面试题:来继续聊聊ConcurrentHashMap与HashMapHashtable的区别?

Posted Java面试那些事儿

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了面试题:来继续聊聊ConcurrentHashMap与HashMapHashtable的区别?相关的知识,希望对你有一定的参考价值。

前语:不要为了读文章而读文章,一定要带着问题来读文章,勤思考。

来源:http://1t.click/Fw3

# 前言


ConcurrentHashMap顾名思义就是同步的HashMap,也就是线程安全的HashMap,所以本篇介绍的ConcurrentHashMap和HashMap有着很重要的关系,所以建议之前没有了解过HashMap的可以先看看这篇关于HashMap的原理分析《》,本篇继续以JDK1.8版本的源码进行分析,最后在介绍完ConcurrentHashMap之后会对ConcurrentHashMap、Hashtable和HashMap做一个比较和总结。


# ConcurrentHashMap


我们先看一下ConcurrentHashMap实现了哪些接口、继承了哪些类,对ConcurrentHashMap有一个整体认知。
面试题:来继续聊聊ConcurrentHashMap与HashMap、Hashtable的区别?
ConcurrentHashMap继承AbstractMap接口,这个和HashMap一样,然后实现了ConcurrentMap接口,这个和HashMap不一样,HashMap是直接实现的Map接口。


再细看ConcurrentHashMap的结构,这里列举几个重要的成员变量table、nextTable、baseCount、sizeCtl、transferIndex、cellsBusy:

  • table:数据类型是Node数组,这里的Node和HashMap的Node一样都是内部类且实现了Map.Entry接口

  • nextTable:哈希表扩容时生成的数据,数组为扩容前的2倍

  • sizeCtl:多个线程的共享变量,是操作的控制标识符,它的作用不仅包括threshold的作用,在不同的地方有不同的值也有不同的用途

    • -1代表正在初始化

    • -N代表有N-1个线程正在进行扩容操作

    • 0代表hash表还没有被初始化

    • 正数表示下一次进行扩容的容量大小

  • 线程安全的实现:Hashtable采用对象锁(synchronized修饰对象方法)来保证线程安全,也就是一个Hashtable对象只有一把锁,如果线程1拿了对象A的锁进行有synchronized修饰的put方法,其他线程是无法操作对象A中有synchronized修饰的方法的(如get方法、remove方法等),竞争激烈所以效率低下。而ConcurrentHashMap采用CAS + synchronized来保证并发安全性,且synchronized关键字不是用在方法上而是用在了具体的对象上,实现了更小粒度的锁,等会源码分析的时候在细说这个SUN大师们的鬼斧神工

  • 数据结构的实现:Hashtable采用的是数组 + 链表,当链表过长会影响查询效率,而ConcurrentHashMap采用数组 + 链表 + 红黑树,当链表长度超过某一个值,则将链表转成红黑树,提高查询效率。


1、构造函数


ConcurrentHashMap的构造函数有5个,从数量上看就和HashMap、Hashtable(4个)的不同,多出的那个构造函数是public ConcurrentHashMap(int initialCapacity,float loadFactor, int concurrencyLevel),即除了传入容量大小、负载因子之外还多传入了一个整型的concurrencyLevel,这个整型是我们预先估计的并发量,比如我们估计并发是30,那么就可以传入30。


其他的4个构造函数的参数和HashMap的一样,而具体的初始化过程却又不相同,HashMap和Hashtable传入的容量大小和负载因子都是为了计算出初始阈值(threshold),而ConcurrentHashMap传入的容量大小和负载因子是为了计算出sizeCtl用于初始化table,这个sizeCtl即table数组的大小,不同的构造函数计算sizeCtl方法都不一样。

