Kill_Java -- ConcurrentHashMap源码分析
KillCode系列 -- Java篇
原文发布在个人我的博客中killCodehtml
由于JDK1.8 与 1.7 里对ConcurrentHashMap 有不少不一样的更改以提升性能。因此特别找出相似的方面，进行分析。java
1. 内部参数
//初始容积为 16
private static final int DEFAULT_CAPACITY = 16;
//加载因子 0.75
private static final float LOAD_FACTOR = 0.75f;
/**
* 盛装Node元素的数组 它的大小是2的整数次幂
* Size is always a power of two. Accessed directly by iterators.
*/
transient volatile Node<K,V>[] table;
/*
* hash表初始化或扩容时的一个控制位标识量。
* 负数表明正在进行初始化或扩容操做
* -1表明正在初始化
* -N 表示有N-1个线程正在进行扩容操做
* 正数或0表明hash表尚未被初始化，这个数值表示初始化或下一次进行扩容的大小
*
* **既表明 HashMap 的 threshold**
* 又表明 **进行扩容时的进程数**
*/
private transient volatile int sizeCtl;
// 如下两个是用来控制扩容的时候 单线程进入的变量
// resize校验码
private static int RESIZE_STAMP_BITS = 16;
// resize校验码的位移量。
private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;
/*
* Encodings for Node hash fields. See above for explanation.
*/
static final int MOVED = -1; // hash值是-1，表示这是一个forwardNode节点
static final int TREEBIN = -2; // hash值是-2 表示这时一个TreeBin节点
static final int RESERVED = -3; // hash for transient reservations
//在 spread() 方法中 用来对 hashcode 进行 高位hash 减小可能发生的碰撞。
static final int HASH_BITS = 0x7fffffff; // usable bits of normal node hash
上面的 sizectl 很重要。是解决 concurrenthashmap 扩容的基础node
2. 内部类
2.1. Node
与 HashMap 最大的区别是 加入了对val 与 next 用了volatile关键字修饰
而且 setValue() 方法 直接抛出异常，能够看出，val 是不能直接改变的。
是经过 Unsafe 类的 方法进行所有替换算法
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
//相比于 HashMap ，加入了 volatile 关键字
volatile V val;
volatile Node<K,V> next;
Node(int hash, K key, V val, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.val = val;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return val; }
public final int hashCode() { return key.hashCode() ^ val.hashCode(); }
public final String toString(){ return key + "=" + val; }
public final V setValue(V value) {
throw new UnsupportedOperationException();
}
2.2 TreeNode
与 HashMap 不一样的是编程
此次
TreeNode再也不是继承自 LinkedHashMap.Entry 而是继承自本类中的 Node.数组并不直接用于红黑树的结点，而是将 结点包装成 TreeNode 后，用下面的 TreeBin 进行二次包装。安全
优势是可使用 Node 类的 next 指针，方便TreeBin 后续 从
链表到红黑树的转换。
构造函数能够看出，原先对TreeNode 的初始化只是设置了其的后续结点。组成了链表。多线程
static final class TreeNode<K,V> extends Node<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next,
TreeNode<K,V> parent) {
super(hash, key, val, next);
this.parent = parent;
}
2.3. TreeBin
特色： 1. 不持有key与val ，指向TreeNode 的 root 与 list。并发
2. 加入读写锁。方便并发的访问。
static final class TreeBin<K,V> extends Node<K,V> {
TreeNode<K,V> root;
volatile TreeNode<K,V> first;
volatile Thread waiter;
//经过锁的状态 ， 判断锁的类型。
volatile int lockState;
// values for lockState
static final int WRITER = 1; // set while holding write lock
static final int WAITER = 2; // set when waiting for write lock
static final int READER = 4; // increment value for setting read lock
构造方法以下
root 表明 TreeNode 的根结点
使用first ，是用于第一次初始化时，由于root的特殊性，因此不便于 this.root = b 所以经过 first代替第一次的初始化过程。
而后在 过程当中 用r 表明root ，直到结束 红黑树的初始化后，再 root =r 保证root的安全性。app
