JUCJDK1.8源码分析之ConcurrentHashMap
Posted cxhfuujust
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JUCJDK1.8源码分析之ConcurrentHashMap相关的知识，希望对你有一定的参考价值。
一、前言
最近几天忙着做点别的东西，今天终于有时间分析源码了，看源码感觉很爽，并且发现ConcurrentHashMap在JDK1.8版本与之前的版本在并发控制上存在很大的差别，很有必要进行认真的分析，下面进行源码分析。
二、ConcurrentHashMap数据结构
之前已经提及过，ConcurrentHashMap相比HashMap而言，是多线程安全的，其底层数据与HashMap的数据结构相同，数据结构如下
说明：ConcurrentHashMap的数据结构（数组+链表+红黑树），桶中的结构可能是链表，也可能是红黑树，红黑树是为了提高查找效率。
三、ConcurrentHashMap源码分析
3.1 类的继承关系
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {}
说明：ConcurrentHashMap继承了AbstractMap抽象类，该抽象类定义了一些基本操作，同时，也实现了ConcurrentMap接口，ConcurrentMap接口也定义了一系列操作，实现了Serializable接口表示ConcurrentHashMap可以被序列化。
3.2 类的内部类
ConcurrentHashMap包含了很多内部类，其中主要的内部类框架图如下图所示
说明：可以看到，ConcurrentHashMap的内部类非常的庞大，第二个图是在JDK1.8下增加的类，下面对其中主要的内部类进行分析和讲解。
1. Node类
Node类主要用于存储具体键值对，其子类有ForwardingNode、ReservationNode、TreeNode和TreeBin四个子类。四个子类具体的代码在之后的具体例子中进行分析讲解。
2. Traverser类
Traverser类主要用于遍历操作，其子类有BaseIterator、KeySpliterator、ValueSpliterator、EntrySpliterator四个类，BaseIterator用于遍历操作。KeySplitertor、ValueSpliterator、EntrySpliterator则用于键、值、键值对的划分。
3. CollectionView类
CollectionView抽象类主要定义了视图操作，其子类KeySetView、ValueSetView、EntrySetView分别表示键视图、值视图、键值对视图。对视图均可以进行操作。
4. Segment类
Segment类在JDK1.8中与之前的版本的JDK作用存在很大的差别，JDK1.8下，其在普通的ConcurrentHashMap操作中已经没有失效，其在序列化与反序列化的时候会发挥作用。
5. CounterCell
CounterCell类主要用于对baseCount的计数。
3.3 类的属性
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable { private static final long serialVersionUID = 7249069246763182397L; // 表的最大容量 private static final int MAXIMUM_CAPACITY = 1 << 30; // 默认表的大小 private static final int DEFAULT_CAPACITY = 16; // 最大数组大小 static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8; // 默认并发数 private static final int DEFAULT_CONCURRENCY_LEVEL = 16; // 装载因子 private static final float LOAD_FACTOR = 0.75f; // 转化为红黑树的阈值 static final int TREEIFY_THRESHOLD = 8; // 由红黑树转化为链表的阈值 static final int UNTREEIFY_THRESHOLD = 6; // 转化为红黑树的表的最小容量 static final int MIN_TREEIFY_CAPACITY = 64; // 每次进行转移的最小值 private static final int MIN_TRANSFER_STRIDE = 16; // 生成sizeCtl所使用的bit位数 private static int RESIZE_STAMP_BITS = 16; // 进行扩容所允许的最大线程数 private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1; // 记录sizeCtl中的大小所需要进行的偏移位数 private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS; // 一系列的标识 static final int MOVED = -1; // hash for forwarding nodes static final int TREEBIN = -2; // hash for roots of trees static final int RESERVED = -3; // hash for transient reservations static final int HASH_BITS = 0x7fffffff; // usable bits of normal node hash // /** Number of CPUS, to place bounds on some sizings */ // 获取可用的CPU个数 static final int NCPU = Runtime.getRuntime().availableProcessors(); // /** For serialization compatibility. */ // 进行序列化的属性 private static final ObjectStreamField[] serialPersistentFields = { new ObjectStreamField("segments", Segment[].class), new ObjectStreamField("segmentMask", Integer.TYPE), new ObjectStreamField("segmentShift", Integer.TYPE) }; // 表 transient volatile Node<K,V>[] table; // 下一个表 private transient volatile Node<K,V>[] nextTable; // /** * Base counter value, used mainly when there is no contention, * but