山东网站建设推广关联词有哪些关系
前言
HashMap是一个非常优秀的类，使用也非常频繁。唯一的遗憾就是HashMap不是线程安全的。
理解了HashMap，再来看ConcurrentHashMap会有事半功倍的效果，因为ConcurrentHashMap底层数据结构、核心方法几乎和HashMap一模一样，只是在多线程环境下做了很多保证线程安全的操作。
JDK早期提供了线程安全的HashMap类，那就是Hashtable，底层几乎把所有的方法都加上了锁，导致效率太低。JDK1.5开始，JUC包中提供了一个更高效的、线程安全的HashMap类，那就是ConcurrentHashMap。
本篇主要讲解JDK1.8中ConcurrentHashMap的底层结构，实现原理，核心方法等。
ConcurrentHashMap
首先看下ConcurrentHashMap的类体系结构，整体上把握ConcurrentHashMap
可以看到ConcurrentHashMap主要实现了Map和Serializable接口。
内部结构
想要读懂容器类的源码，必须先了解它的数据结构。所以先看看ConcurrentHashMap的内部结构，重点关注以下几个中的属性即可
public class ConcurrentHashMap extends AbstractMap implements ConcurrentMap, Serializable { private static final long serialVersionUID = 7249069246763182397L;// 最大容量 private static final int MAXIMUM_CAPACITY = 1 << 30; // 默认容量 private static final int DEFAULT_CAPACITY = 16; // 最大可能的数组大小 static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8; // 默认的并发级别(不使用，为了兼容之前的版本) private static final int DEFAULT_CONCURRENCY_LEVEL = 16; // 默认加载因子 private static final float LOAD_FACTOR = 0.75f; // 链表转红黑树阈值 static final int TREEIFY_THRESHOLD = 8; // 红黑树退化成链表的阈值 static final int UNTREEIFY_THRESHOLD = 6; // (红黑)树化时，table数组最小值 // 至少是4倍的TREEIFY_THRESHOLD static final int MIN_TREEIFY_CAPACITY = 64; // 第一次新增元素时初始化，始终是2的幂 transient volatile Node[] table; // 扩容时用，代表扩容后的数组 private transient volatile Node[] nextTable;// 节点hash的特殊值 static final int MOVED = -1; // 转移节点的hash值 static final int TREEBIN = -2; // (红黑)树根节点的hash值 static final int RESERVED = -3; // 临时保留的hash值 static final int HASH_BITS = 0x7fffffff; // 普通节点hash的可用位 // 控制table初始化和扩容的字段 // -1 初始化中 // -n 表示n-1个线程正在扩容中 // 0 使用默认容量进行初始化 // >0 使用多少容量 private transient volatile int sizeCtl;}构造方法
ConcurrentHashMap提供了5个构造方法，主要关注3个
public ConcurrentHashMap(int initialCapacity) { if (initialCapacity < 0) // 传入的初始化容量不能小于0 throw new IllegalArgumentException(); // 根据传入的capacity计算合理的capacity int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY : tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1)); this.sizeCtl = cap;}public ConcurrentHashMap(int initialCapacity, float loadFactor) {// concurrencyLevel传入了1 this(initialCapacity, loadFactor, 1);}public ConcurrentHashMap(int initialCapacity, float loadFactor, int concurrencyLevel) { if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0) // loadFactor、initialCapacity、concurrencyLevel都不能小于0 throw new IllegalArgumentException(); if (initialCapacity < concurrencyLevel) // Use at least as many bins initialCapacity = concurrencyLevel; // as estimated threads long size = (long)(1.0 + (long)initialCapacity / loadFactor); // 根据传入的capacity和loadFactor计算合理的capacity int cap = (size >= (long)MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : tableSizeFor((int)size); this.sizeCtl = cap;}构造方法基本只做了参数校验，计算合理的capacity值，并没有初始化数组table
核心方法
对于ConcurrentHashMap而言，核心方法毫无疑问就是put和get。所以先来看看put方法的整体逻辑。
put方法
put方法用于往map中添加一个键值对K、V。方法实现如下：
public V put(K key, V value) {// 调用自身putVal()方法// 第三个参数传false，表示map中有相同的key时(equals相等)，直接覆盖其value值 return putVal(key, value, false);}/** Implementation for put and putIfAbsent */final V putVal(K key, V value, boolean onlyIfAbsent) {// key、value都不能为null if (key == null || value == null) throw new NullPointerException(); // 计算hash值 int hash = spread(key.hashCode()); int binCount = 0; for (Node[] tab = table;;) { // 自旋 Node f; int n, i, fh; if (tab == null || (n = tab.length) == 0) // 数组尚未初始化，进行初始化 tab = initTable(); else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { // 当前槽为null(没有数据) if (casTabAt(tab, i, null, new Node(hash, key, value, null))) // CAS的方法把k、v包装成Node节点，放在这个槽上 // 成功后就结束自旋，无需加锁 // 不成功继续自旋 break; // no lock when adding to empty bin } else if ((fh = f.hash) == MOVED) // 当前槽上的节点正在转移(扩容) tab = helpTransfer(tab, f); else { // 当前槽上有值，并且不处于转移状态 V oldVal = null; synchronized (f) { // 锁住当前槽 // 因为只锁住了一个槽(链表头节点、红黑树根节点)，也就是数组的一项，所以比JDK1.7中锁住一段(分段锁)的效率更高 if (tabAt(tab, i) == f) { // 当前槽上的节点没有被修改过，double-check if (fh >= 0) { // 该槽上是单链表 binCount = 1; for (Node e = f;; ++binCount) { // 遍历当前槽 K ek; if (e.hash == hash && ((ek = e.key) == key || (ek != null && key.equals(ek)))) { // 单链表上找到了相同的key，覆盖其value值 oldVal = e.val; if (!onlyIfAbsent) e.val = value; break; } Node pred = e; if ((e = e.next) == null) { // 【尾插法】把新增节点插入链表，退出自旋 pred.next = new Node(hash, key, value, null); break; } } } else if (f instanceof TreeBin) { // 当前槽上存的是红黑树，按照红黑树的方式插入元素 Node p; binCount = 2; if ((p = ((TreeBin)f).putTreeVal(hash, key, value)) != null) { oldVal = p.val; if (!onlyIfAbsent) p.val = value; } } } } if (binCount != 0) { if (binCount >= TREEIFY_THRESHOLD) // 链表需要转换成红黑树 treeifyBin(tab, i); if (oldVal != null) return oldVal; break; } } } // 检检查是否需要扩容，如果需要就扩容 addCount(1L, binCount); return null;}整个put方法大致分为以下几步：
1、校验K、V，并计算has值
2、进入自旋，判断table是否已经初始化，如果否，则进行初始化；如果是，执行3
3、判断当前槽上是否为null，如果是，通过CAS的方式新增节点；如果否，执行4
4、判断当前槽上的节点是否正在转移(扩容过程)，如果是，辅助扩容；如果否，执行5
5、锁住当前槽，如果当前槽上是单链表，按照单链表的方式新增节点，如果是红黑树，按照红黑树的方式新增节点
6、判断链表是否需要转换成红黑树，如果是，转换成红黑树
7、新增节点完成后，检测是否需要扩容，如果需要，就扩容
从源码来看，ConcurrentHashMap中的put方法和HashMap的put方法执行的逻辑相差无几。只是利用了自旋 + CAS、Synchronized等来保证线程安全。
接下来深入put方法中使用的一些内部方法：initTable、addCount等
initTable
initTable用于初始化table数组，其实现如下：
private final Node[] initTable() { Node[] tab; int sc; while ((tab = table) == null || tab.length == 0) { // 自旋 // 外层putVal方法已经判断过这个条件，double-check if ((sc = sizeCtl) < 0) // 有其他的线程正在初始table数组 Thread.yield(); // lost initialization race; just spin else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) { // CAS的方式抢到锁 try { if ((tab = table) == null || tab.length == 0) { // 再次double-check // 执行初始 int n = (sc > 0) ? sc : DEFAULT_CAPACITY; @SuppressWarnings("unchecked") Node[] nt = (Node[])new Node,?>[n]; table = tab = nt; sc = n - (n >>> 2); } } finally { sizeCtl = sc; } break; } } return tab;}初始化table数组的核心逻辑只有一行new操作，但是为了保证线程安全和高效，采用了double-check + 自旋 + CAS的方式，这也是多线程并发编程的常见手段。
addCount
addCount方法用来检测是否需要扩容，如果需要就扩容。
private final void addCount(long x, int check) { CounterCell[] as; long b, s; if ((as = counterCells) != null || !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) { CounterCell a; long v; int m; boolean uncontended = true; 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(); } 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)) // 有别的线程正在扩容 transfer(tab, nt); } else if (U.compareAndSwapInt(this, SIZECTL, sc, (rs << RESIZE_STAMP_SHIFT) + 2)) // 没有别的线程正在扩容 transfer(tab, null); s = sumCount(); } }}对于这个方法而言，就是判断要不要扩容，而真正的扩容方法是transfer，所以具体看下transfer方法的实现逻辑