//无参构造函数,什么也不做,table的初始化放在了第一次插入数据时,默认容量大小是16和HashMap的一样,默认sizeCtl为0public ConcurrentHashMap() {}
//传入容量大小的构造函数。public ConcurrentHashMap(int initialCapacity) { //如果传入的容量大小小于0 则抛出异常。 if (initialCapacity < 0) throw new IllegalArgumentException(); //如果传入的容量大小大于允许的最大容量值 则cap取允许的容量最大值 否则cap = //((传入的容量大小 + 传入的容量大小无符号右移1位 + 1)的结果向上取最近的2幂次方), //即如果传入的容量大小是12 则 cap = 32(12 + (12 >>> 1) + 1=19 //向上取2的幂次方即32),这里为啥一定要是2的幂次方,原因和HashMap的threshold一样,都是为 //了让位运算和取模运算的结果一样。 //MAXIMUM_CAPACITY即允许的最大容量值 为2^30。 int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY : //tableSizeFor这个函数即实现了将一个整数取2的幂次方。 tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1)); //将上面计算出的cap 赋值给sizeCtl,注意此时sizeCtl为正数,代表进行扩容的容量大小。 this.sizeCtl = cap;}
//包含指定Map的构造函数。//置sizeCtl为默认容量大小 即16。public ConcurrentHashMap(Map<? extends K, ? extends V> m) { this.sizeCtl = DEFAULT_CAPACITY; putAll(m);}
//传入容量大小和负载因子的构造函数。//默认并发数大小是1。public ConcurrentHashMap(int initialCapacity, float loadFactor) { this(initialCapacity, loadFactor, 1);}
//传入容量大小、负载因子和并发数大小的构造函数public ConcurrentHashMap(int initialCapacity, float loadFactor, int concurrencyLevel) { if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0) throw new IllegalArgumentException(); //如果传入的容量大小 小于 传入的并发数大小, //则容量大小取并发数大小,这样做的原因是确保每一个Node只会分配给一个线程,而一个线程则 //可以分配到多个Node,比如当容量大小为64,并发数大 //小为16时,则每个线程分配到4个Node。 if (initialCapacity < concurrencyLevel) // Use at least as many bins initialCapacity = concurrencyLevel; // as estimated threads //size = 1.0 + (long)initialCapacity / loadFactor 这里计算方法和上面的构造函数不一样。 long size = (long)(1.0 + (long)initialCapacity / loadFactor); //如果size大于允许的最大容量值则 sizeCtl = 允许的最大容量值 否则 sizeCtl = //size取2的幂次方。 int cap = (size >= (long)MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : tableSizeFor((int)size); this.sizeCtl = cap;}


2、put方法


  1. 判断键值是否为null,为null抛出异常。

  2. 如果当前table为空,则初始化table,需要注意的是这里并没有加synchronized,也就是允许多个线程去尝试初始化table,但是在初始化函数里面使用了CAS保证只有一个线程去执行初始化过程。

  3. 如果该下标上的bucket不为空,且又不需要扩容,则进入到bucket中,同时锁住这个bucket,注意只是锁住该下标上的bucket而已,其他的bucket并未加锁,其他线程仍然可以操作其他未上锁的bucket,这个就是ConcurrentHashMap为什么高效的原因之一。

  4. 最后判断该bucket上的链表长度是否大于链表转红黑树的阈值(8),大于则调用treeifyBin()方法将链表转成红黑树,以免链表过长影响效率。

  5. 调用addCount()方法,作用是将ConcurrentHashMap的键值对数量+1,还有另一个作用是检查ConcurrentHashMap是否需要扩容。

