ConcurrentHashMap
Page content
简介
HashTable
HashMap 在多线程情况下，put 的时候，插入的元素超过了容量（由负载因子决定）的范围就会触发扩容操作，就是 rehash，这个会重新将原数组的内容重新 hash 到新的扩容数组中，在多线程的环境下，存在同时其他的元素也在进行 put 操作，如果 hash 值相同，可能出现同时在同一数组下用链表表示，造成闭环（循环链表），导致在 get 时会出现死循环，所以 HashMap 是线程不安全的。
HashTable 也是个键值存储集合，它是线程安全的，它在所有涉及到多线程操作上都加上了synchronized关键字来锁住整个table，这就意味着所有的线程都在竞争一把锁，在多线程的环境下，它是安全的，但是无疑是效率低下的。
其实 HashTable 有很大的优化空间，锁住整个 table 这么粗暴的方式可以变相的柔和点，比如在多线程的环境下，对不同的数据集进行操作时其实根本就不需要去竞争一个锁，因为它们 hash 值不同，不会因为rehash造成线程不安全，所以互不影响，这就是锁分离技术，将锁的粒度降低，利用多个锁来控制多个小的 table。
ConcurrentHashMap JDK1.8的实现
JDK1.8 的实现已经摒弃了 Segment 的概念，而是直接用Node数组+链表+红黑树的数据结构来实现，并发控制使用 Synchronized 和 CAS 来操作，整个看起来就像是优化过且线程安全的HashMap，虽然在JDK1.8中还能看到Segment的数据结构，但是已经简化了属性，只是为了兼容旧版本。
其他内容跟HashMap大同小异，看一下与HashMap不同的地方。
TreeBin
TreeBin 从字面含义中可以理解为存储树形结构的容器，而树形结构就是指 TreeNode，所以 TreeBin 就是封装 TreeNode 的容器，它提供转换黑红树的一些条件和锁的控制：
1TreeBin(TreeNode<K,V> b) {
2 super(TREEBIN, null, null, null);
3 this.first = b;
4 TreeNode<K,V> r = null;
5 for (TreeNode<K,V> x = b, next; x != null; x = next) {
6 next = (TreeNode<K,V>)x.next;
7 x.left = x.right = null;
8 if (r == null) {
9 x.parent = null;
10 x.red = false;
11 r = x;
12 }
13 else {
14 K k = x.key;
15 int h = x.hash;
16 Class<?> kc = null;
17 for (TreeNode<K,V> p = r;;) {
18 int dir, ph;
19 K pk = p.key;
20 if ((ph = p.hash) > h)
21 dir = -1;
22 else if (ph < h)
23 dir = 1;
24 else if ((kc == null &&
25 (kc = comparableClassFor(k)) == null) ||
26 (dir = compareComparables(kc, k, pk)) == 0)
27 dir = tieBreakOrder(k, pk);
28 TreeNode<K,V> xp = p;
29 if ((p = (dir <= 0) ? p.left : p.right) == null) {
30 x.parent = xp;
31 if (dir <= 0)
32 xp.left = x;
33 else
34 xp.right = x;
35 r = balanceInsertion(r, x);
36 break;
37 }
38 }
39 }
40 }
41 this.root = r;
42 assert checkInvariants(root);
43}
初始化
1// 初始化 ConcurrentHashMap
2ConcurrentHashMap<String, String> map = new ConcurrentHashMap();
其中无参构造函数：
1public ConcurrentHashMap() {}
从上面的无参构造函数 可以看到，ConcurrentHashMap 的初始化其实是一个空实现，里面并没有做任何事，这也是和其他的集合类有区别的地方，初始化操作并不是在构造函数实现的，而是在 put 操作中实现，当然 ConcurrentHashMap 还提供了其他的构造函数，有指定容量大小或者指定负载因子，跟HashMap一样。
添加元素
1public V put(K key, V value) {
2 return putVal(key, value, false);
3}
4
5/** Implementation for put and putIfAbsent */
6final V putVal(K key, V value, boolean onlyIfAbsent) {
7 if (key == null || value == null) throw new NullPointerException();
8 int hash = spread(key.hashCode());
9 int binCount = 0;
10 for (Node<K,V>[] tab = table;;) {
11 Node<K,V> f; int n, i, fh;
12 if (tab == null || (n = tab.length) == 0)
13 tab = initTable();
14 else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
15 if (casTabAt(tab, i, null,
16 new Node<K,V>(hash, key, value, null)))
17 break; // no lock when adding to empty bin
18 }
19 else if ((fh = f.hash) == MOVED)
20 tab = helpTransfer(tab, f);
21 else {
22 V oldVal = null;
23 synchronized (f) {
24 if (tabAt(tab, i) == f) {
25 if (fh >= 0) {
26 binCount = 1;
27 for (Node<K,V> e = f;; ++binCount) {
28 K ek;
29 if (e.hash == hash &&
30 ((ek = e.key) == key ||
31 (ek != null && key.equals(ek)))) {
32 oldVal = e.val;
33 if (!onlyIfAbsent)
34 e.val = value;
35 break;
36 }
37 Node<K,V> pred = e;
38 if ((e = e.next) == null) {
39 pred.next = new Node<K,V>(hash, key,
40 value, null);
41 break;
42 }
43 }
44 }
45 else if (f instanceof TreeBin) {
