ConcurrentHashMap的JDK1.8实现

Posted 2020-11-07 甜菜波波

今天我们介绍一下ConcurrentHashMap在JDK1.8中的实现。
基本结构

        ConcurrentHashMap在1.8中的实现，相比于1.7的版本基本上全部都变掉了。首先，取消了Segment分段锁的数据结构，取而代之的是数组+链表（红黑树）的结构。而对于锁的粒度，调整为对每个数组元素加锁（Node）。然后是定位节点的hash算法被简化了，这样带来的弊端是Hash冲突会加剧。因此在链表节点数量大于8时，会将链表转化为红黑树进行存储。这样一来，查询的时间复杂度就会由原先的O(n)变为O(logN)。下面是其基本结构：

相关属性

[java] view plain copy

1. private transient volatile int sizeCtl;  

        sizeCtl用于table[]的初始化和扩容操作，不同值的代表状态如下：

• -1：table[]正在初始化。
• -N：表示有N-1个线程正在进行扩容操作。

        非负情况：

1. 如果table[]未初始化，则表示table需要初始化的大小。
2. 如果初始化完成，则表示table[]扩容的阀值，默认是table[]容量的0.75 倍。

[java] view plain copy

1. private static finalint DEFAULT_CONCURRENCY_LEVEL = 16;  

• DEFAULT_CONCURRENCY_LEVEL：表示默认的并发级别，也就是table[]的默认大小。

[java] view plain copy

1. private static final float LOAD_FACTOR = 0.75f;  

• LOAD_FACTOR：默认的负载因子。

[java] view plain copy

1. static final int TREEIFY_THRESHOLD = 8;  

• TREEIFY_THRESHOLD：链表转红黑树的阀值，当table[i]下面的链表长度大于8时就转化为红黑树结构。

[java] view plain copy

1. static final int UNTREEIFY_THRESHOLD = 6;  

• UNTREEIFY_THRESHOLD：红黑树转链表的阀值，当链表长度<=6时转为链表（扩容时）。

构造函数

[java] view plain copy

1. public ConcurrentHashMap(int initialCapacity,  
2.                          float loadFactor, int concurrencyLevel) {  
3.     if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0)  
4.         throw new IllegalArgumentException();  
5.     if (initialCapacity < concurrencyLevel)   // 初始化容量至少要为concurrencyLevel  
6.         initialCapacity = concurrencyLevel;  
7.     long size = (long)(1.0 + (long)initialCapacity / loadFactor);  
8.     int cap = (size >= (long)MAXIMUM_CAPACITY) ?  
9.         MAXIMUM_CAPACITY : tableSizeFor((int)size);  
10.     this.sizeCtl = cap;  
11. }  

        从上面代码可以看出，在创建ConcurrentHashMap时，并没有初始化table[]数组，只对Map容量，并发级别等做了赋值操作。
相关节点

1. Node：该类用于构造table[]，只读节点（不提供修改方法）。
2. TreeBin：红黑树结构。
3. TreeNode：红黑树节点。
4. ForwardingNode：临时节点（扩容时使用）。

put()操作

[java] view plain copy

1. public V put(K key, V value) {  
2.     return putVal(key, value, false);  
3. }  
4.   
5. final V putVal(K key, V value, boolean onlyIfAbsent) {  
6.     if (key == null || value == null) throw new NullPointerException();  
7.     int hash = spread(key.hashCode());  
8.     int binCount = 0;  
9.     for (Node<K,V>[] tab = table;;) {  
10.         Node<K,V> f; int n, i, fh;  
11.         if (tab == null || (n = tab.length) == 0)// 若table[]未创建，则初始化  
12.             tab = initTable();  
13.         else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {// table[i]后面无节点时，直接创建Node（无锁操作）  
14.             if (casTabAt(tab, i, null,  
15.                          new Node<K,V>(hash, key, value, null)))  
16.                 break;                   // no lock when adding to empty bin  
17.         }  
18.         else if ((fh = f.hash) == MOVED)// 如果当前正在扩容，则帮助扩容并返回最新table[]  
19.             tab = helpTransfer(tab, f);  
20.         else {// 在链表或者红黑树中追加节点  
21.             V oldVal = null;  
22.             synchronized (f) {// 这里并没有使用ReentrantLock，说明synchronized已经足够优化了  
23.                 if (tabAt(tab, i) == f) {  
24.                     if (fh >= 0) {// 如果为链表结构  
25.                         binCount = 1;  
26.                         for (Node<K,V> e = f;; ++binCount) {  
27.                             K ek;  
28.                             if (e.hash == hash &&  
29.                                 ((ek = e.key) == key ||  
30.                                  (ek != null && key.equals(ek)))) {// 找到key，替换value  
31.                                 oldVal = e.val;  
32.                                 if (!onlyIfAbsent)  
33.                                     e.val = value;  
34.                                 break;  
35.                             }  
36.                             Node<K,V> pred = e;  
37.                             if ((e = e.next) == null) {// 在尾部插入Node  
38.                                 pred.next = new Node<K,V>(hash, key,  
39.                                                           value, null);  
40.                                 break;  
41.                             }  
42.                         }  
43.                     }  
44.                     else if (f instanceof TreeBin) {// 如果为红黑树  
45.                         Node<K,V> p;  
46.                         binCount = 2;  
47.                         if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,  
48.                                                        value)) != null) {  
49.                             oldVal = p.val;  
50.                             if (!onlyIfAbsent)  
51.                                 p.val = value;  
52.                         }  
53.                     }  
54.                 }  
55.             }  
56.             if (binCount != 0) {  
57.                 if (binCount >= TREEIFY_THRESHOLD)// 到达阀值，变为红黑树结构  
58.                     treeifyBin(tab, i);  
59.                 if (oldVal != null)  
60.                     return oldVal;  
61.                 break;  
62.             }  
63.         }  
64.     }  
65.     addCount(1L, binCount);  
66.     return null;  
67. }  