public V put(K key, V value) { return putVal(key, value, false);}
final V putVal(K key, V value, boolean onlyIfAbsent) { //不允许键值为null,这点与线程安全的Hashtable保持一致,和HashMap不同。 if (key == null || value == null) throw new NullPointerException(); //取键key的hashCode()和HashMap、Hashtable都一样,然后再执行spread()方法计算得到哈希地 //址,这个spread()方法和HashMap的hash()方法一样,都是将hashCode()做无符号右移16位,只不 //过spread()加多了 &0x7fffffff,让结果为正数。 int hash = spread(key.hashCode()); int binCount = 0; for (Node<K,V>[] tab = table;;) { Node<K,V> f; int n, i, fh; //如果table数组为空或者长度为0(未初始化),则调用initTable()初始化table,初始化函数 //下面介绍。 if (tab == null || (n = tab.length) == 0) tab = initTable(); //调用实现了CAS原子性操作的tabAt方法 //tabAt方法的第一个参数是Node数组的引用,第二个参数在Node数组的下标,实现的是在Nod //e数组中查找指定下标的Node,如果找到则返回该Node节点(链表头节点),否则返回null, //这里的i = (n - 1)&hash即是计算待插入的节点在table的下标,即table容量-1的结果和哈 //希地址做与运算,和HashMap的算法一样。 else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { //如果该下标上并没有节点(即链表为空),则直接调用实现了CAS原子性操作的 //casTable()方法, //casTable()方法的第一个参数是Node数组的引用,第二个参数是待操作的下标,第三 //个参数是期望值,第四个参数是待操作的Node节点,实现的是将Node数组下标为参数二 //的节点替换成参数四的节点,如果期望值和实际值不符返回false,否则参数四的节点成 //功替换上去,返回ture,即插入成功。注意这里:如果插入成功了则跳出for循环,插入 //失败的话(其他线程抢先插入了),那么会执行到下面的代码。 if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null))) break; // no lock when adding to empty bin } //如果该下标上的节点的哈希地址为-1(即链表的头节点为ForwardingNode节点),则表示 //table需要扩容,值得注意的是ConcurrentHashMap初始化和扩容不是用同一个方法,而 //HashMap和Hashtable都是用同一个方法,当前线程会去协助扩容,扩容过程后面介绍。 else if ((fh = f.hash) == MOVED) tab = helpTransfer(tab, f); //如果该下标上的节点既不是空也不是需要扩容,则表示这个链表可以插入值,将进入到链表 //中,将新节点插入或者覆盖旧值。 else { V oldVal = null; //通过关键字synchroized对该下标上的节点加锁(相当于锁住锁住 //该下标上的链表),其他下标上的节点并没有加锁,所以其他线程 //可以安全的获得其他下标上的链表进行操作,也正是因为这个所 //以提高了ConcurrentHashMap的效率,提高了并发度。 synchronized (f) { if (tabAt(tab, i) == f) { //如果该下标上的节点的哈希地址大于等于0,则表示这是 //个链表。 if (fh >= 0) { binCount = 1; //遍历链表。 for (Node<K,V> e = f;; ++binCount) { K ek; //如果哈希地址、键key相同 或者 键key不为空 //且键key相同,则表示存在键key和待插入的键 //key相同,则执行更新值value的操作。 if (e.hash == hash && ((ek = e.key) == key || (ek != null && key.equals(ek)))) { oldVal = e.val; if (!onlyIfAbsent) e.val = value; break; } Node<K,V> pred = e; //如果找到了链表的最后一个节点都没有找到相 //同键Key的,则是插入操作,将插入的键值新建 //个节点并且添加到链表尾部,这个和HashMap一 //样都是插入到尾部。 if ((e = e.next) == null) { pred.next = new Node<K,V>(hash, key, value, null); break; } } } //如果该下标上的节点的哈希地址小于0 且为树节点 //则将带插入键值新增到红黑树 else if (f instanceof TreeBin) { Node<K,V> p; binCount = 2; //如果插入的结果不为null,则表示为替换 if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,value)) != null){ oldVal = p.val; if (!onlyIfAbsent) p.val = value; } } } } //判断链表的长度是否大于等于链表的阈值(8),大于则将链表转成 //红黑树,提高效率。这点和HashMap一样。 if (binCount != 0) { if (binCount >= TREEIFY_THRESHOLD) treeifyBin(tab, i); if (oldVal != null) return oldVal; break; } } } addCount(1L, binCount); return null;}


