聊聊并发（四）——深刻分析ConcurrentHashMap

线程不安全的HashMap

由于多线程环境下，使用HashMap进行put操做会引发死循环，致使CPU利用率接近100%，因此在并发状况下不能使用HashMap，如如下代码

 

final HashMap<String, String> map = new HashMap<String, String>(2);
Thread t = new Thread(new Runnable() {
    @Override
    public void run() {
        for (int i = 0; i < 10000; i++) {
            new Thread(new Runnable() {
                @Override
                public void run() {
                    map.put(UUID.randomUUID().toString(), "");
                }
            }, "ftf" + i).start();
        }
    }
}, "ftf");
t.start();
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状况下HashTable的效率很是低下。由于当一个线程访问HashTable的同步方法时，其余线程访问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，而且也不能使用get方法来获取元素，因此竞争越激烈效率越低。

 

锁分段技术

相关厂商内容

如何经过使用 AWS对IT资源实现高级别管控，并大规模实现更高级别的安全性？

搜狗配置中心架构演化与实践

苏宁大数据平台运维实践

携程容器云优化与实践

运维基础架构新进展

 

相关赞助商

CNUTCon全球运维技术大会，9月10日-9月11日，上海·光大会展中心大酒店，精彩内容抢先看

 

HashTable容器在竞争激烈的并发环境下表现出效率低下的缘由是全部访问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一样数据段的数据时，线程间就不会存在锁竞争，从而能够有效的提升并发访问效率，这就是ConcurrentHashMap所使用的锁分段技术，首先将数据分红一段一段的存储，而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，其余段的数据也能被其余线程访问。

 

ConcurrentHashMap的结构

咱们经过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相似，是一种数组和链表结构， 一个Segment里包含一个HashEntry数组，每一个HashEntry是一个链表结构的元素， 每一个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，必须首先得到它对应的Segment锁。

 

ConcurrentHashMap的初始化

ConcurrentHashMap初始化方法是经过initialCapacity，loadFactor, concurrencyLevel几个参数来初始化segments数组，段偏移量segmentShift，段掩码segmentMask和每一个segment里的HashEntry数组 。

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

if (concurrencyLevel > MAX_SEGMENTS)
    concurrencyLevel = MAX_SEGMENTS;

// Find power-of-two sizes best matching arguments
int sshift = 0;
int ssize = 1;
while (ssize < concurrencyLevel) {
    ++sshift;
    ssize <<= 1;
}
segmentShift = 32 - sshift;
segmentMask = ssize - 1;
this.segments = Segment.newArray(ssize);

由上面的代码可知segments数组的长度ssize经过concurrencyLevel计算得出。为了能经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），因此必须计算出一个是大于或等于concurrencyLevel的最小的2的N次方值来做为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时的哈希算法里须要使用，sshift等于ssize从1向左移位的次数，在默认状况下concurrencyLevel等于16，1须要向左移位移动4次，因此sshift等于4。segmentShift用于定位参与hash运算的位数，segmentShift等于32减sshift，因此等于28，这里之因此用32是由于ConcurrentHashMap里的hash()方法输出的最大数是32位的，后面的测试中咱们能够看到这点。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。由于ssize的最大长度是65536，因此segmentShift最大值是16，segmentMask最大值是65535，对应的二进制是16位，每一个位都是1。

初始化每一个Segment。输入参数initialCapacity是ConcurrentHashMap的初始化容量，loadfactor是每一个segment的负载因子，在构造方法里须要经过这两个参数来初始化数组中的每一个segment。

if (initialCapacity > MAXIMUM_CAPACITY)
    initialCapacity = MAXIMUM_CAPACITY;
int c = initialCapacity / ssize;
if (c * ssize < initialCapacity)
    ++c;
int cap = 1;
while (cap < c)
    cap <<= 1;
for (int i = 0; i < this.segments.length; ++i)
    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，若是c大于1，就会取大于等于c的2的N次方值，因此cap不是1，就是2的N次方。segment的容量threshold＝(int)cap*loadFactor，默认状况下initialCapacity等于16，loadfactor等于0.75，经过运算cap等于1，threshold等于零。

 

定位Segment

既然ConcurrentHashMap使用分段锁Segment来保护不一样段的数据，那么在插入和获取元素的时候，必须先经过哈希算法定位到Segment。能够看到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。

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

之因此进行再哈希，其目的是为了减小哈希冲突，使元素可以均匀的分布在不一样的Segment上，从而提升容器的存取效率。假如哈希的质量差到极点，那么全部的元素都在一个Segment中，不只存取元素缓慢，分段锁也会失去意义。我作了一个测试，不经过再哈希而直接执行哈希计算。

