【并发问题】java BlockingQueue、ConcurrentHashMap的详解

1 BlockingQueue

 原文： http://blog.csdn.net/zlb824/article/details/7091814

本例介绍一个特殊的队列：BlockingQueue，如果BlockingQueue是空的，从BlockingQueue取东西的操作将会被阻断进入等待状态，直到BlockingQueue进了东西才会被唤醒，同样，如果BlockingQueue是满的，任何试图往里存东西的操作也会被阻断进入等待状态，直到BlockingQueue里有空间时才会被唤醒继续操作。
       本例再次实现前面介绍的篮子程序，不过这个篮子中最多能放得苹果数不是1，可以随意指定。当篮子满时，生产者进入等待状态，当篮子空时，消费者等待。

       BlockingQueue定义的常用方法如下：
                add(anObject)：把anObject加到BlockingQueue里，如果BlockingQueue可以容纳，则返回true，否则抛出异常。
                offer(anObject)：表示如果可能的话，将anObject加到BlockingQueue里，即如果BlockingQueue可以容纳，则返回true，否则返回false。
                put(anObject)：把anObject加到BlockingQueue里，如果BlockingQueue没有空间，则调用此方法的线程被阻断直到BlockingQueue里有空间再继续。
                poll(time)：取走BlockingQueue里排在首位的对象，若不能立即取出，则可以等time参数规定的时间，取不到时返回null。
                take()：取走BlockingQueue里排在首位的对象，若BlockingQueue为空，阻断进入等待状态直到BlockingQueue有新的对象被加入为止。

       BlockingQueue有四个具体的实现类，根据不同需求，选择不同的实现类：
                ArrayBlockingQueue：规定大小的BlockingQueue，其构造函数必须带一个int参数来指明其大小。其所含的对象是以FIFO（先入先出）顺序排序的。
                LinkedBlockingQueue：大小不定的BlockingQueue，若其构造函数带一个规定大小的参数，生成的BlockingQueue有大小限制，若不带大小参数，所生成的BlockingQueue的大小由Integer.MAX_VALUE来决定。其所含的对象是以FIFO顺序排序的。
                PriorityBlockingQueue：类似于LinkedBlockingQueue,但其所含对象的排序不是FIFO，而是依据对象的自然排序顺序或者是构造函数所带的Comparator决定的顺序。
                SynchronousQueue：特殊的BlockingQueue，对其的操作必须是放和取交替完成的。

       LinkedBlockingQueue和ArrayBlockingQueue比较起来，它们背后所用的数据结构不一样，导致LinkedBlockingQueue的数据吞吐量要大于ArrayBlockingQueue，但在线程数量很大时其性能的可预见性低于ArrayBlockingQueue。

 import java.util.concurrent.ArrayBlockingQueue;
 import java.util.concurrent.BlockingQueue;
 import java.util.concurrent.ExecutorService;
 import java.util.concurrent.Executors;