3、get方法


  1. 计算出键key所在的下标,算法是(n - 1) & h,如果table不为空,且下标上的bucket不为空,则到bucket中查找。

  2. 到红黑树或者链表中查找,找到则返回该键key的值,找不到则返回null。

public V get(Object key) { Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek; //运用键key的hashCode()计算出哈希地址 int h = spread(key.hashCode()); //如果table不为空 且 table长度大于0 且 计算出的下标上bucket不为空, //则代表这个bucket存在,进入到bucket中查找, //其中(n - 1) & h为计算出键key相对应的数组下标的算法。 if ((tab = table) != null && (n = tab.length) > 0 && (e = tabAt(tab, (n - 1) & h)) != null) { //如果哈希地址、键key相同则表示查找到,返回value,这里查找到的是头节点。 if ((eh = e.hash) == h) { if ((ek = e.key) == key || (ek != null && key.equals(ek))) return e.val; } //如果bucket头节点的哈希地址小于0,则代表bucket为红黑树,在红黑树中查找。 else if (eh < 0) return (p = e.find(h, key)) != null ? p.val : null; //如果bucket头节点的哈希地址不小于0,则代表bucket为链表,遍历链表,在链表中查找。 while ((e = e.next) != null) { if (e.hash == h && ((ek = e.key) == key || (ek != null && key.equals(ek)))) return e.val; } } return null;}


4、remove方法


  1. 计算出键key所在的数组下标,如果table为空或者bucket为空,则返回null。

  2. 判断当前table是否正在扩容,如果在扩容则调用helpTransfer方法协助扩容。

  3. 如果table和bucket都不为空,table也不处于在扩容状态,则锁住当前bucket,对bucket进行操作。

  4. 根据bucket的头结点判断bucket是链表还是红黑树。

  5. 调用addCount方法,将当前table存储的键值对数量-1。

public V remove(Object key) { return replaceNode(key, null, null);} final V replaceNode(Object key, V value, Object cv) { //计算需要移除的键key的哈希地址。 int hash = spread(key.hashCode()); //遍历table。 for (Node<K,V>[] tab = table;;) { Node<K,V> f; int n, i, fh; //table为空,或者键key所在的bucket为空,则跳出循环返回。 if (tab == null || (n = tab.length) == 0 || (f = tabAt(tab, i = (n - 1) & hash)) == null) break; //如果当前table正在扩容,则调用helpTransfer方法,去协助扩容。 else if ((fh = f.hash) == MOVED) tab = helpTransfer(tab, f); else { V oldVal = null; boolean validated = false; //将键key所在的bucket加锁。 synchronized (f) { if (tabAt(tab, i) == f) { //bucket头节点的哈希地址大于等于0,为链表。 if (fh >= 0) { validated = true; //遍历链表。 for (Node<K,V> e = f, pred = null;;) { K ek; //找到哈希地址、键key相同的节点,进行移除。 if (e.hash == hash && ((ek = e.key) == key || (ek != null && key.equals(ek)))) { V ev = e.val; if (cv == null || cv == ev || (ev != null && cv.equals(ev))) { oldVal = ev; if (value != null) e.val = value; else if (pred != null) pred.next = e.next; else setTabAt(tab, i, e.next); } break; } pred = e; if ((e = e.next) == null) break; } } //如果bucket的头节点小于0,即为红黑树。 else if (f instanceof TreeBin) { validated = true; TreeBin<K,V> t = (TreeBin<K,V>)f; TreeNode<K,V> r, p; //找到节点,并且移除。 if ((r = t.root) != null && (p = r.findTreeNode(hash, key, null)) != null) { V pv = p.val; if (cv == null || cv == pv || (pv != null && cv.equals(pv))) { oldVal = pv; if (value != null) p.val = value; else if (t.removeTreeNode(p)) setTabAt(tab, i, untreeify(t.first)); } } } } } //调用addCount方法,将当前ConcurrentHashMap存储的键值对数量-1。 if (validated) { if (oldVal != null) { if (value == null) addCount(-1L, -1); return oldVal; } break; } } } return null;}