also as a fallback during table initialization * races. Updated via CAS. */ // 基本计数 private transient volatile long baseCount; // /** * Table initialization and resizing control. When negative, the * table is being initialized or resized: -1 for initialization, * else -(1 + the number of active resizing threads). Otherwise, * when table is null, holds the initial table size to use upon * creation, or 0 for default. After initialization, holds the * next element count value upon which to resize the table. */ // 对表初始化和扩容控制 private transient volatile int sizeCtl; /** * The next table index (plus one) to split while resizing. */ // 扩容下另一个表的索引 private transient volatile int transferIndex; /** * Spinlock (locked via CAS) used when resizing and/or creating CounterCells. */ // 旋转锁 private transient volatile int cellsBusy; /** * Table of counter cells. When non-null, size is a power of 2. */ // counterCell表 private transient volatile CounterCell[] counterCells; // views // 视图 private transient KeySetView<K,V> keySet; private transient ValuesView<K,V> values; private transient EntrySetView<K,V> entrySet; // Unsafe mechanics private static final sun.misc.Unsafe U; private static final long SIZECTL; private static final long TRANSFERINDEX; private static final long BASECOUNT; private static final long CELLSBUSY; private static final long CELLVALUE; private static final long ABASE; private static final int ASHIFT; static { try { U = sun.misc.Unsafe.getUnsafe(); Class<?> k = ConcurrentHashMap.class; SIZECTL = U.objectFieldOffset (k.getDeclaredField("sizeCtl")); TRANSFERINDEX = U.objectFieldOffset (k.getDeclaredField("transferIndex")); BASECOUNT = U.objectFieldOffset (k.getDeclaredField("baseCount")); CELLSBUSY = U.objectFieldOffset (k.getDeclaredField("cellsBusy")); Class<?> ck = CounterCell.class; CELLVALUE = U.objectFieldOffset (ck.getDeclaredField("value")); Class<?> ak = Node[].class; ABASE = U.arrayBaseOffset(ak); int scale = U.arrayIndexScale(ak); if ((scale & (scale - 1)) != 0) throw new Error("data type scale not a power of two"); ASHIFT = 31 - Integer.numberOfLeadingZeros(scale); } catch (Exception e) { throw new Error(e); } } }
说明：ConcurrentHashMap的属性很多，其中不少属性在HashMap中就已经介绍过，而对于ConcurrentHashMap而言，添加了Unsafe实例，主要用于反射获取对象相应的字段。
3.4 类的构造函数
1. ConcurrentHashMap()型构造函数
public ConcurrentHashMap() { }
说明：该构造函数用于创建一个带有默认初始容量 (16)、加载因子 (0.75) 和 concurrencyLevel (16) 的新的空映射。
2. ConcurrentHashMap(int)型构造函数
public ConcurrentHashMap(int initialCapacity) { if (initialCapacity < 0) // 初始容量小于0，抛出异常 throw new IllegalArgumentException(); int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY : tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1)); // 找到最接近该容量的2的幂次方数 // 初始化 this.sizeCtl = cap; }
说明：该构造函数用于创建一个带有指定初始容量、默认加载因子 (0.75) 和 concurrencyLevel (16) 的新的空映射。
3. ConcurrentHashMap(Map<? extends K, ? extends V>)型构造函数
public ConcurrentHashMap(Map<? extends K, ? extends V> m) { this.sizeCtl = DEFAULT_CAPACITY; // 将集合m的元素全部放入 putAll(m); }
说明：该构造函数用于构造一个与给定映射具有相同映射关系的新映射。
4. ConcurrentHashMap(int, float)型构造函数
public ConcurrentHashMap(int initialCapacity, float loadFactor) { this(initialCapacity, loadFactor, 1); }