TreeBin(TreeNode<K,V> b) {
super(TREEBIN, null, null, null);
this.first = b;
TreeNode<K,V> r = null;
for (TreeNode<K,V> x = b, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (r == null) {
x.parent = null;
x.red = false;
r = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
for (TreeNode<K,V> p = r;;) {
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
r = balanceInsertion(r, x);
break;
}
}
}
}
this.root = r;
assert checkInvariants(root);
}
2.4. ForwardingNode
做用是在 transfer() 过程当中，插入到 TreeBin 之间，用做连接做用。
static final class ForwardingNode<K,V> extends Node<K,V> {
final Node<K,V>[] nextTable;
ForwardingNode(Node<K,V>[] tab) {
super(MOVED, null, null, null);
this.nextTable = tab;
}
3. Unsafe 类 与 经常使用的操做
3.1. Unsafe 与 静态代码块
Unsafe提供了硬件级别的原子操做。内部的方法均为 native方法 ,能够访问系统底层。
这里用了 CAS 算法（compare and swap) 大大的避免了使用时对性能的消耗，以及保证了使用时的安全性。
**注：** CAS 算法的核心是 将须要改变的参数，与内存中已经存在的变量的值进行对比，一致就改变，不一致就放弃此次操做。与之相相似的优化操做还有 LL/SC(Load-Linked/Store-Conditional : 加载连接/条件存储) 、 Test-and-Set(测试并设置)
这里额外介绍一下 Unsafe 类的 compareAndSwapInt 方法。
/** * 比较obj的offset处内存位置中的值和指望的值，若是相同则更新。此更新是不可中断的。 * * @param obj 须要更新的对象 * @param offset obj中整型field的偏移量 * @param expect 但愿field中存在的值 * @param update 若是指望值expect与field的当前值相同，设置filed的值为这个新值 * @return 若是field的值被更改返回true */ public native boolean compareAndSwapInt(Object obj, long offset, int expect, int update);
下面是 ConcurrentHashMap 中有关的应用
// Unsafe mechanics
private static final sun.misc.Unsafe U;
//对应于 类中的 sizectl
private static final long SIZECTL;
//在 transfer() 方法的使用时，计算索引
private static final long TRANSFERINDEX;
// 用于对 ConcurrentHashMap 的 size 统计。
// 下文 第8点关于 size 会说明。
private static final long BASECOUNT;
// 辅助类 countercell 类中的属性，用于分布式计算
// 是实现 java8 中 londAddr 的基础
private static final long CELLSBUSY;
private static final long CELLVALUE;
// 用来肯定在数组中的位置
// 数组中的偏移地址
private static final long ABASE;
// 数组中的增量地址
private static final int ASHIFT;
static {
try {
//经过反射调用 类中的值，从而对 这些变量赋值
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);
}
}
3.2 经常使用方法
在操做过程当中，常常会看到如下几个，或者相相似的方法。
其核心是
//得到 i 位置上的 Node 节点
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);
}
//利用CAS算法设置i位置上的Node节点。
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);
}
//利用volatile方法设置节点位置的值
static final <K,V> void setTabAt(Node<K,V>[] tab, int i, Node<K,V> v) {
U.putObjectVolatile(tab, ((long)i << ASHIFT) + ABASE, v);
}
4. 初始化函数 initTable
调用ConcurrentHashMap的构造方法仅仅是设置了一些参数而已，而整个table的初始化是在向ConcurrentHashMap中插入元素的时候发生的。
当向 map 插入数据的时候 table == null , 则会调用 initTable()方法 。
用 put 方法 简单展现一下。
final V putVal(K key, V value, boolean onlyIfAbsent) {
...
...
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
if (tab == null || (n = tab.length) == 0)
tab = initTable();
...
...
}
initTable() 方法展现以下
其中有 sizectl 变量，这里回顾一下
hash表初始化或扩容时的一个控制位标识量。 负数表明正在进行初始化或扩容操做 -1表明正在初始化 -N 表示有N-1个线程正在进行扩容操做 正数或0表明hash表尚未被初始化，这个数值表示初始化或下一次进行扩容的大小
/**
* Initializes table, using the size recorded in sizeCtl.
