, i, fh;
            // 如果table沒(méi)有初始化
            if (tab == null || (n = tab.length) == 0)              
                // 初始化table
                tab = initTable();
            // 根據(jù)數(shù)組長(zhǎng)度減1再對(duì)hash值取余得到在node數(shù)組中位于哪個(gè)下標(biāo)
            // 用tabAt獲取數(shù)組中該下標(biāo)的元素
            // 如果該元素為空
            else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
                // 直接將put的值包裝成Node用tabAt方法放入數(shù)組內(nèi)這個(gè)下標(biāo)的位置中
                if (casTabAt(tab, i, null,
                             new Node<K,V>(hash, key, value, null)))
                    break;                   // no lock when adding to empty bin
            }
            // 如果頭結(jié)點(diǎn)hash值為-1，則為ForwardingNode結(jié)點(diǎn)，說(shuō)明正再擴(kuò)容，
            else if ((fh = f.hash) == MOVED)  
                // 調(diào)用hlepTransfer幫助擴(kuò)容
                tab = helpTransfer(tab, f);
            // 否則鎖住槽的頭節(jié)點(diǎn)
            else {
                V oldVal = null;
                // 鎖桶的頭節(jié)點(diǎn)
                synchronized (f) {  
                    // 雙重鎖檢測(cè)，看在加鎖之前，該桶的頭節(jié)點(diǎn)是不是被改過(guò)了
                    if (tabAt(tab, i) == f) {
                        // 如果桶的頭節(jié)點(diǎn)的hash值大于0
                        if (fh >= 0) {
                            binCount = 1;
                            // 遍歷鏈表
                            for (Node<K,V> e = f;; ++binCount) {
                                K ek;
                                // 如果遇到節(jié)點(diǎn)hash值相同，key相同，看是否需要更新value
                                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;
                                //如果到鏈表尾部都沒(méi)有遇到相同的
                                if ((e = e.next) == null) {
                                    // 就生成Node掛在鏈表尾部，該Node成為一個(gè)新的鏈尾。
                                    pred.next = new Node<K,V>(hash, key,
                                                              value, null);
                                    break;
                                }
                            }
                        }
                        // 如果桶的頭節(jié)點(diǎn)是個(gè)TreeBin
                        else if (f instanceof TreeBin) {
                            Node<K,V> p;
                            binCount = 2;
                            // 用紅黑樹(shù)的形式添加節(jié)點(diǎn)或者更新相同hash、key的值。
                            if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
                                                           value)) != null) {
                                oldVal = p.val;
                                if (!onlyIfAbsent)
                                    p.val = value;
                            }
                        }
                    }
                }  
                if (binCount != 0) {
                    // 如果鏈表長(zhǎng)度>需要樹(shù)化的閾值
                    if (binCount >= TREEIFY_THRESHOLD)
                        //調(diào)用treeifyBin方法將鏈表轉(zhuǎn)換為紅黑樹(shù)，而這個(gè)方法中會(huì)判斷數(shù)組值是否大于64，如果沒(méi)有大于64則只擴(kuò)容
                        treeifyBin(tab, i);
                    if (oldVal != null)
                        // 如果是修改，不是新增，則返回被修改的原值
                        return oldVal;
                    break;
                }
            }
        }
        // 計(jì)數(shù)器加1，完成新增后，table擴(kuò)容，就是這里面觸發(fā)
        addCount(1L, binCount);
        // 新增后，返回Null
        return null;
    }

　　4.1 高效的hash算法

int hash = spread(key.hashCode());
static final int spread(int h) {
    return (h ^ (h >>> 16)) & HASH_BITS;
}

　　該算法其實(shí)在HashMap中我們就已經(jīng)重點(diǎn)說(shuō)過(guò)了,他既保存了key值得hash的高16位也保存了低16位,從而讓key值在不同的數(shù)組中盡可能的散列,從而避免hash沖突。

　　4.2 數(shù)組的初始化

for (Node<K,V>[] tab = table;;) {
    Node<K,V> f; int n, i, fh;
    if (tab == null || (n = tab.length) == 0)
        tab = initTable();

　　注意是在循環(huán)中判斷的table是否為空如果為空則會(huì)調(diào)用initTable完成數(shù)組的默認(rèn)初始化。

private final Node<K,V>[] initTable() {
        Node<K,V>[] tab; int sc;
        while ((tab = table) == null || tab.length == 0) {
            if ((sc = sizeCtl) < 0)
                Thread.yield(); // lost initialization race; just spin
            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<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
                        table = tab = nt;
                        sc = n - (n >>> 2);
                    }
                } finally {
                    sizeCtl = sc;
                }
                break;
            }
        }
        return tab;

　　以上代碼做了如下事情：

　　1.如果table為空，進(jìn)入while準(zhǔn)備開(kāi)始初始化。

　　2.將sizeCtl賦值給sc。如果sizeCtl<0,線(xiàn)程等待，小于零時(shí)表示有其他線(xiàn)程在執(zhí)行初始化。

　　3.如果能將sizeCtl設(shè)置為-1，則開(kāi)始進(jìn)行初始化操作

　　4.用戶(hù)有指定初始化容量，就用用戶(hù)指定的，否則用默認(rèn)的16.