5、initTable初始化方法


table的初始化主要由initTable()方法实现的,initTable()方法初始化一个合适大小的数组,然后设置sizeCtl。我们知道ConcurrentHashMap是线程安全的,即支持多线程的,那么一开始很多个线程同时执行put()方法,而table又没初始化,那么就会很多个线程会去执行initTable()方法尝试初始化table,而put方法和initTable方法都是没有加锁的(synchronize),那SUN的大师们是怎么保证线程安全的呢?通过源码可以看得出,table的初始化只能由一个线程完成,但是每个线程都可以争抢去初始化table。


  1. 判断table是否为null,即需不需要首次初始化,如果某个线程进到这个方法后,其他线程已经将table初始化好了,那么该线程结束该方法返回。

  2. 如果table为null,进入到while循环,如果sizeCtl小于0(其他线程正在对table初始化),那么该线程调用Thread.yield()挂起该线程,让出CPU时间,该线程也从运行态转成就绪态,等该线程从就绪态转成运行态的时候,别的线程已经table初始化好了,那么该线程结束while循环,结束初始化方法返回。如果从就绪态转成运行态后,table仍然为null,则继续while循环。

  3. 如果table为null且sizeCtl不小于0,则调用实现CAS原子性操作的compareAndSwap()方法将sizeCtl设置成-1,告诉别的线程我正在初始化table,这样别的线程无法对table进行初始化。如果设置成功,则再次判断table是否为空,不为空则初始化table,容量大小为默认的容量大小(16),或者为sizeCtl。其中sizeCtl的初始化是在构造函数中进行的,sizeCtl = ((传入的容量大小 + 传入的容量大小无符号右移1位 + 1)的结果向上取最近的2幂次方)

private final Node<K,V>[] initTable() { Node<K,V>[] tab; int sc; //如果table为null或者长度为0, //则一直循环试图初始化table(如果某一时刻别的线程将table初始化好了,那table不为null,该//线程就结束while循环)。 while ((tab = table) == null || tab.length == 0) { //如果sizeCtl小于0, //即有其他线程正在初始化或者扩容,执行Thread.yield()将当前线程挂起,让出CPU时间, //该线程从运行态转成就绪态。 //如果该线程从就绪态转成运行态了,此时table可能已被别的线程初始化完成,table不为 //null,该线程结束while循环。 if ((sc = sizeCtl) < 0) Thread.yield(); // lost initialization race; just spin //如果此时sizeCtl不小于0,即没有别的线程在做table初始化和扩容操作, //那么该线程就会调用Unsafe的CAS操作compareAndSwapInt尝试将sizeCtl的值修改成 //-1(sizeCtl=-1表示table正在初始化,别的线程如果也进入了initTable方法则会执行 //Thread.yield()将它的线程挂起 让出CPU时间), //如果compareAndSwapInt将sizeCtl=-1设置成功 则进入if里面,否则继续while循环。 else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) { try { //再次确认当前table为null即还未初始化,这个判断不能少。 if ((tab = table) == null || tab.length == 0) { //如果sc(sizeCtl)大于0,则n=sc,否则n=默认的容量大16 //这里的sc=sizeCtl=0,即如果在构造函数没有指定容量 大小, //否则使用了有参数的构造函数,sc=sizeCtl=指定的容量大小。 int n = (sc > 0) ? sc : DEFAULT_CAPACITY; @SuppressWarnings("unchecked") //创建指定容量的Node数组(table)。 Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n]; table = tab = nt; //计算阈值,n - (n >>> 2) = 0.75n当ConcurrentHashMap储存的键值对数量 //大于这个阈值,就会发生扩容。 //这里的0.75相当于HashMap的默认负载因子,可以发现HashMap、Hashtable如果 //使用传入了负载因子的构造函数初始化的话,那么每次扩容,新阈值都是=新容 //量 * 负载因子,而ConcurrentHashMap不管使用的哪一种构造函数初始化, //新阈值都是=新容量 * 0.75。 sc = n - (n >>> 2); } } finally { sizeCtl = sc; } break; } } return tab;}