 /** *//**
 * BlockingQueue是一种特殊的Queue，若BlockingQueue是空的，
 * 从BlockingQueue取东西的操作将会被阻断进入等待状态直到BlocingkQueue进了新货才会被唤醒。
 * 同样，如果BlockingQueue是满的任何试图往里存东西的操作也会被阻断进入等待状态，
 * 直到BlockingQueue里有新的空间才会被唤醒继续操作。
 * BlockingQueue提供的方法主要有：
 * add(anObject): 把anObject加到BlockingQueue里，如果BlockingQueue可以容纳返回true，否则抛出IllegalStateException异常。
 * offer(anObject)：把anObject加到BlockingQueue里，如果BlockingQueue可以容纳返回true，否则返回false。
 * put(anObject)：把anObject加到BlockingQueue里，如果BlockingQueue没有空间，调用此方法的线程被阻断直到BlockingQueue里有新的空间再继续。
 * poll(time)：取出BlockingQueue里排在首位的对象，若不能立即取出可等time参数规定的时间。取不到时返回null。
 * take()：取出BlockingQueue里排在首位的对象，若BlockingQueue为空，阻断进入等待状态直到BlockingQueue有新的对象被加入为止。
 *
 * 根据不同的需要BlockingQueue有4种具体实现：
 * （1）ArrayBlockingQueue：规定大小的BlockingQueue，其构造函数必须带一个int参数来指明其大小。其所含的对象是以FIFO（先入先出）顺序排序的。
 * （2）LinkedBlockingQueue：大小不定的BlockingQueue，若其构造函数带一个规定大小的参数，生成的BlockingQueue有大小限制，
 * 若不带大小参数，所生成的BlockingQueue的大小由Integer.MAX_VALUE来决定。其所含的对象是以FIFO（先入先出）顺序排序的。
 * LinkedBlockingQueue和ArrayBlockingQueue比较起来，它们背后所用的数据结构不一样，
 * 导致LinkedBlockingQueue的数据吞吐量要大于ArrayBlockingQueue，但在线程数量很大时其性能的可预见性低于ArrayBlockingQueue。
 * （3）PriorityBlockingQueue：类似于LinkedBlockingQueue，但其所含对象的排序不是FIFO，而是依据对象的自然排序顺序或者是构造函数所带的Comparator决定的顺序。
 * （4）SynchronousQueue：特殊的BlockingQueue，对其的操作必须是放和取交替完成的。
 *
 * 下面是用BlockingQueue来实现Producer和Consumer的例子
 */
 public class BlockingQueueTest {

     /** *//**
      * 定义装苹果的篮子
      */
     public static class Basket{
         // 篮子，能够容纳3个苹果
         BlockingQueue<String> basket = new ArrayBlockingQueue<String>(3);

         // 生产苹果，放入篮子
         public void produce() throws InterruptedException{
             // put方法放入一个苹果，若basket满了，等到basket有位置
             basket.put("An apple");
         }
         // 消费苹果，从篮子中取走
         public String consume() throws InterruptedException{
             // get方法取出一个苹果，若basket为空，等到basket有苹果为止
             return basket.take();
         }
     }
     //　测试方法
     public static void testBasket() {
         // 建立一个装苹果的篮子
         final Basket basket = new Basket();
         // 定义苹果生产者
         class Producer implements Runnable {
             public void run() {
                 try {
                     while (true) {
                         // 生产苹果
                         System.out.println("生产者准备生产苹果："
                                 + System.currentTimeMillis());
                         basket.produce();
                         System.out.println("生产者生产苹果完毕："
                                 + System.currentTimeMillis());
                         // 休眠300ms
                         Thread.sleep(300);
                     }
                 } catch (InterruptedException ex) {
                 }
             }
         }
         // 定义苹果消费者
         class Consumer implements Runnable {
             public void run() {
                 try {
                     while (true) {
                         // 消费苹果
                         System.out.println("消费者准备消费苹果："
                                 + System.currentTimeMillis());
                         basket.consume();
                         System.out.println("消费者消费苹果完毕："
                                 + System.currentTimeMillis());
                         // 休眠1000ms
                         Thread.sleep(1000);
                     }
                 } catch (InterruptedException ex) {
                 }
             }
         }

         ExecutorService service = Executors.newCachedThreadPool();
         Producer producer = new Producer();
         Consumer consumer = new Consumer();
         service.submit(producer);
         service.submit(consumer);
         // 程序运行5s后，所有任务停止
         try {
             Thread.sleep(5000);
         } catch (InterruptedException e) {
         }
         service.shutdownNow();
     }

     public static void main(String[] args) {
         BlockingQueueTest.testBasket();
     }
 }

2 ConcurrentHashMap 

原文：http://mp.weixin.qq.com/mp/appmsg/show

线程不安全的HashMap

因为多线程环境下，使用Hashmap进行put操作会引起死循环，导致CPU利用率接近100%，所以在并发情况下不能使用HashMap。

如以下代码：

01 final HashMap<String, String> map = new HashMap<String, String>(2);
02
03        Thread t = new Thread(new Runnable() {
04
05            @Override
06
07            public void run() {
08
09                for (int i = 0; i < 10000; i++) {
10
11                    new Thread(new Runnable() {
12
13                        @Override
14
15                        public void run() {
16
17                            map.put(UUID.randomUUID().toString(), "");
18
19                        }
20
21                    }, "ftf" + i).start();
22
23                }
24
25            }
26
27        }, "ftf");
28
29        t.start();
30
31        t.join();