46 Node<K,V> p;
47 binCount = 2;
48 if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
49 value)) != null) {
50 oldVal = p.val;
51 if (!onlyIfAbsent)
52 p.val = value;
53 }
54 }
55 }
56 }
57 if (binCount != 0) {
58 if (binCount >= TREEIFY_THRESHOLD)
59 treeifyBin(tab, i);
60 if (oldVal != null)
61 return oldVal;
62 break;
63 }
64 }
65 }
66 addCount(1L, binCount);
67 return null;
68}
这个 put 的过程很清晰，对当前的 table 进行无条件自循环直到 put 成功，可以分成以下六步流程：
- 如果没有初始化就先调用 initTable() 方法来进行初始化；
- 如果没有hash冲突就直接
CAS插入； - 如果还在进行扩容操作就先进行扩容；
- 如果存在 hash 冲突，就加锁来保证线程安全，这里有两种情况，一种是链表形式就直接遍历到尾端插入，一种是红黑树就按照红黑树结构插入；
- 最后一个如果 hash 冲突时会形成 Node 链表，在链表长度超过8，Node 数组超过64时会将链表结构转换为红黑树的结构，break再一次进入循环；
- 如果添加成功就调用 addCount() 方法统计size，并且检查是否需要扩容。
现在来对每一步的细节进行源码分析，在第一步中，符合条件会进行初始化操作，我们来看看 initTable() 方法：
1private final Node<K,V>[] initTable() {
2 Node<K,V>[] tab; int sc;
3 while ((tab = table) == null || tab.length == 0) {
4 if ((sc = sizeCtl) < 0)
5 Thread.yield(); // lost initialization race; just spin
6 else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
7 try {
8 if ((tab = table) == null || tab.length == 0) {
9 int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
10 @SuppressWarnings("unchecked")
11 Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
12 table = tab = nt;
13 sc = n - (n >>> 2);
14 }
15 } finally {
16 sizeCtl = sc;
17 }
18 break;
19 }
20 }
21 return tab;
22}
在第二步中没有 hash 冲突就直接调用Unsafe的方法CAS插入该元素，进入第三步如果容器正在扩容，则会调用helpTransfer() 方法帮助扩容，现在我们跟进 helpTransfer() 方法看看：
1final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
2 Node<K,V>[] nextTab; int sc;
3 if (tab != null && (f instanceof ForwardingNode) &&
4 (nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) {
5 int rs = resizeStamp(tab.length);
6 while (nextTab == nextTable && table == tab &&
7 (sc = sizeCtl) < 0) {
8 if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
9 sc == rs + MAX_RESIZERS || transferIndex <= 0)
10 break;
11 if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
12 transfer(tab, nextTab);
13 break;
14 }
15 }
16 return nextTab;
17 }
18 return table;
19}
其实 helpTransfer() 方法的目的就是调用多个工作线程一起帮助进行扩容，这样的效率就会更高，而不是只有检查到要扩容的那个线程进行扩容操作，其他线程等待扩容操作完成才能工作，既然这里涉及到扩容的操作，我们也一起来看看扩容方法 transfer()
1private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
2 int n = tab.length, stride;
3 if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
4 stride = MIN_TRANSFER_STRIDE; // subdivide range
5 if (nextTab == null) { // initiating
6 try {
7 @SuppressWarnings("unchecked")
8 Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];
9 nextTab = nt;
10 } catch (Throwable ex) { // try to cope with OOME
11 sizeCtl = Integer.MAX_VALUE;
12 return;
13 }
14 nextTable = nextTab;
15 transferIndex = n;
16 }
17 int nextn = nextTab.length;
18 ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
19 boolean advance = true;
20 boolean finishing = false; // to ensure sweep before committing nextTab
21 for (int i = 0, bound = 0;;) {
22 Node<K,V> f; int fh;
23 while (advance) {
24 int nextIndex, nextBound;
25 if (--i >= bound || finishing)
26 advance = false;
27 else if ((nextIndex = transferIndex) <= 0) {
28 i = -1;
29 advance = false;
30 }
31 else if (U.compareAndSwapInt
32 (this, TRANSFERINDEX, nextIndex,
33 nextBound = (nextIndex > stride ?