        从上面代码可以看出，put的步骤大致如下：

1. 参数校验。
2. 若table[]未创建，则初始化。
3. 当table[i]后面无节点时，直接创建Node（无锁操作）。
4. 如果当前正在扩容，则帮助扩容并返回最新table[]。
5. 然后在链表或者红黑树中追加节点。
6. 最后还回去判断是否到达阀值，如到达变为红黑树结构。

        除了上述步骤以外，还有一点我们留意到的是，代码中加锁片段用的是synchronized关键字，而不是像1.7中的ReentrantLock。这一点也说明了，synchronized在新版本的JDK中优化的程度和ReentrantLock差不多了。
get()操作

[java] view plain copy

1. public V get(Object key) {  
2.     Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;  
3.     int h = spread(key.hashCode());// 定位到table[]中的i  
4.     if ((tab = table) != null && (n = tab.length) > 0 &&  
5.         (e = tabAt(tab, (n - 1) & h)) != null) {// 若table[i]存在  
6.         if ((eh = e.hash) == h) {// 比较链表头部  
7.             if ((ek = e.key) == key || (ek != null && key.equals(ek)))  
8.                 return e.val;  
9.         }  
10.         else if (eh < 0)// 若为红黑树，查找树  
11.             return (p = e.find(h, key)) != null ? p.val : null;  
12.         while ((e = e.next) != null) {// 循环链表查找  
13.             if (e.hash == h &&  
14.                 ((ek = e.key) == key || (ek != null && key.equals(ek))))  
15.                 return e.val;  
16.         }  
17.     }  
18.     return null;// 未找到  
19. }  

        get()方法的流程相对简单一点，从上面代码可以看出以下步骤：

1. 首先定位到table[]中的i。
2. 若table[i]存在，则继续查找。
3. 首先比较链表头部，如果是则返回。
4. 然后如果为红黑树，查找树。
5. 最后再循环链表查找。

        从上面步骤可以看出，ConcurrentHashMap的get操作上面并没有加锁。所以在多线程操作的过程中，并不能完全的保证一致性。这里和1.7当中类似，是弱一致性的体现。
size()操作

[java] view plain copy

1. // 1.2时加入  
2. public int size() {  
3.     long n = sumCount();  
4.     return ((n < 0L) ? 0 :  
5.             (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :  
6.             (int)n);  
7. }  
8. // 1.8加入的API  
9. public long mappingCount() {  
10.     long n = sumCount();  
11.     return (n < 0L) ? 0L : n; // ignore transient negative values  
12. }  
13.   
14. final long sumCount() {  
15.     CounterCell[] as = counterCells; CounterCell a;  
16.     long sum = baseCount;  
17.     if (as != null) {  
18.         for (int i = 0; i < as.length; ++i) {  
19.             if ((a = as[i]) != null)  
20.                 sum += a.value;  
21.         }  
22.     }  
23.     return sum;  
24. }  

        从上面代码可以看出来，JDK1.8中新增了一个mappingCount()的API。这个API与size()不同的就是返回值是Long类型，这样就不受Integer.MAX_VALUE的大小限制了。
        两个方法都同时调用了，sumCount()方法。对于每个table[i]都有一个CounterCell与之对应，上面方法做了求和之后就返回了。从而可以看出，size()和mappingCount()返回的都是一个估计值。（这一点与JDK1.7里面的实现不同，1.7里面使用了加锁的方式实现。这里面也可以看出JDK1.8牺牲了精度，来换取更高的效率。）