ConcurrentHaspLRUHashMap实现初探

ConcurrentHaspLRUHashMap实现初探

一、关于LRU。

LRU即LeastRencetlyUsed（最近最少使用）缓存替换策略。在任何LRU算法中，它必定有以下两个策略组成：

1、退化策略。根据访问情况，对节点按热度进行排序（hot->cold），以便决定哪些节点是热节点（hot）的，哪些节点是冷节点（cold）的。这个退化的策略，一般按以下两种方式去处理：

l非集中式。即每命中一次就进行退化操作。

非集中式的退化操作，往往由双向链表的方式去实现。每次命中之后就移动命中节点在链表中的位置。（位置靠前的就是hot的数据）。当然，复杂的策略中，有用queue数组进行hot分级等。

l集中式。定期去进行退化操作。

在集中式的退化操作，常用的策略是：每次命中之后，记录一个时间戳、定时器时间点等等参数。由一个线程去扫描，定期清除老数据。

2、清除策略。即去掉那些cold的数据。

l替换。这个在操作系统缓存中应该是一个常用的做法。

l删除。删除掉数据，以腾出空间放新的数据。（因为内存是有限的）

二、ConcurrentHashMap与LinkedHashMap

在JAVA中，LRU的原生实现是JDK中LinkedHashMap。LinkedHashMap继承自HashMap

【实现原理】简单说就是HashMap的每个节点做一个双向链表。每次访问这个节点，就把该节点移动到双向链表的头部。满了以后，就从链表的尾部删除。但是LinkedHashMap并是非线程安全（其实现中，双向链表的操作是没有任何线程安全的措施的）。

对于线程安全的HashMap，在JDK中有ConcurrentHashMap原生支持。

【实现原理】采用锁分离机制，把一个HashMap分成多个segement，对每个segement的写操作上锁。同时，他的get（）操作是没有锁的，具体思想就是把每个hash槽中的链表的头节点置成final的。对hash槽中链表操作，只能从头部去处理。这样就不会有读不一致的情况出现。这个原理，最好还是看源码，比较清晰。

三、ConcurrentLRUHashMap的实现方式一：直接包装LinkedHashMap。

即，在LinkedHashMap外层全部加锁。

典型代码：

public V get(Object key) {
lock.lock();
try {
return super.get(key);
}
finally {
lock.unlock();
}
}

对LinkedHashMap做包装，所有访问都是带锁委托给LinkedHashMap。这样虽然解决了多线程安全问题。但是，是以严重的性能消耗为代价代价。

四、ConcurrentLRUHashMap实现方式二：直接改造ConcurrentHashMap

该方案主要是重写ConcurrentHashMap。

1、给每个Entry加一个timestamp。

2、每次get命中的话，修改时间戳。

3、定时统计整个map的总量，如果总量大于某个阈值，则deadline往后推。同时，在put的时候，检查hash槽里面每个节点的时间戳，如果已经过期，就删除掉过期节点。

上述做法，删除操作分布在每次put操作中。所以，删除效率比较高。但是，由于时间片不可控，最终将导致内存爆炸的情况出现。

请看下面一种场景：

横坐标表示一个时间片。面积表示这个时间片里面节点数量。

假定节点命中率为50%（命中后，更新到命中时刻的时间片），每个时间片写入10条新数据。

我们可以在运行过程中，每个时间片定义一个更新一次deadline。在put数据的时候，我们可以检查hash槽中Entry是否过期，如果已经过期，则删掉过期数据。

1、时间片的选择问题。

这个方案中，时间片的选择是一个比较困难的问题。因为，如果系统在一个时间片之内爆掉内存的话，系统将直接崩溃。

当然，这个问题，我们可以加外部限制得方式去控制

2、deadline之前的数据，不能很快删除。导致deaddata滞留，浪费大量的内存

假定deadline之前的数据，约为总数据量的10%。因为删数据操作，只在put的时候。假定每个时间点的put操作，能覆盖20%的hash槽。这个10%*20%=2%，每个时间点，只能删除2%的过期数据。然后，随着时间的推移。这个过程必将趋于稳定。而这个趋于稳定后，内存消耗，至少是capacity的4-5倍。这样的消耗和浪费。是难以承受的。