/** * tab表示扩容前的数组 * nextTab表示扩容后的新数组(如果为null，表示并没有别的线程在扩容) */private final void transfer(Node[] tab, Node[] nextTab) { int n = tab.length, stride; if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE) stride = MIN_TRANSFER_STRIDE; // subdivide range if (nextTab == null) { // initiating try { // 初始化nextTab，大小为原数组的2倍 @SuppressWarnings("unchecked") Node[] nt = (Node[])new Node,?>[n << 1]; nextTab = nt; } catch (Throwable ex) { // try to cope with OOME sizeCtl = Integer.MAX_VALUE; return; } nextTable = nextTab; transferIndex = n; } // 获取新数组的长度 int nextn = nextTab.length; // 如果元素组槽上是转移节点，表示该槽上的节点正在转移 ForwardingNode fwd = new ForwardingNode(nextTab); boolean advance = true; boolean finishing = false; // to ensure sweep before committing nextTab for (int i = 0, bound = 0;;) { // 自旋 Node f; int fh; while (advance) { int nextIndex, nextBound; if (--i >= bound || finishing) advance = false; else if ((nextIndex = transferIndex) <= 0) { // 拷贝已经完成 i = -1; advance = false; } 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) { // 拷贝结束 int sc; if (finishing) { nextTable = null; table = nextTab; sizeCtl = (n << 1) - (n >>> 1); return; } 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 } } else if ((f = tabAt(tab, i)) == null) advance = casTabAt(tab, i, null, fwd); else if ((fh = f.hash) == MOVED) advance = true; // already processed else { synchronized (f) { // 加锁，进行节点拷贝 if (tabAt(tab, i) == f) { // 低位链表和高位链表(前文HashMap中讲过) Node ln, hn; if (fh >= 0) { 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) { // 循环拷贝链表节点 // 原数组中的链表会被分成高、低位两个链表，放在新数组中不同的槽 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); } // 链表设置到新数组 setTabAt(nextTab, i, ln); setTabAt(nextTab, i + n, hn); // 旧数组上设置转移节点 // 其他线程发下槽上是转移节点后就会等待 setTabAt(tab, i, fwd); advance = true; } else if (f instanceof TreeBin) { // 拷贝红黑树的节点 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; } } 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; } } } } }}可以看到ConcurrentHashMap中的扩容也是采用了自旋 + CAS + Synchronized来保证线程安全的，除此之外，还添加了转移节点，表示该槽上的节点正在被转移，此时别的线程不要往这个槽写数据。
get方法
get方法用于从map中根据key取value。其实现相比于put方法要简单得多
public V get(Object key) { Node[] tab; Node e, p; int n, eh; K ek; // 根据key计算hash值 int h = spread(key.hashCode()); if ((tab = table) != null && (n = tab.length) > 0 && (e = tabAt(tab, (n - 1) & h)) != null) { // table不为空，且当前槽上有数据 if ((eh = e.hash) == h) { if ((ek = e.key) == key || (ek != null && key.equals(ek))) // 槽上第一个节点就是要取的节点，直接返回value return e.val; } else if (eh < 0) // 槽上的第一个节点红黑树的根节点或者转移节点，调用其find方法查找 return (p = e.find(h, key)) != null ? p.val : null; while ((e = e.next) != null) { // 槽上是单链表，遍历单查找 if (e.hash == h && ((ek = e.key) == key || (ek != null && key.equals(ek)))) // 找到需要的节点，返回value return e.val; } } // table没有初始 // 当前槽上没有数据 // 红黑树/转移节点/单链表上未找到 return null;}size方法
size方法用于返回map的节点个数，在HashMap中非常简单，因为定义了一个变量来维护size，但是ConcurrentHashMap并没有定义这样的变量，先来看下其size方法的实现
public int size() {// 调用内部sumCount方法 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; long sum = baseCount; if (as != null) { for (int i = 0; i < as.length; ++i) { if ((a = as[i]) != null) sum += a.value; } } return sum;}可以看到最后返回size的值就是baseCount的值 + counterCells数组中的所有值之和。counterCells数组中存的实际上就是table数组中每个槽上的节点个数。baseCount相当于counterCells的优化，在没有竞争的时候使用。
实际上也就是分段求和，再汇总的思想。
看到方法内部并没有加锁，说明size方法返回的并不是一个准确值，而是一个近似值，因为在汇总的过程中，有可能map中新增或者删除了元素。
与JDK1.7的区别
一张图就可以直观的感受到ConcurrentHashMap在JDK1.7和JDK1.8的区别
对JDK1.7中的ConcurrentHashMap而言
内部主要是一个Segment数组，而数组的每一项又是一个HashEntry数组，元素都存在HashEntry数组里。因为每次锁定的是Segment对象，也就是整个HashEntry数组，所以又叫分段锁。
对JDK1.8中的ConcurrentHashMap而言
舍弃了分段锁的实现方式，元素都存在Node数组中，每次锁住的是一个Node对象，而不是某一段数组，所以支持的写的并发度更高。
再者它引入了红黑树，在hash冲突严重时，读操作的效率更高。
这两点便是JDK1.8对ConcurrentHashMap所做的主要优化。
总结
ConcurrentHashMap类的实现，可以说是并发容器中，经典中的经典。深入的理解这个类，需要数据结构的基础，以及并发编程的基础。
作者：Sicimike
原文链接：https://blog.csdn.net/Baisitao_/article/details/103996874