效率低下的HashTable容器

    HashTable容器使用synchronized来保证线程安全，但在线程竞争激烈的情况下HashTable的效率非常低下。因为当一个线程访问HashTable的同步方法时，其他线程访问HashTable的同步方法时，可能会进入阻塞或轮询状态。如线程1使用put进行添加元素，线程2不但不能使用put方法添加元素，并且也不能使用get方法来获取元素，所以竞争越激烈效率越低。

ConcurrentHashMap的锁分段技术

    HashTable容器在竞争激烈的并发环境下表现出效率低下的原因，是因为所有访问HashTable的线程都必须竞争同一把锁，那假如容器里有多把锁，每一把锁用于锁容器其中一部分数据，那么当多线程访问容器里不同数据段的数据时，线程间就不会存在锁竞争，从而可以有效的提高并发访问效率，这就是ConcurrentHashMap所使用的锁分段技术，首先将数据分成一段一段的存储，然后给每一段数据配一把锁，当一个线程占用锁访问其中一个段数据的时候，其他段的数据也能被其他线程访问。

ConcurrentHashMap的结构

我们通过ConcurrentHashMap的类图来分析ConcurrentHashMap的结构。

ConcurrentHashMap是由Segment数组结构和HashEntry数组结构组成。Segment是一种可重入锁ReentrantLock，在ConcurrentHashMap里扮演锁的角色，HashEntry则用于存储键值对数据。一个ConcurrentHashMap里包含一个Segment数组，Segment的结构和HashMap类似，是一种数组和链表结构， 一个Segment里包含一个HashEntry数组，每个HashEntry是一个链表结构的元素， 每个Segment守护者一个HashEntry数组里的元素,当对HashEntry数组的数据进行修改时，必须首先获得它对应的Segment锁。

ConcurrentHashMap的初始化

ConcurrentHashMap初始化方法是通过initialCapacity，loadFactor, concurrencyLevel几个参数来初始化segments数组，段偏移量segmentShift，段掩码segmentMask和每个segment里的HashEntry数组。

初始化segments数组。让我们来看一下初始化segmentShift，segmentMask和segments数组的源代码。

01 if (concurrencyLevel > MAX_SEGMENTS)
02
03 concurrencyLevel = MAX_SEGMENTS;
04
05 // Find power-of-two sizes best matching arguments
06
07 int sshift = 0;
08
09 int ssize = 1;
10
11 while (ssize < concurrencyLevel) {
12
13 ++sshift;
14
15 ssize <<= 1;
16
17 }
18
19 segmentShift = 32 - sshift;
20
21 segmentMask = ssize - 1;
22
23 this.segments = Segment.newArray(ssize);

由上面的代码可知segments数组的长度ssize通过concurrencyLevel计算得出。为了能通过按位与的哈希算法来定位segments数组的索引，必须保证segments数组的长度是2的N次方（power-of-two size），所以必须计算出一个是大于或等于concurrencyLevel的最小的2的N次方值来作为segments数组的长度。假如concurrencyLevel等于14，15或16，ssize都会等于16，即容器里锁的个数也是16。注意concurrencyLevel的最大大小是65535，意味着segments数组的长度最大为65536，对应的二进制是16位。

初始化segmentShift和segmentMask。这两个全局变量在定位segment时的哈希算法里需要使用，sshift等于ssize从1向左移位的次数，在默认情况下concurrencyLevel等于16，1需要向左移位移动4次，所以sshift等于4。segmentShift用于定位参与hash运算的位数，segmentShift等于32减sshift，所以等于28，这里之所以用32是因为ConcurrentHashMap里的hash()方法输出的最大数是32位的，后面的测试中我们可以看到这点。segmentMask是哈希运算的掩码，等于ssize减1，即15，掩码的二进制各个位的值都是1。因为ssize的最大长度是65536，所以segmentShift最大值是16，segmentMask最大值是65535，对应的二进制是16位，每个位都是1。