34 nextIndex - stride : 0))) {
35 bound = nextBound;
36 i = nextIndex - 1;
37 advance = false;
38 }
39 }
40 if (i < 0 || i >= n || i + n >= nextn) {
41 int sc;
42 if (finishing) {
43 nextTable = null;
44 table = nextTab;
45 sizeCtl = (n << 1) - (n >>> 1);
46 return;
47 }
48 if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {
49 if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)
50 return;
51 finishing = advance = true;
52 i = n; // recheck before commit
53 }
54 }
55 else if ((f = tabAt(tab, i)) == null)
56 advance = casTabAt(tab, i, null, fwd);
57 else if ((fh = f.hash) == MOVED)
58 advance = true; // already processed
59 else {
60 synchronized (f) {
61 if (tabAt(tab, i) == f) {
62 Node<K,V> ln, hn;
63 if (fh >= 0) {
64 int runBit = fh & n;
65 Node<K,V> lastRun = f;
66 for (Node<K,V> p = f.next; p != null; p = p.next) {
67 int b = p.hash & n;
68 if (b != runBit) {
69 runBit = b;
70 lastRun = p;
71 }
72 }
73 if (runBit == 0) {
74 ln = lastRun;
75 hn = null;
76 }
77 else {
78 hn = lastRun;
79 ln = null;
80 }
81 for (Node<K,V> p = f; p != lastRun; p = p.next) {
82 int ph = p.hash; K pk = p.key; V pv = p.val;
83 if ((ph & n) == 0)
84 ln = new Node<K,V>(ph, pk, pv, ln);
85 else
86 hn = new Node<K,V>(ph, pk, pv, hn);
87 }
88 setTabAt(nextTab, i, ln);
89 setTabAt(nextTab, i + n, hn);
90 setTabAt(tab, i, fwd);
91 advance = true;
92 }
93 else if (f instanceof TreeBin) {
94 TreeBin<K,V> t = (TreeBin<K,V>)f;
95 TreeNode<K,V> lo = null, loTail = null;
96 TreeNode<K,V> hi = null, hiTail = null;
97 int lc = 0, hc = 0;
98 for (Node<K,V> e = t.first; e != null; e = e.next) {
99 int h = e.hash;
100 TreeNode<K,V> p = new TreeNode<K,V>
101 (h, e.key, e.val, null, null);
102 if ((h & n) == 0) {
103 if ((p.prev = loTail) == null)
104 lo = p;
105 else
106 loTail.next = p;
107 loTail = p;
108 ++lc;
109 }
110 else {
111 if ((p.prev = hiTail) == null)
112 hi = p;
113 else
114 hiTail.next = p;
115 hiTail = p;
116 ++hc;
117 }
118 }
119 ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) :
120 (hc != 0) ? new TreeBin<K,V>(lo) : t;
121 hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) :
122 (lc != 0) ? new TreeBin<K,V>(hi) : t;
123 setTabAt(nextTab, i, ln);
124 setTabAt(nextTab, i + n, hn);
125 setTabAt(tab, i, fwd);
126 advance = true;
127 }
128 }
129 }
130 }
131 }
132}
扩容过程有点复杂，这里主要涉及到多线程并发扩容，ForwardingNode 的作用就是支持扩容操作，将已处理的节点和空节点置为 ForwardingNode，并发处理时多个线程经过ForwardingNode就表示已经遍历了，就往后遍历。
介绍完扩容过程，再次回到 put 流程..