　　5.生成一個(gè)長(zhǎng)度為16的Node數(shù)組，把引用給table。

　　6.重新設(shè)置sizeCtl=數(shù)組長(zhǎng)度 - (數(shù)組長(zhǎng)度 >>>2) 這是忽略符號(hào)的移位運(yùn)算符，可以理解成 n - (n / 2)。

　　
       4.3 不沖突的數(shù)據(jù)添加過(guò)程

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
}

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);
}

　　高效的尋址算法: (n - 1) & hash這個(gè)在我們的HashMap中也是講過(guò)的了就不在贅述。

　　 通過(guò)高效的尋址算法得到一個(gè)索引并獲取該索引的數(shù)據(jù)如果不為空則調(diào)用casTabAt方法進(jìn)行CAS的原子修改，CAS在Java層面是無(wú)鎖的所以速度會(huì)很快,但是他在硬件層面是有鎖的,他會(huì)在硬件的拉鏈散列表中加鎖。

　　 如果有多個(gè)線(xiàn)程同時(shí)hash到了該索引我們的CAS也能保證只有一個(gè)線(xiàn)程能添加成功其他的線(xiàn)程其實(shí)是走分段加鎖的過(guò)程。

　　4.4 分段加鎖策略

　　需要大家特別注意的是synchronized (f)鎖了一個(gè)f對(duì)象,那么這個(gè)f對(duì)象是什么呢?其實(shí)就是我們高效尋址算法的到的一個(gè)下標(biāo)中存儲(chǔ)的對(duì)象,注意他鎖的是我們尋址到的這個(gè)對(duì)象并沒(méi)有鎖這個(gè)數(shù)組,所以我們當(dāng)前的鎖一共有多少把呢?就看你的size有多少了默認(rèn)是16那么就會(huì)有16把鎖可以來(lái)并發(fā)的修改,這個(gè)其實(shí)就是JDK1.8的分段鎖拉,他比1.7鎖的粒度更細(xì)那么并發(fā)的效果就會(huì)更好。

　　五、無(wú)鎖獲取

public V get(Object key) {
        Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
        int h = spread(key.hashCode());
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (e = tabAt(tab, (n - 1) & h)) != null) {
            if ((eh = e.hash) == h) {
                if ((ek = e.key) == key || (ek != null && key.equals(ek)))
                    return e.val;
            }
            else if (eh < 0)
                return (p = e.find(h, key)) != null ? p.val : null;
            while ((e = e.next) != null) {
                if (e.hash == h &&
                    ((ek = e.key) == key || (ek != null && key.equals(ek))))
                    return e.val;
            }
        }
        return null;
    }

　　以上代碼中的內(nèi)容幾乎我們都講過(guò)了,所以就不在贅述,但是值得一說(shuō)的是獲取的過(guò)程中并沒(méi)有對(duì)數(shù)組或者某一個(gè)Node元素添加鎖,獲取是無(wú)鎖的所有性能高。

　　 還有一個(gè)問(wèn)題需要注意的是獲取是無(wú)鎖的那么他如果出現(xiàn)多線(xiàn)程修改或者寫(xiě)入的時(shí)候他就有可能會(huì)出現(xiàn)可見(jiàn)性的問(wèn)題，因?yàn)槊恳粋€(gè)線(xiàn)程都有自己的工作內(nèi)存,那么ConcurrentHashMap是如何解決可見(jiàn)性的問(wèn)題呢?

transient volatile Node<K,V>[] table;

　　從變量的申明中我們可以看到存儲(chǔ)數(shù)據(jù)的table其實(shí)是添加了volatile關(guān)鍵字的,所以其他線(xiàn)程修改了以后我們要求其他的線(xiàn)程把數(shù)據(jù)刷新主內(nèi)存從而保證數(shù)據(jù)的可見(jiàn)性。

　　五、總結(jié)：

　　1. JDK1.7 使用分段鎖實(shí)現(xiàn)

　　2. JDK1.8 使用CAS+synchronized+volatile 的具體實(shí)現(xiàn)

　　3. put方法的復(fù)雜實(shí)現(xiàn)過(guò)程

　　4. get方法的無(wú)鎖實(shí)現(xiàn)尤其是volatile關(guān)鍵字的使用