初始化每个Segment。输入参数initialCapacity是ConcurrentHashMap的初始化容量，loadfactor是每个segment的负载因子，在构造方法里需要通过这两个参数来初始化数组中的每个segment。

01 if (initialCapacity > MAXIMUM_CAPACITY)
02
03          initialCapacity = MAXIMUM_CAPACITY;
04
05      int c = initialCapacity / ssize;
06
07      if (c * ssize < initialCapacity)
08
09          ++c;
10
11      int cap = 1;
12
13      while (cap < c)
14
15          cap <<= 1;
16
17      for (int i = 0; i < this.segments.length; ++i)
18
19          this.segments[i] = new Segment<K,V>(cap, loadFactor);

上面代码中的变量cap就是segment里HashEntry数组的长度，它等于initialCapacity除以ssize的倍数c，如果c大于1，就会取大于等于c的2的N次方值，所以cap不是1，就是2的N次方。segment的容量threshold＝(int)cap*loadFactor，默认情况下initialCapacity等于16，loadfactor等于0.75，通过运算cap等于1，threshold等于零。

定位Segment

既然ConcurrentHashMap使用分段锁Segment来保护不同段的数据，那么在插入和获取元素的时候，必须先通过哈希算法定位到Segment。可以看到ConcurrentHashMap会首先使用Wang/Jenkins hash的变种算法对元素的hashCode进行一次再哈希。

1 private static int hash(int h) {
2
3 h += (h << 15) ^ 0xffffcd7d; h ^= (h >>> 10);
4
5 h += (h << 3); h ^= (h >>> 6);
6
7 h += (h << 2) + (h << 14); return h ^ (h >>> 16);
8
9 }

再哈希，其目的是为了减少哈希冲突，使元素能够均匀的分布在不同的Segment上，从而提高容器的存取效率。假如哈希的质量差到极点，那么所有的元素都在一个Segment中，不仅存取元素缓慢，分段锁也会失去意义。我做了一个测试，不通过再哈希而直接执行哈希计算。

1 System.out.println(Integer.parseInt("0001111", 2) & 15);
2
3 System.out.println(Integer.parseInt("0011111", 2) & 15);
4
5 System.out.println(Integer.parseInt("0111111", 2) & 15);
6
7 System.out.println(Integer.parseInt("1111111", 2) & 15);

计算后输出的哈希值全是15，通过这个例子可以发现如果不进行再哈希，哈希冲突会非常严重，因为只要低位一样，无论高位是什么数，其哈希值总是一样。我们再把上面的二进制数据进行再哈希后结果如下，为了方便阅读，不足32位的高位补了0，每隔四位用竖线分割下。

1 0100｜0111｜0110｜0111｜1101｜1010｜0100｜1110
2
3 1111｜0111｜0100｜0011｜0000｜0001｜1011｜1000
4
5 0111｜0111｜0110｜1001｜0100｜0110｜0011｜1110
6
7 1000｜0011｜0000｜0000｜1100｜1000｜0001｜1010

可以发现每一位的数据都散列开了，通过这种再哈希能让数字的每一位都能参加到哈希运算当中，从而减少哈希冲突。ConcurrentHashMap通过以下哈希算法定位segment。

默认情况下segmentShift为28，segmentMask为15，再哈希后的数最大是32位二进制数据，向右无符号移动28位，意思是让高4位参与到hash运算中， (hash >>> segmentShift) & segmentMask的运算结果分别是4，15，7和8，可以看到hash值没有发生冲突。

1 final Segment<K,V> segmentFor(int hash) {
2
3        return segments[(hash >>> segmentShift) & segmentMask];
4
5    }