说明：该构造函数用于创建一个带有指定初始容量、加载因子和默认 concurrencyLevel (1) 的新的空映射。
5. ConcurrentHashMap(int, float, int)型构造函数
public ConcurrentHashMap(int initialCapacity, float loadFactor, int concurrencyLevel) { if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0) // 合法性判断 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); int cap = (size >= (long)MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : tableSizeFor((int)size); this.sizeCtl = cap; }
说明：该构造函数用于创建一个带有指定初始容量、加载因子和并发级别的新的空映射。
对于构造函数而言，会根据输入的initialCapacity的大小来确定一个最小的且大于等于initialCapacity大小的2的n次幂，如initialCapacity为15，则sizeCtl为16，若initialCapacity为16，则sizeCtl为16。若initialCapacity大小超过了允许的最大值，则sizeCtl为最大值。值得注意的是，构造函数中的concurrencyLevel参数已经在JDK1.8中的意义发生了很大的变化，其并不代表所允许的并发数，其只是用来确定sizeCtl大小，在JDK1.8中的并发控制都是针对具体的桶而言，即有多少个桶就可以允许多少个并发数。
3.5 核心函数分析
1. putVal函数
final V putVal(K key, V value, boolean onlyIfAbsent) { if (key == null || value == null) throw new NullPointerException(); // 键或值为空，抛出异常 // 键的hash值经过计算获得hash值 int hash = spread(key.hashCode()); int binCount = 0; for (Node<K,V>[] tab = table;;) { // 无限循环 Node<K,V> f; int n, i, fh; if (tab == null || (n = tab.length) == 0) // 表为空或者表的长度为0 // 初始化表 tab = initTable(); else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { // 表不为空并且表的长度大于0，并且该桶不为空 if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null))) // 比较并且交换值，如tab的第i项为空则用新生成的node替换 break; // no lock when adding to empty bin } else if ((fh = f.hash) == MOVED) // 该结点的hash值为MOVED // 进行结点的转移（在扩容的过程中） tab = helpTransfer(tab, f); else { V oldVal = null; synchronized (f) { // 加锁同步 if (tabAt(tab, i) == f) { // 找到table表下标为i的节点 if (fh >= 0) { // 该table表中该结点的hash值大于0 // binCount赋值为1 binCount = 1; for (Node<K,V> e = f;; ++binCount) { // 无限循环 K ek; if (e.hash == hash && ((ek = e.key) == key || (ek != null && key.equals(ek)))) { // 结点的hash值相等并且key也相等 // 保存该结点的val值 oldVal = e.val; if (!onlyIfAbsent) // 进行判断 // 将指定的value保存至结点，即进行了结点值的更新 e.val = value; break; } // 保存当前结点 Node<K,V> pred = e; if ((e = e.next) == null) { // 当前结点的下一个结点为空，即为最后一个结点 // 新生一个结点并且赋值给next域 pred.next = new Node<K,V>(hash, key, value, null); // 退出循环 break; } } } else if (f instanceof TreeBin) { // 结点为红黑树结点类型 Node<K,V> p; // binCount赋值为2 binCount = 2; if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key, value)) != null) { // 将hash、key、value放入红黑树 // 保存结点的val oldVal = p.val; if (!onlyIfAbsent) // 判断 // 赋值结点value值 p.val = value; } } } } if (binCount != 0) { // binCount不为0 if (binCount >= TREEIFY_THRESHOLD) // 如果binCount大于等于转化为红黑树的阈值 // 进行转化 treeifyBin(tab, i); if (oldVal != null) // 旧值不为空 // 返回旧值 return oldVal; break; } } } // 增加binCount的数量 addCount(1L, binCount); return null; }
说明：put函数底层调用了putVal进行数据的插入，对于putVal函数的流程大体如下。
① 判断存储的key、value是否为空，若为空，则抛出异常，否则，进入步骤②
② 计算key的hash值，随后进入无限循环，该无限循环可以确保成功插入数据，若table表为空或者长度为0，则初始化table表，否则，进入步骤③
③ 根据key的hash值取出table表中的结点元素，若取出的结点为空（该桶为空），则使用CAS将key、value、hash值生成的结点放入桶中。否则，进入步骤④
④ 若该结点的的hash值为MOVED，则对该桶中的结点进行转移，否则，进入步骤⑤
⑤ 对桶中的第一个结点（即table表中的结点）进行加锁，对该桶进行遍历，桶中的结点的hash值与key值与给定的hash值和key值相等，则根据标识选择是否进行更新操作（用给定的value值替换该结点的value值），若遍历完桶仍没有找到hash值与key值和指定的hash值与key值相等的结点，则直接新生一个结点并赋值为之前最后一个结点的下一个结点。进入步骤⑥
⑥ 若binCount值达到红黑树转化的阈值，则将桶中的结构转化为红黑树存储，最后，增加binCount的值。