System.out.println(Integer.parseInt("0001111", 2) & 15);
System.out.println(Integer.parseInt("0011111", 2) & 15);
System.out.println(Integer.parseInt("0111111", 2) & 15);
System.out.println(Integer.parseInt("1111111", 2) & 15);

计算后输出的哈希值全是15，经过这个例子能够发现若是不进行再哈希，哈希冲突会很是严重，由于只要低位同样，不管高位是什么数，其哈希值老是同样。咱们再把上面的二进制数据进行再哈希后结果以下，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。

0100｜0111｜0110｜0111｜1101｜1010｜0100｜1110
1111｜0111｜0100｜0011｜0000｜0001｜1011｜1000
0111｜0111｜0110｜1001｜0100｜0110｜0011｜1110
1000｜0011｜0000｜0000｜1100｜1000｜0001｜1010

能够发现每一位的数据都散列开了，经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，从而减小哈希冲突。ConcurrentHashMap经过如下哈希算法定位segment。

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

默认状况下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，能够看到hash值没有发生冲突。

 

ConcurrentHashMap的get操做

Segment的get操做实现很是简单和高效。先通过一次再哈希，而后使用这个哈希值经过哈希运算定位到segment，再经过哈希算法定位到元素，代码以下：

public V get(Object key) {
    int hash = hash(key.hashCode());
    return segmentFor(hash).get(key, hash);
}

get操做的高效之处在于整个get过程不须要加锁，除非读到的值是空的才会加锁重读，咱们知道HashTable容器的get方法是须要加锁的，那么ConcurrentHashMap的get操做是如何作到不加锁的呢？缘由是它的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，可以在线程之间保持可见性，可以被多线程同时读，而且保证不会读到过时的值，可是只能被单线程写（有一种状况能够被多线程写，就是写入的值不依赖于原值），在get操做里只须要读不须要写共享变量count和value，因此能够不用加锁。之因此不会读到过时的值，是根据java内存模型的happen before原则，对volatile字段的写入操做先于读操做，即便两个线程同时修改和获取volatile变量，get操做也能拿到最新的值，这是用volatile替换锁的经典应用场景。

transient volatile int count;
volatile V value;

在定位元素的代码里咱们能够发现定位HashEntry和定位Segment的哈希算法虽然同样，都与数组的长度减去一相与，可是相与的值不同，定位Segment使用的是元素的hashcode经过再哈希后获得的值的高位，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同样，致使元素虽然在Segment里散列开了，可是却没有在HashEntry里散列开。

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

 

ConcurrentHashMap的Put操做

因为put方法里须要对共享变量进行写入操做，因此为了线程安全，在操做共享变量时必须得加锁。Put方法首先定位到Segment，而后在Segment里进行插入操做。插入操做须要经历两个步骤，第一步判断是否须要对Segment里的HashEntry数组进行扩容，第二步定位添加元素的位置而后放在HashEntry数组里。

是否须要扩容。在插入元素前会先判断Segment里的HashEntry数组是否超过容量（threshold），若是超过阀值，数组进行扩容。值得一提的是，Segment的扩容判断比HashMap更恰当，由于HashMap是在插入元素后判断元素是否已经到达容量的，若是到达了就进行扩容，可是颇有可能扩容以后没有新元素插入，这时HashMap就进行了一次无效的扩容。

如何扩容。扩容的时候首先会建立一个两倍于原容量的数组，而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操做

若是咱们要统计整个ConcurrentHashMap里元素的大小，就必须统计全部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，咱们是否是直接把全部Segment的count相加就能够获得整个ConcurrentHashMap大小了呢？不是的，虽然相加时能够获取每一个Segment的count的最新值，可是拿到以后可能累加前使用的count发生了变化，那么统计结果就不许了。因此最安全的作法，是在统计size的时候把全部Segment的put，remove和clean方法所有锁住，可是这种作法显然很是低效。 由于在累加count操做过程当中，以前累加过的count发生变化的概率很是小，因此ConcurrentHashMap的作法是先尝试2次经过不锁住Segment的方式来统计各个Segment大小，若是统计的过程当中，容器的count发生了变化，则再采用加锁的方式来统计全部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方法里操做元素前都会将变量modCount进行加1，那么在统计size先后比较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 。

 

做者介绍

方腾飞，花名清英，淘宝资深开发工程师，关注并发编程，目前在广告技术部从事无线广告联盟的开发和设计工做。我的博客：http://ifeve.com 微博：http://weibo.com/kirals 欢迎经过个人微博进行技术交流。

from: http://www.infoq.com/cn/articles/ConcurrentHashMap/