java-01-ConcurrentHashMap(下)

现在我们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

/**

Initializes table, using the size recorded in sizeCtl.

private final Node[] initTable() {

Node[] tab; int sc;

while ((tab = table) == null || tab.length == 0) {//空的table才能进入初始化操作

    if ((sc = sizeCtl) < 0) //sizeCtl<0表示其他线程已经在初始化了或者扩容了，挂起当前线程 

        Thread.yield(); // lost initialization race; just spin

    else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {//CAS操作SIZECTL为-1，表示初始化状态

        try {

            if ((tab = table) == null || tab.length == 0) {

                int n = (sc > 0) ? sc : DEFAULT_CAPACITY;

                @SuppressWarnings("unchecked")

                Node[] nt = (Node[])new Node[n];//初始化

                table = tab = nt;

                sc = n - (n >>> 2);//记录下次扩容的大小

            }

        } finally {

            sizeCtl = sc;

        }

        break;

    }

}

return tab;

}

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

/**

*帮助从旧的table的元素复制到新的table中

final Node[] helpTransfer(Node[] tab, Node f) {

Node[] nextTab; int sc;

if (tab != null && (f instanceof ForwardingNode) &&

    (nextTab = ((ForwardingNode)f).nextTable) != null) { //新的table nextTba已经存在前提下才能帮助扩容

    int rs = resizeStamp(tab.length);

    while (nextTab == nextTable && table == tab &&

           (sc = sizeCtl) < 0) {

        if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||

            sc == rs + MAX_RESIZERS || transferIndex <= 0)

            break;

        if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {

            transfer(tab, nextTab);//调用扩容方法

            break;

        }

    }

    return nextTab;

}

return table;

}

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，其他线程就要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（）

private final void transfer(Node[] tab, Node[] nextTab) {

    int n = tab.length, stride;

    // 每核处理的量小于16，则强制赋值16

    if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)

        stride = MIN_TRANSFER_STRIDE; // subdivide range

    if (nextTab == null) {            // initiating

        try {

            @SuppressWarnings("unchecked")

            Node[] nt = (Node[])new Node[n << 1];        //构建一个nextTable对象，其容量为原来容量的两倍

            nextTab = nt;

        } catch (Throwable ex) {      // try to cope with OOME

            sizeCtl = Integer.MAX_VALUE;

            return;

        }

        nextTable = nextTab;

        transferIndex = n;

    }

    int nextn = nextTab.length;

    // 连接点指针，用于标志位（fwd的hash值为-1，fwd.nextTable=nextTab）

    ForwardingNode fwd = new ForwardingNode(nextTab);

    // 当advance == true时，表明该节点已经处理过了

    boolean advance = true;

    boolean finishing = false; // to ensure sweep before committing nextTab

    for (int i = 0, bound = 0;;) {

        Node f; int fh;

        // 控制 --i ,遍历原hash表中的节点

        while (advance) {

            int nextIndex, nextBound;

            if (--i >= bound || finishing)

                advance = false;

            else if ((nextIndex = transferIndex) <= 0) {

                i = -1;

                advance = false;

            }

            // 用CAS计算得到的transferIndex

            else if (U.compareAndSwapInt

                    (this, TRANSFERINDEX, nextIndex,

                            nextBound = (nextIndex > stride ?

                                    nextIndex - stride : 0))) {

                bound = nextBound;

                i = nextIndex - 1;

                advance = false;

            }

        }

        if (i < 0 || i >= n || i + n >= nextn) {

            int sc;

            // 已经完成所有节点复制了

            if (finishing) {

                nextTable = null;

                table = nextTab;        // table 指向nextTable

                sizeCtl = (n << 1) - (n >>> 1);     // sizeCtl阈值为原来的1.5倍

                return;     // 跳出死循环，

            }

            // CAS 更扩容阈值，在这里面sizectl值减一，说明新加入一个线程参与到扩容操作

            if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {

                if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)

                    return;

                finishing = advance = true;

                i = n; // recheck before commit

            }

        }

        // 遍历的节点为null，则放入到ForwardingNode 指针节点

        else if ((f = tabAt(tab, i)) == null)

            advance = casTabAt(tab, i, null, fwd);

        // f.hash == -1 表示遍历到了ForwardingNode节点，意味着该节点已经处理过了

        // 这里是控制并发扩容的核心

        else if ((fh = f.hash) == MOVED)

            advance = true; // already processed

        else {

            // 节点加锁

            synchronized (f) {

                // 节点复制工作

                if (tabAt(tab, i) == f) {

                    Node ln, hn;

                    // fh >= 0 ,表示为链表节点

                    if (fh >= 0) {

                        // 构造两个链表  一个是原链表  另一个是原链表的反序排列

                        int runBit = fh & n;

                        Node lastRun = f;

                        for (Node 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;

                        }

                        for (Node 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(ph, pk, pv, ln);

                            else

                                hn = new Node(ph, pk, pv, hn);

                        }

                        // 在nextTable i 位置处插上链表

                        setTabAt(nextTab, i, ln);

                        // 在nextTable i + n 位置处插上链表

                        setTabAt(nextTab, i + n, hn);

                        // 在table i 位置处插上ForwardingNode 表示该节点已经处理过了

                        setTabAt(tab, i, fwd);

                        // advance = true 可以执行--i动作，遍历节点

                        advance = true;