在putVal函数中会涉及到如下几个函数：initTable、tabAt、casTabAt、helpTransfer、putTreeVal、treeifyBin、addCount函数。下面对其中涉及到的函数进行分析。
其中 initTable函数源码如下
private final Node<K,V>[] initTable() { Node<K,V>[] tab; int sc; while ((tab = table) == null || tab.length == 0) { // 无限循环 if ((sc = sizeCtl) < 0) // sizeCtl小于0，则进行线程让步等待 Thread.yield(); // lost initialization race; just spin else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) { // 比较sizeCtl的值与sc是否相等，相等则用-1替换 try { if ((tab = table) == null || tab.length == 0) { // table表为空或者大小为0 // sc的值是否大于0，若是，则n为sc，否则，n为默认初始容量 int n = (sc > 0) ? sc : DEFAULT_CAPACITY; @SuppressWarnings("unchecked") // 新生结点数组 Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n]; // 赋值给table table = tab = nt; // sc为n * 3/4 sc = n - (n >>> 2); } } finally { // 设置sizeCtl的值 sizeCtl = sc; } break; } } // 返回table表 return tab; }
说明：对于table的大小，会根据sizeCtl的值进行设置，如果没有设置szieCtl的值，那么默认生成的table大小为16，否则，会根据sizeCtl的大小设置table大小。
tabAt函数源码如下
static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) { return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE); }
说明：此函数返回table数组中下标为i的结点，可以看到是通过Unsafe对象通过反射获取的，getObjectVolatile的第二项参数为下标为i的偏移地址。
casTabAt函数源码如下
static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i, Node<K,V> c, Node<K,V> v) { return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v); }
说明：此函数用于比较table数组下标为i的结点是否为c，若为c，则用v交换操作。否则，不进行交换操作。
helpTransfer函数源码如下
1 final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) { 2 Node<K,V>[] nextTab; int sc; 3 if (tab != null && (f instanceof ForwardingNode) && 4 (nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) { // table表不为空并且结点类型使ForwardingNode类型，并且结点的nextTable不为空 5 int rs = resizeStamp(tab.length); 6 while (nextTab == nextTable && table == tab && 7 (sc = sizeCtl) < 0) { // 条件判断 8 if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 || 9 sc == rs + MAX_RESIZERS || transferIndex <= 0) // 10 break; 11 if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) { // 比较并交换 12 // 将table的结点转移到nextTab中 13 transfer(tab, nextTab); 14 break; 15 } 16 } 17 return nextTab; 18 } 19 return table; 20 }
说明：此函数用于在扩容时将table表中的结点转移到nextTable中。
putTreeVal函数源码如下
1 final TreeNode<K,V> putTreeVal(int h, K k, V v) { 2 Class<?> kc = null; 3 boolean searched = false; 4 for (TreeNode<K,V> p = root;;) { 5 int dir, ph; K pk; 6 if (p == null) { 7 first = root = new TreeNode<K,V>(h, k, v, null, null); 8 break; 9 } 10 else if ((ph = p.hash) > h) 11 dir = -1; 12 else if (ph < h) 13 dir = 1; 14 else if ((pk = p.key) == k || (pk != null && k.equals(pk))) 15 return p; 16 else if ((kc == null && 17 (kc = comparableClassFor(k)) == null) || 18 (dir = compareComparables(kc, k, pk)) == 0) { 19 if (!searched) { 20 TreeNode<K,V> q, ch; 21 searched = true; 22 if (((ch = p.left) != null && 23 (q = ch.findTreeNode(h, k, kc)) != null) || 24 ((ch = p.right) != null && 25 (q = ch.findTreeNode(h, k, kc)) != null)) 26 return q; 27 } 28 dir = tieBreakOrder(k, pk); 29 } 30 31 TreeNode<K,V> xp = p; 32 if ((p = (dir <= 0) ? p.left : p.right) == null) { 33 TreeNode<K,V> x, f = first; 34 first = x = new TreeNode<K,V>(h, k, v, f, xp); 35 if (f != null) 36 f.prev = x; 37 if (dir <= 0) 38 xp.left = x; 39 else 40 xp.right = x; 41 if (!xp.red) 42 x.red = true; 43 else { 44 lockRoot(); 45 try { 46 root = balanceInsertion(root, x); 47 } finally { 48 unlockRoot(); 49 } 50 } 51 break; 52 } 53 } 54 assert checkInvariants(root); 55 return null; 56 }