在第四步是向链表或者红黑树里加节点
第五步调用 treeifyBin() 方法进行链表转红黑树的过程
1private final void treeifyBin(Node<K,V>[] tab, int index) {
2 Node<K,V> b; int n, sc;
3 if (tab != null) {
4 if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
5 tryPresize(n << 1);
6 else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
7 synchronized (b) {
8 if (tabAt(tab, index) == b) {
9 TreeNode<K,V> hd = null, tl = null;
10 for (Node<K,V> e = b; e != null; e = e.next) {
11 TreeNode<K,V> p =
12 new TreeNode<K,V>(e.hash, e.key, e.val,
13 null, null);
14 if ((p.prev = tl) == null)
15 hd = p;
16 else
17 tl.next = p;
18 tl = p;
19 }
20 setTabAt(tab, index, new TreeBin<K,V>(hd));
21 }
22 }
23 }
24 }
25}
到第六步表示已经数据加入成功了，现在调用 addCount() 方法计算 ConcurrentHashMap 的 size，在原来的基础上加一，现在来看看 addCount() 方法
1private final void addCount(long x, int check) {
2 CounterCell[] as; long b, s;
3 if ((as = counterCells) != null ||
4 !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
5 CounterCell a; long v; int m;
6 boolean uncontended = true;
7 if (as == null || (m = as.length - 1) < 0 ||
8 (a = as[ThreadLocalRandom.getProbe() & m]) == null ||
9 !(uncontended =
10 U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
11 fullAddCount(x, uncontended);
12 return;
13 }
14 if (check <= 1)
15 return;
16 s = sumCount();
17 }
18 if (check >= 0) {
19 Node<K,V>[] tab, nt; int n, sc;
20 while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
21 (n = tab.length) < MAXIMUM_CAPACITY) {
22 int rs = resizeStamp(n);
23 if (sc < 0) {
24 if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
25 sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
26 transferIndex <= 0)
27 break;
28 if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
29 transfer(tab, nt);
30 }
31 else if (U.compareAndSwapInt(this, SIZECTL, sc,
32 (rs << RESIZE_STAMP_SHIFT) + 2))
33 transfer(tab, null);
34 s = sumCount();
35 }
36 }
37}
put 的流程现在已经分析完了，可以发现，它在并发处理中使用的是乐观锁，当有冲突的时候才进行并发处理，而且流程步骤很清晰，但是细节设计的很复杂，毕竟多线程的场景也复杂。
获取元素
1public V get(Object key) {
2 Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
3 int h = spread(key.hashCode());
4 if ((tab = table) != null && (n = tab.length) > 0 &&
5 (e = tabAt(tab, (n - 1) & h)) != null) {
6 if ((eh = e.hash) == h) {
7 if ((ek = e.key) == key || (ek != null && key.equals(ek)))
8 return e.val;
9 }
10 else if (eh < 0)
11 return (p = e.find(h, key)) != null ? p.val : null;
12 while ((e = e.next) != null) {
13 if (e.hash == h &&
14 ((ek = e.key) == key || (ek != null && key.equals(ek))))
15 return e.val;
16 }
17 }
18 return null;
19}
ConcurrentHashMap 的 get 操作的流程很简单，也很清晰，可以分为三个步骤来描述
- 计算hash值，定位到该table索引位置，如果是首节点符合就返回
- 如果遇到扩容的时候，会调用标志正在扩容节点ForwardingNode的find方法，查找该节点，匹配就返回
- 以上都不符合的话，就往下遍历节点，匹配就返回，否则最后就返回null
size()方法
1public int size() {
2 long n = sumCount();
3 return ((n < 0L) ? 0 :
4 (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :
5 (int)n);
6}
7
8final long sumCount() {
9 CounterCell[] as = counterCells; CounterCell a;
10 long sum = baseCount;
11 if (as != null) {
12 for (int i = 0; i < as.length; ++i) {
13 if ((a = as[i]) != null)
14 sum += a.value;
15 }
16 }
17 return sum;
18}
在 JDK1.8 版本中，对于 size 的计算，在扩容和addCount()方法就已经有处理了，JDK1.7是在调用size()方法才去计算，其实在并发集合中去计算size是没有多大的意义的，因为size是实时在变的，只能计算某一刻的大小，但是某一刻太快了，人的感知是一个时间段，所以并不是很精确。
总结
其实可以看出JDK1.8版本的 ConcurrentHashMap 的数据结构已经接近HashMap，相对而言，ConcurrentHashMap只是增加了同步的操作来控制并发，从JDK1.7版本的ReentrantLock+Segment+HashEntry，到JDK1.8版本中synchronized+CAS+HashEntry+红黑树，相对而言，总结如下思考：
-
JDK1.8 的实现降低锁的粒度，JDK1.7版本锁的粒度是基于Segment的，包含多个HashEntry，而JDK1.8锁的粒度就是HashEntry（首节点）
-
JDK1.8 版本的数据结构变得更加简单，使得操作也更加清晰流畅，因为已经使用 synchronized 来进行同步，所以不需要分段锁的概念，也就不需要 Segment 这种数据结构了，由于粒度的降低，实现的复杂度也增加了
-
JDK1.8 使用红黑树来优化链表，基于长度很长的链表的遍历是一个很漫长的过程，而红黑树的遍历效率是很快的，代替一定阈值的链表，这样形成一个最佳拍档
-
JDK1.8 为什么使用内置锁 synchronized 来代替重入锁 ReentrantLock，我觉得有以下几点：
- 因为粒度降低了。在粗粒度加锁中 ReentrantLock 可能通过 Condition 来控制各个低粒度的边界，更加的灵活；低粒度加锁方式下，Condition的优势就没有了，因此 synchronized 并不比 ReentrantLock 差；
- JVM 的开发团队从来都没有放弃 synchronized，而且基于 JVM 的 synchronized 优化空间更大，使用内嵌的关键字比使用 API 更加自然；
- 在大量的数据操作下，对于 JVM 的内存压力，基于 API 的 ReentrantLock 会开销更多的内存，虽然不是瓶颈，但是也是一个选择依据。