这个方案，从实际测试来看，情况非常糟糕。所以最终还是放弃了。

五、ConcurrentLRUHashMap实现方式三:分段实现锁分离+每个段内维护一份退化链表

【实现策略】：

1、锁分离机制。内部分成了多个segement，每个segement是独立加锁，相互不干扰。

2、每个segement内部维护一个双向链表(退化链表)。每次命中/添加，就把节点移动到退化链表头部。

3、每次put操作，通过hash，散到每个segement中，判断segment的容量是否到达阈值。如果到达阈值，则删除退化链表中最末尾的节点。

【实现】

1、重新定义HashEntry

static class HashEntry<K, V> {
/**
* 键
*/
final K key;
/**
* hash值
*/
final int hash;
/**
* 值
*/
volatile V value;
/**
* hash链指针
*/
final HashEntry<K, V> next;
/**
* 双向链表的下一个节点
*/
HashEntry<K, V> linknext;
/**
* 双向链表的下一个节点
*/
HashEntry<K, V> linkpref;
/**
* 死亡标记
*/
AtomicBoolean dead;
}

2、定义segment

static final class Segment<K, V> extends ReentrantLock implements
            Serializable {
        private static final long serialVersionUID = 1L;
        transient int threshold;
        transient volatile int count;
        transient int modCount;
        transient volatile HashEntry<K, V>[] table;
        transient final HashEntry<K, V> header;// 头节点
}

3、put操作

代码太长了，见附件吧

4、get操作

V get(Object key, int hash) {
HashEntry<K, V> e = getFirst(hash);
// 遍历查找
while (e != null) {
if (e.hash == hash && key.equals(e.key)) {
V v = e.value;
// 把节点移动到头部。
moveNodeToHeader(e);
if (v != null)
return v;
// 在锁的情况读，必定能读到。
// tab[index] = new HashEntry<K,V>(key, hash, first, value)，
// value赋值和tab[index]赋值可能会重新排序，重新排序之后，可能会读空值
// 读到空值的话，在有锁的情况在再读一遍，一定能读！
return readValueUnderLock(e); // recheck
}
e = e.next;
}
return null;

六、ConcurrentLRUHashMap实现方式四:

具体的做法是：

1、对concurrentHashMap每个节点加时间戳，每次命中只修改该节点的时间戳。

2、集中式退化操作，每次命中并不进行退化操作。而是集中式进行退化操作（满的时候，或者时间到了）。

代码：

V get(Object key, int hash) {
HashEntry<K, V> e = getFirst(hash);
// 遍历查找
while (e != null) {
if (e.hash == hash && key.equals(e.key)) {
V v = e.value;
// 把节点移动到头部。
moveNodeToHeader(e);
if (v != null)
return v;
// 在锁的情况读，必定能读到。
// tab[index] = new HashEntry<K,V>(key, hash, first, value)，
// value赋值和tab[index]赋值可能会重新排序，重新排序之后，可能会读空值
// 读到空值的话，在有锁的情况在再读一遍，一定能读！
return readValueUnderLock(e); // recheck
}
e = e.next;
}
return null;

该方案的好处：

1、快速执行get操作。get操作的时间是“concurrentHashMap的get时间+更新时间戳”的时间。

2、put操作，一般的put操作的时间是“concurrentHashMap的put时间”，只要还未到达容量限制。而到达容量限制以后的，需要进行“退化，清理操作”+put的时间

该方案的可能存在的问题：

1、命中率，该算法的命中率同linkedHashMap

2、清除策略:

l满了，执行清楚。缺点：1、会出现某个时刻，写操作卡死（如果正在等待清理的话）

l定时执行。缺点：1、性能耗费。2、读不一致仍然无法避免。

七、ConcurrentLRUHashMap实现方式的比较

本文只是抛砖引玉，希望能看到更多好多ConcurrentLRUHashMap的实现方式。由于能力有限。上文提到的第二种实现方式，在实际实现中并不能很好的退化，最终可能导致内存溢出。具体分析如下表

方式	方式一	方式二	方式三	方式四
性能	差	好	好	好
线程安全	绝对安全	安全	安全	安全
内存消耗	一般	很多	一般	一般
稳定性	稳定	不稳定	稳定	不稳定

总体来说，第三者性较好。

比较方式一和方式三：