说明：此函数用于将指定的hash、key、value值添加到红黑树中，若已经添加了，则返回null，否则返回该结点。
treeifyBin函数源码如下
1 private final void treeifyBin(Node<K,V>[] tab, int index) { 2 Node<K,V> b; int n, sc; 3 if (tab != null) { // 表不为空 4 if ((n = tab.length) < MIN_TREEIFY_CAPACITY) // table表的长度小于最小的长度 5 // 进行扩容，调整某个桶中结点数量过多的问题（由于某个桶中结点数量超出了阈值，则触发treeifyBin） 6 tryPresize(n << 1); 7 else if ((b = tabAt(tab, index)) != null && b.hash >= 0) { // 桶中存在结点并且结点的hash值大于等于0 8 synchronized (b) { // 对桶中第一个结点进行加锁 9 if (tabAt(tab, index) == b) { // 第一个结点没有变化 10 TreeNode<K,V> hd = null, tl = null; 11 for (Node<K,V> e = b; e != null; e = e.next) { // 遍历桶中所有结点 12 // 新生一个TreeNode结点 13 TreeNode<K,V> p = 14 new TreeNode<K,V>(e.hash, e.key, e.val, 15 null, null); 16 if ((p.prev = tl) == null) // 该结点前驱为空 17 // 设置p为头结点 18 hd = p; 19 else 20 // 尾节点的next域赋值为p 21 tl.next = p; 22 // 尾节点赋值为p 23 tl = p; 24 } 25 // 设置table表中下标为index的值为hd 26 setTabAt(tab, index, new TreeBin<K,V>(hd)); 27 } 28 } 29 } 30 } 31 }
说明：此函数用于将桶中的数据结构转化为红黑树，其中，值得注意的是，当table的长度未达到阈值时，会进行一次扩容操作，该操作会使得触发treeifyBin操作的某个桶中的所有元素进行一次重新分配，这样可以避免某个桶中的结点数量太大。
addCount函数源码如下
1 private final void addCount(long x, int check) { 2 CounterCell[] as; long b, s; 3 if ((as = counterCells) != null || 4 !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) { // counterCells不为空或者比较交换失败 5 CounterCell a; long v; int m; 6 // 无竞争标识 7 boolean uncontended = true; 8 if (as == null || (m = as.length - 1) < 0 || 9 (a = as[ThreadLocalRandom.getProbe() & m]) == null || 10 !(uncontended = 11 U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) { // 12 fullAddCount(x, uncontended); 13 return; 14 } 15 if (check <= 1) 16 return; 17 s = sumCount(); 18 } 19 if (check >= 0) { 20 Node<K,V>[] tab, nt; int n, sc; 21 while (s >= (long)(sc = sizeCtl) && (tab = table) != null && 22 (n = tab.length) < MAXIMUM_CAPACITY) { 23 int rs = resizeStamp(n); 24 if (sc < 0) { 25 if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 || 26 sc == rs + MAX_RESIZERS || (nt = nextTable) == null || 27 transferIndex <= 0) 28 break; 29 if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) 30 transfer(tab, nt); 31 } 32 else if (U.compareAndSwapInt(this, SIZECTL, sc, 33 (rs << RESIZE_STAMP_SHIFT) + 2)) 34 transfer(tab, null); 35 s = sumCount(); 36 } 37 } 38 }
说明：此函数主要完成binCount的值加1的操作。
2. get函数
1 public V get(Object key) { 2 Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek; 3 // 计算key的hash值 4 int h = spread(key.hashCode()); 5 if ((tab = table) != null && (n = tab.length) > 0 && 6 (e = tabAt(tab, (n - 1) & h)) != null) { // 表不为空并且表的长度大于0并且key所在的桶不为空 7 if ((eh = e.hash) == h) { // 表中的元素的hash值与key的hash值相等 8 if ((ek = e.key) == key || (ek != null && key.equals(ek))) // 键相等 9 // 返回值 10 return e.val; 11 } 12 else if (eh < 0) // 结点hash值小于0 13 // 在桶（链表/红黑树）中查找 14 return (p = e.find(h, key)) != null ? p.val : null; 15 while ((e = e.next) != null) { // 对于结点hash值大于0的情况 16 if (e.hash == h && 17 ((ek = e.key) == key || (ek != null && key.equals(ek)))) 18 return e.val; 19 } 20 } 21 return null; 22 }