6、transfer扩容方法


transfer()方法为ConcurrentHashMap扩容操作的核心方法。由于ConcurrentHashMap支持多线程扩容,而且也没有进行加锁,所以实现会变得有点儿复杂。整个扩容操作分为两步:


  1. 构建一个nextTable,其大小为原来大小的两倍,这个步骤是在单线程环境下完成的

  2. 将原来table里面的内容复制到nextTable中,这个步骤是允许多线程操作的,所以性能得到提升,减少了扩容的时间消耗。

//协助扩容方法final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) { Node<K,V>[] nextTab; int sc; //如果当前table不为null 且 f为ForwardingNode节点 且 //新的table即nextTable存在的情况下才能协助扩容,该方法的作用是让线程参与扩容的复制。 if (tab != null && (f instanceof ForwardingNode) && (nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) { 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; //更新sizeCtl的值,+1,代表新增一个线程参与扩容 if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) { transfer(tab, nextTab); break; } } return nextTab; } return table;}
//扩容的方法private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) { int n = tab.length, stride; //根据服务器CPU数量来决定每个线程负责的bucket数量,避免因为扩容的线程过多反而影响性能。 //如果CPU数量为1,则stride=1,否则将需要迁移的bucket数量(table大小)除以CPU数量,平分给 //各个线程,但是如果每个线程负责的bucket数量小于限制的最小是(16)的话,则强制给每个线程 //分配16个bucket数。 if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE) stride = MIN_TRANSFER_STRIDE; // subdivide range //如果nextTable还未初始化,则初始化nextTable,这个初始化和iniTable初始化一样,只能由 //一个线程完成。 if (nextTab == null) { // initiating try { @SuppressWarnings("unchecked") Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1]; nextTab = nt; } catch (Throwable ex) { // try to cope with OOME sizeCtl = Integer.MAX_VALUE; return; } nextTable = nextTab; transferIndex = n; } int nextn = nextTab.length; ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab); boolean advance = true; boolean finishing = false; // to ensure sweep before committing nextTab //分配任务和控制当前线程的任务进度,这部分是transfer()的核心逻辑,描述了如何与其他线 //程协同工作。 for (int i = 0, bound = 0;;) { Node<K,V> f; int fh; while (advance) { int nextIndex, nextBound; if (--i >= bound || finishing) advance = false; else if ((nextIndex = transferIndex) <= 0) { 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) { 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 //迁移过程(对当前指向的bucket),这部分的逻辑与HashMap类似,拿旧数组的容量当做一 //个掩码,然后与节点的hash进行与操作,可以得出该节点的新增有效位,如果新增有效位为 //0就放入一个链表A,如果为1就放入另一个链表B,链表A在新数组中的位置不变(跟在旧数 //组的索引一致),链表B在新数组中的位置为原索引加上旧数组容量。 else { synchronized (f) { if (tabAt(tab, i) == f) { Node<K,V> ln, hn; if (fh >= 0) { int runBit = fh & n; Node<K,V> lastRun = f; for (Node<K,V> 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<K,V> 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<K,V>(ph, pk, pv, ln); else hn = new Node<K,V>(ph, pk, pv, hn); } setTabAt(nextTab, i, ln); setTabAt(nextTab, i + n, hn); setTabAt(tab, i, fwd); advance = true; } else if (f instanceof TreeBin) { TreeBin<K,V> t = (TreeBin<K,V>)f; TreeNode<K,V> lo = null, loTail = null; TreeNode<K,V> hi = null, hiTail = null; int lc = 0, hc = 0; for (Node<K,V> e = t.first; e != null; e = e.next) { int h = e.hash; TreeNode<K,V> p = new TreeNode<K,V> (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<K,V>(lo) : t; hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) : (lc != 0) ? new TreeBin<K,V>(hi) : t; setTabAt(nextTab, i, ln); setTabAt(nextTab, i + n, hn); setTabAt(tab, i, fwd); advance = true; } } } } }}