ConcurrentHashMap的get操作

Segment的get操作实现非常简单和高效。先经过一次再哈希，然后使用这个哈希值通过哈希运算定位到segment，再通过哈希算法定位到元素，代码如下：

1 public V get(Object key) {
2
3       int hash = hash(key.hashCode());
4
5       return segmentFor(hash).get(key, hash);
6
7   }

get操作的高效之处在于整个get过程不需要加锁，除非读到的值是空的才会加锁重读，我们知道HashTable容器的get方法是需要加锁的，那么ConcurrentHashMap的get操作是如何做到不加锁的呢？原因是它的get方法里将要使用的共享变量都定义成volatile，如用于统计当前Segement大小的count字段和用于存储值的HashEntry的value。定义成volatile的变量，能够在线程之间保持可见性，能够被多线程同时读，并且保证不会读到过期的值，但是只能被单线程写（有一种情况可以被多线程写，就是写入的值不依赖于原值），在get操作里只需要读不需要写共享变量count和value，所以可以不用加锁。之所以不会读到过期的值，是根据java内存模型的happen before原则，对volatile字段的写入操作先于读操作，即使两个线程同时修改和获取volatile变量，get操作也能拿到最新的值，这是用volatile替换锁的经典应用场景。

1 transient volatile int count;
2
3 volatile V value;

在定位元素的代码里我们可以发现定位HashEntry和定位Segment的哈希算法虽然一样，都与数组的长度减去一相与，但是相与的值不一样，定位Segment使用的是元素的hashcode通过再哈希后得到的值的高位，而定位HashEntry直接使用的是再哈希后的值。其目的是避免两次哈希后的值一样，导致元素虽然在Segment里散列开了，但是却没有在HashEntry里散列开。

1 hash >>> segmentShift) & segmentMask//定位Segment所使用的hash算法
2
3 int index = hash & (tab.length - 1);// 定位HashEntry所使用的hash算法

ConcurrentHashMap的Put操作

由于put方法里需要对共享变量进行写入操作，所以为了线程安全，在操作共享变量时必须得加锁。Put方法首先定位到Segment，然后在Segment里进行插入操作。插入操作需要经历两个步骤，第一步判断是否需要对Segment里的HashEntry数组进行扩容，第二步定位添加元素的位置然后放在HashEntry数组里。

是否需要扩容。在插入元素前会先判断Segment里的HashEntry数组是否超过容量（threshold），如果超过阀值，数组进行扩容。值得一提的是，Segment的扩容判断比HashMap更恰当，因为HashMap是在插入元素后判断元素是否已经到达容量的，如果到达了就进行扩容，但是很有可能扩容之后没有新元素插入，这时HashMap就进行了一次无效的扩容。

如何扩容。扩容的时候首先会创建一个两倍于原容量的数组，然后将原数组里的元素进行再hash后插入到新的数组里。为了高效ConcurrentHashMap不会对整个容器进行扩容，而只对某个segment进行扩容。

ConcurrentHashMap的size操作

如果我们要统计整个ConcurrentHashMap里元素的大小，就必须统计所有Segment里元素的大小后求和。Segment里的全局变量count是一个volatile变量，那么在多线程场景下，我们是不是直接把所有Segment的count相加就可以得到整个ConcurrentHashMap大小了呢？不是的，虽然相加时可以获取每个Segment的count的最新值，但是拿到之后可能累加前使用的count发生了变化，那么统计结果就不准了。所以最安全的做法，是在统计size的时候把所有Segment的put，remove和clean方法全部锁住，但是这种做法显然非常低效。

因为在累加count操作过程中，之前累加过的count发生变化的几率非常小，所以ConcurrentHashMap的做法是先尝试2次通过不锁住Segment的方式来统计各个Segment大小，如果统计的过程中，容器的count发生了变化，则再采用加锁的方式来统计所有Segment的大小。

那么ConcurrentHashMap是如何判断在统计的时候容器是否发生了变化呢？使用modCount变量，在put , remove和clean方法里操作元素前都会将变量modCount进行加1，那么在统计size前后比较modCount是否发生变化，从而得知容器的大小是否发生变化。

参考资料

1. JDK1.6源代码。

2. 《Java并发编程实践》

3. Java并发编程之ConcurrentHashMap