                    }

                    // 如果是TreeBin，则按照红黑树进行处理，处理逻辑与上面一致

                    else if (f instanceof TreeBin) {

                        TreeBin t = (TreeBin)f;

                        TreeNode lo = null, loTail = null;

                        TreeNode hi = null, hiTail = null;

                        int lc = 0, hc = 0;

                        for (Node e = t.first; e != null; e = e.next) {

                            int h = e.hash;

                            TreeNode p = new TreeNode

                                    (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;

                            }

                        }

                        // 扩容后树节点个数若<=6，将树转链表

                        ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) :

                                (hc != 0) ? new TreeBin(lo) : t;

                        hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) :

                                (lc != 0) ? new TreeBin(hi) : t;

                        setTabAt(nextTab, i, ln);

                        setTabAt(nextTab, i + n, hn);

                        setTabAt(tab, i, fwd);

                        advance = true;

                    }

                }

            }

        }

    }

}

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，下图是多线程合作扩容的过程：

image

介绍完扩容过程，我们再次回到put流程，在第四步中是向链表或者红黑树里加节点，到第五步，会调用treeifyBin（）方法进行链表转红黑树的过程。

private final void treeifyBin(Node[] tab, int index) {

Node b; int n, sc;

if (tab != null) {

    //如果整个table的数量小于64，就扩容至原来的一倍，不转红黑树了

    //因为这个阈值扩容可以减少hash冲突，不必要去转红黑树

    if ((n = tab.length) < MIN_TREEIFY_CAPACITY) 

        tryPresize(n << 1);

    else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {

        synchronized (b) {

            if (tabAt(tab, index) == b) {

                TreeNode hd = null, tl = null;

                for (Node e = b; e != null; e = e.next) {

                    //封装成TreeNode

                    TreeNode p =

                        new TreeNode(e.hash, e.key, e.val,

                                          null, null);

                    if ((p.prev = tl) == null)

                        hd = p;

                    else

                        tl.next = p;

                    tl = p;

                }

                //通过TreeBin对象对TreeNode转换成红黑树

                setTabAt(tab, index, new TreeBin(hd));

            }

        }

    }

}

}

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。

private final void addCount(long x, int check) {

CounterCell[] as; long b, s;

//更新baseCount，table的数量，counterCells表示元素个数的变化

if ((as = counterCells) != null ||

    !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {

    CounterCell a; long v; int m;

    boolean uncontended = true;

    //如果多个线程都在执行，则CAS失败，执行fullAddCount，全部加入count

    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;

    s = sumCount();

}

 //check>=0表示需要进行扩容操作

if (check >= 0) {

    Node[] tab, nt; int n, sc;

    while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&

           (n = tab.length) < MAXIMUM_CAPACITY) {

        int rs = resizeStamp(n);

        if (sc < 0) {

            if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||

                sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||

                transferIndex <= 0)

                break;

            if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))

                transfer(tab, nt);

        }

        //当前线程发起库哦哦让操作，nextTable=null

        else if (U.compareAndSwapInt(this, SIZECTL, sc,

                                     (rs << RESIZE_STAMP_SHIFT) + 2))

            transfer(tab, null);

        s = sumCount();

    }

}

}

put的流程现在已经分析完了，你可以从中发现，他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。

get操作

我们现在要回到开始的例子中，我们对个人信息进行了新增之后，我们要获取所新增的信息，使用String name = map.get(“name”)获取新增的name信息，现在我们依旧用debug的方式来分析下ConcurrentHashMap的获取方法get()

public V get(Object key) {

Node[] tab; Node e, p; int n, eh; K ek;

int h = spread(key.hashCode()); //计算两次hash

if ((tab = table) != null && (n = tab.length) > 0 &&

    (e = tabAt(tab, (n - 1) & h)) != null) {//读取首节点的Node元素

    if ((eh = e.hash) == h) { //如果该节点就是首节点就返回

        if ((ek = e.key) == key || (ek != null && key.equals(ek)))

            return e.val;

    }

    //hash值为负值表示正在扩容，这个时候查的是ForwardingNode的find方法来定位到nextTable来

    //查找，查找到就返回

    else if (eh < 0)

        return (p = e.find(h, key)) != null ? p.val : null;

    while ((e = e.next) != null) {//既不是首节点也不是ForwardingNode，那就往下遍历

        if (e.hash == h &&

            ((ek = e.key) == key || (ek != null && key.equals(ek))))

            return e.val;

    }

}

return null;

}

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操作

最后我们来看下例子中最后获取size的方式int size = map.size();，现在让我们看下size()方法：

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; //变化的数量

long sum = baseCount;

if (as != null) {

    for (int i = 0; i < as.length; ++i) {

        if ((a = as[i]) != null)

            sum += a.value;

    }

}

return sum;

}

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。

总结与思考

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，在相对而言的低粒度加锁方式，synchronized并不比ReentrantLock差，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，而在低粒度中，Condition的优势就没有了
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

参考

http://blog.csdn.net/u010412719/article/details/52145145
http://www.jianshu.com/p/e694f1e868ec
https://my.oschina.net/liuxiaomian/blog/880088
https://bentang.me/tech/2016/12/01/jdk8-concurrenthashmap-1/
http://cmsblogs.com/?p=2283

java-01-ConcurrentHashMap(下)

你可能感兴趣的:(java-01-ConcurrentHashMap(下))