7、addCount、sumCount方法


addCount()做的工作是更新table的size,也就是table存储的键值对数量,在使用put()和remove()方法的时候都会在执行成功之后调用addCount()来更新table的size。对于ConcurrentHashMap来说,它到底有储存有多少个键值对,谁也不知道,因为他是支持并发的,储存的数量无时无刻都在变化着,所以说ConcurrentHashMap也只是统计一个大概的值,为了统计出这个值也是大费周章才统计出来的。
面试题:来继续聊聊ConcurrentHashMap与HashMap、Hashtable的区别?

private final void addCount(long x, int check) { CounterCell[] as; long b, s; //如果计算盒子不是空,或者修改baseCount的值+x失败,则放弃对baseCount的修改。 //这里的大概意思就是首先尝试直接修改baseCount,达到计数的目的,如果修改baseCount失败( //多个线程同时修改,则失败) //则使用CounterCell数组来达到计数的目的。 if ((as = counterCells) != null || !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) { CounterCell a; long v; int m; boolean uncontended = true; //如果计数盒子是空的 或者随机取余一个数组为空 或者修改这个槽位的变量失败, //即表示出现了并发,则执行fullAddCount()方法进行死循环插入,同时返回, //否则代表修改这个槽位的变量成功了,继续往下执行,不进入if。 //每个线程都会通过ThreadLocalRandom.getProbe() & m寻址找到属于它的CounterCell, //然后进行计数。ThreadLocalRandom是一个线程私有的伪随机数生成器, //每个线程的probe都是不同的。CounterCell数组的大小永远是一个2的n次方,初始容量 //为2,每次扩容的新容量都是之前容量乘以二,处于性能考虑,它的最大容量上限是机器 //的CPU数量,所以说CounterCell数组的碰撞冲突是很严重的。 if (as == null || (m = as.length - 1) < 0 || (a = as[ThreadLocalRandom.getProbe() & m]) == null || !(uncontended = U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) { //并发过大,使用CAS修改CounterCell失败时候执行fullAddCount, fullAddCount(x, uncontended); return; } //如果上面对盒子的赋值成功,且check<=1,则直接返回,否则调用sumConut()方法计算 if (check <= 1) return; s = sumCount(); } //如果check>=0,则检查是否需要扩容。 if (check >= 0) { Node<K,V>[] 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); } else if (U.compareAndSwapInt(this, SIZECTL, sc, (rs << RESIZE_STAMP_SHIFT) + 2)) transfer(tab, null); s = sumCount(); } }}
@sun.misc.Contended static final class CounterCell { volatile long value; CounterCell(long x) { value = x; }}
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;}

8、size、mappingCount方法


size和mappingCount方法都是用来统计table的size的,这两者不同的地方在size返回的是一个int类型,即可以表示size的范围是[-2^31,2^31-1],超过这个范围就返回int能表示的最大值,mappingCount返回的是一个long类型,即可以表示size的范围是[-2^63,2^63-1]。


这两个方法都是调用的sumCount()方法实现统计。

public int size() { long n = sumCount(); return ((n < 0L) ? 0 : (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE : (int)n);} public long mappingCount() { long n = sumCount(); return (n < 0L) ? 0L : n; // ignore transient negative values}


# HashMap、Hashtable、ConcurrentHashMap三者对比



热文推荐




同时,分享一份Java面试资料给大家,覆盖了算法题目、常见面试题、JVM、锁、高并发、反射、Spring原理、微服务、Zookeeper、数据库、数据结构等等。


以上是关于面试题:来继续聊聊ConcurrentHashMap与HashMapHashtable的区别?的主要内容,如果未能解决你的问题,请参考以下文章

聊聊类加载过程和双亲委派模型

Java面试题2020中高级,聊聊Java开发的现状和思考

面试题:聊聊 Kotlin 代理的“缺陷”以及如何应对

百度腾讯热门面试题:聊聊Unix与Java的IO模型?(含详细解析)

Java面试 八股文每日3题:day16

029大厂面试题:最新的G1垃圾回收器的工作原理,你能聊聊吗?