说明：get函数根据key的hash值来计算在哪个桶中，再遍历桶，查找元素，若找到则返回该结点，否则，返回null。
3. replaceNode函数
1 final V replaceNode(Object key, V value, Object cv) { 2 // 计算key的hash值 3 int hash = spread(key.hashCode()); 4 for (Node<K,V>[] tab = table;;) { // 无限循环 5 Node<K,V> f; int n, i, fh; 6 if (tab == null || (n = tab.length) == 0 || 7 (f = tabAt(tab, i = (n - 1) & hash)) == null) // table表为空或者表长度为0或者key所对应的桶为空 8 // 跳出循环 9 break; 10 else if ((fh = f.hash) == MOVED) // 桶中第一个结点的hash值为MOVED 11 // 转移 12 tab = helpTransfer(tab, f); 13 else { 14 V oldVal = null; 15 boolean validated = false; 16 synchronized (f) { // 加锁同步 17 if (tabAt(tab, i) == f) { // 桶中的第一个结点没有发生变化 18 if (fh >= 0) { // 结点hash值大于0 19 validated = true; 20 for (Node<K,V> e = f, pred = null;;) { // 无限循环 21 K ek; 22 if (e.hash == hash && 23 ((ek = e.key) == key || 24 (ek != null && key.equals(ek)))) { // 结点的hash值与指定的hash值相等，并且key也相等 25 V ev = e.val; 26 if (cv == null || cv == ev || 27 (ev != null && cv.equals(ev))) { // cv为空或者与结点value相等或者不为空并且相等 28 // 保存该结点的val值 29 oldVal = ev; 30 if (value != null) // value为null 31 // 设置结点value值 32 e.val = value; 33 else if (pred != null) // 前驱不为空 34 // 前驱的后继为e的后继，即删除了e结点 35 pred.next = e.next; 36 else 37 // 设置table表中下标为index的值为e.next 38 setTabAt(tab, i, e.next); 39 } 40 break; 41 } 42 pred = e; 43 if ((e = e.next) == null) 44 break; 45 } 46 } 47 else if (f instanceof TreeBin) { // 为红黑树结点类型 48 validated = true; 49 // 类型转化 50 TreeBin<K,V> t = (TreeBin<K,V>)f; 51 TreeNode<K,V> r, p; 52 if ((r = t.root) != null && 53 (p = r.findTreeNode(hash, key, null)) != null) { // 根节点不为空并且存在与指定hash和key相等的结点 54 // 保存p结点的value 55 V pv = p.val; 56 if (cv == null || cv == pv || 57 (pv != null && cv.equals(pv))) { // cv为空或者与结点value相等或者不为空并且相等 58 oldVal = pv; 59 if (value != null) 60 p.val = value; 61 else if (t.removeTreeNode(p)) // 移除p结点 62 setTabAt(tab, i, untreeify(t.first)); 63 } 64 } 65 } 66 } 67 } 68 if (validated) { 69 if (oldVal != null) { 70 if (value == null) 71 // baseCount值减一 72 addCount(-1L, -1); 73 return oldVal; 74 } 75 break; 76 } 77 } 78 } 79 return null; 80 }
说明：此函数对remove函数提供支持，remove函数底层是调用的replaceNode函数实现结点的删除。
四、示例
下面一个示例展示了多线程下HashMap、Hashtable、ConcurrentHashMap的性能差异。源码如下
1 package com.hust.grid.leesf.collections; 2 3 import java.util.HashMap; 4 import java.util.Map; 5 import java.util.concurrent.ConcurrentHashMap; 6 import java.util.concurrent.CountDownLatch; 7 import java.util.Collections; 8 import java.util.Hashtable; 9 10 class PutThread extends Thread { 11 private Map<String, Integer> map; 12 private CountDownLatch countDownLatch; 13 private String key = this.getId() + ""; 14 15 PutThread(Map<String, Integer> map, CountDownLatch countDownLatch) { 16 this.map = map; 17 this.countDownLatch = countDownLatch; 18 } 19 20 public void run() { 21 for (int i = 1; i <= ConcurrentHashMapDemo.NUMBER; i++) { 22 map.put(key, i); 23 } 24 countDownLatch.countDown(); 25 } 26 } 27 28 class GetThread extends Thread { 29 private Map<String, Integer> map; 30 private CountDownLatch countDownLatch; 31 private String key = this.getId() + ""; 32 33 GetThread(Map<String, Integer> map, CountDownLatch countDownLatch) { 34 this.map = map; 35 this.countDownLatch = countDownLatch; 36 } 37 38 public void run() { 39 for (int i = 1; i <= ConcurrentHashMapDemo.NUMBER; i++) { 40 map.get(key); 41 } 42 countDownLatch.countDown(); 43 } 44 } 45 46 public class ConcurrentHashMapDemo { 47 static final int THREADNUMBER = 50; 48 static final int NUMBER = 5000; 49 50 public static void main(String[] args) throws Exception { 51 Map<String, Integer> hashmapSync = Collections 52 .synchronizedMap(new HashMap<String, Integer>()); 53 Map<String, Integer> concurrentHashMap = new ConcurrentHashMap<String, Integer>(); 54 Map<String, Integer> hashtable = new Hashtable<String, Integer>(); 55 long totalA = 0L; 56 long totalB = 0L; 57 long totalC = 0L; 58 for (int i = 0; i <= 100; i++) { 59 totalA += put(hashmapSync); 60 totalB += put(concurrentHashMap); 61 totalC += put(hashtable); 62 } 63 System.out.println("put time HashMapSync = " + totalA + "ms."); 64 System.out.println("put time ConcurrentHashMap = " + totalB + "ms."); 65 System.out.println("put time Hashtable = " + totalC + "ms."); 66 totalA = 0; 67 totalB = 0; 68 totalC = 0; 69 for (int i = 0; i <= 10; i++) { 70 totalA += get(hashmapSync); 71 totalB += get(concurrentHashMap); 72 totalC += get(hashtable); 73 } 74 System.out.println("get time HashMapSync=" + totalA + "ms."); 75 System.out.println("get time ConcurrentHashMap=" + totalB + "ms."); 76 System.out.println("get time Hashtable=" + totalC + "ms."); 77 } 78 79 public static long put(Map<String, Integer> map) throws Exception { 80 long start = System.currentTimeMillis(); 81 CountDownLatch countDownLatch = new CountDownLatch(THREADNUMBER); 82 for (int i = 0; i < THREADNUMBER; i++) { 83 new PutThread(map, countDownLatch).start(); 84 } 85 countDownLatch.await(); 86 return System.currentTimeMillis() - start; 87 } 88 89 public static long get(Map<String, Integer> map) throws Exception { 90 long start = System.currentTimeMillis(); 91 CountDownLatch countDownLatch = new CountDownLatch(THREADNUMBER); 92 for (int i = 0; i < THREADNUMBER; i++) { 93 new GetThread(map, countDownLatch).start(); 94 } 95 countDownLatch.await(); 96 return System.currentTimeMillis() - start; 97 } 98 }
运行结果（某一次）：
put time HashMapSync = 5489ms. put time ConcurrentHashMap = 1433ms. put time Hashtable = 5331ms. get time HashMapSync=491ms. get time ConcurrentHashMap=101ms. get time Hashtable=462ms.
说明：程序中对HashMap进行了封装，将其封装为线程安全的集合，而ConcurrentHashMap是线程安全的，Hashtable也是线程安全的，但是，其并发效率并不搞，可以看到，ConcurrentHashMap的性能相比HashMap的线程安全同步集合和Hashtable而言，性能都要高出不少。原因是经过Collections封装的线程安全的HashMap和Hashtable都是对整个结构加锁，而ConcurrentHashMap是对每一个桶单独进行锁操作，不同的桶之间的操作不会相互影响，可以并发执行。因此，其速度会快很多。
五、总结
JDK1.8的ConcurrentHashMap相比之前版本的ConcurrentHashMap有很了大的改进与不同，只有通过分析源码才能领略代码的魅力，当然，此次的分析仅仅涉及到了主要的函数，对于其他的函数，读者可以自行分析，谢谢各位园友的观看~
下面一篇文章写得非常好，推荐一读：http://www.cnblogs.com/huaizuo/archive/2016/04/20/5413069.html
转载：https://www.cnblogs.com/leesf456/p/5453341.html
以上是关于JUCJDK1.8源码分析之ConcurrentHashMap的主要内容，如果未能解决你的问题，请参考以下文章
JUCJDK1.8源码分析之LinkedBlockingQueue
JUCJDK1.8源码分析之ConcurrentHashMap