*/
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
while ((tab = table) == null || tab.length == 0) {
//sizeCtl <0 表示有其余线程正在进行初始化操做，把线程挂起。对于table的初始化工做，只能有一个线程在进行。
if ((sc = sizeCtl) < 0)
Thread.yield(); // lost initialization race; just spin
//利用CAS方法把sizectl的值置为-1 表示本线程正在进行初始化
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
if ((tab = table) == null || tab.length == 0) {
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
//至关于0.75*n 设置一个扩容的阈值
// sc = n - n/4
sc = n - (n >>> 2);
}
} finally {
// 更新 sizectl
sizeCtl = sc;
}
break;
}
}
return tab;
}
5. transfer() 扩容操做
当ConcurrentHashMap容量不足的时候，须要对table进行扩容。这个方法的基本思想跟HashMap是很像的，可是因为它是支持并发扩容的，因此要复杂的多。缘由是它支持多线程进行扩容操做，而并无加锁。我想这样作的目的不只仅是为了知足concurrent的要求，而是但愿利用并发处理去减小扩容带来的时间影响。由于在扩容的时候，老是会涉及到从一个“数组”到另外一个“数组”拷贝的操做，若是这个操做可以并发进行，那真真是极好的了。
整个扩容操做分为两个部分:
1. 第一部分是构建一个nextTable,它的容量是原来的两倍，这个操做是单线程完成的。这个单线程的保证是经过RESIZE_STAMP_SHIFT这个常量通过一次运算来保证的，这个地方在后面会有提到； 2. 第二个部分就是将原来table中的元素复制到nextTable中，这里容许多线程进行操做。
先来看一下单线程是如何完成的：
它的大致思想就是遍历、复制的过程。首先根据运算获得须要遍历的次数i，而后利用tabAt方法得到i位置的元素：
1. 若是这个位置为空，就在原table中的i位置放入forwardNode节点，这个也是触发并发扩容的关键点； 2. 若是这个位置是Node节点（fh>=0），就构造两个链表，一个表明高位为 0 ， 一个表明高位为 1 。将原来的结点 分别放在nextTable的i和i+n的位置上，而且除了lastRun的位置相对位于链表的底部外，其他元素均为 **反序** 。 3. 若是这个位置是TreeBin节点（fh<0），也作一个处理，而且判断是否须要untreefi，把处理的结果分别放在nextTable的i和i+n的位置上
遍历过全部的节点之后就完成了复制工做，这时让nextTable做为新的table，而且更新sizeCtl为新容量的0.75倍 ，完成扩容。
再看一下多线程是如何完成的：
//若是遍历到ForwardingNode节点 说明这个点已经被处理过了,直接跳过 这里是控制并发扩容的核心
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
这是一个判断，若是遍历到的节点是forward节点，就向后继续遍历，再加上给节点上锁的机制，就完成了多线程的控制。多线程遍历节点，处理了一个节点，就把对应点的值set为forward，另外一个线程看到forward，就向后遍历。这样交叉就完成了复制工做。并且还很好的解决了线程安全的问题。
如图：
下面是源码：
/**
* 一个过渡的table表 只有在扩容的时候才会使用
*/
private transient volatile Node<K, V>[] nextTable;
/**
* Moves and/or copies the nodes in each bin to new table. See
* above for explanation.
*/
private final void transfer(Node<K, V>[] tab, Node<K, V>[] nextTab) {
int n = tab.length, stride;
// 经过计算 NCPU CPU的核心数与 表的大小的比值，将表进行范围的细分，以方便 并发。
// 感受上 有点像 segment 分段锁的意思。
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
if (nextTab == null) { // initiating
try {
//构造一个nextTable对象 它的容量是原来的两倍。
@SuppressWarnings("unchecked")
Node<K, V>[] nt = (Node<K, V>[]) new Node<?, ?>[n << 1];
nextTab = nt;
} catch (Throwable ex) { // try to cope with OOME
//原来的 容量限制为 1<<30
//HashMap 在扩容时，会用 resize（） 方法，扩大 threshold 的值
//当大于 MAXIMUM_CAPACITY 时，会将 threshold 设置为 Integer.MAX_VALUE
sizeCtl = Integer.MAX_VALUE;
return;
}
nextTable = nextTab;
transferIndex = n;
}
int nextn = nextTab.length;
ForwardingNode<K, V> fwd = new ForwardingNode<K, V>(nextTab);//构造一个连节点指针 用于标志位
boolean advance = true;//并发扩容的关键属性 若是等于true 说明这个节点已经处理过
boolean finishing = false; // to ensure sweep before committing nextTab
for (int i = 0, bound = 0; ; ) {
Node<K, V> f;
int fh;
//这个while循环体的做用就是在控制i递减 经过i能够依次遍历原hash表中的节点
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) {
//若是全部的节点都已经完成复制工做 就把nextTable赋值给table 清空临时对象nextTable
nextTable = null;
table = nextTab;
sizeCtl = (n << 1) - (n >>> 1);//扩容阈值设置为原来容量的1.5倍 依然至关于如今容量的0.75倍
return;
}
//利用CAS方法更新这个扩容阈值，在这里面sizectl值减一，说明新加入一个线程参与到扩容操做
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
}
}
//若是遍历到的节点为空 则放入ForwardingNode指针
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
//若是遍历到ForwardingNode节点 说明这个点已经被处理过了,直接跳过 这里是控制并发扩容的核心
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
else {
//节点上锁
synchronized (f) {
if (tabAt(tab, i) == f) {
Node<K, V> ln, hn;
//若是fh>=0 证实这是一个Node节点
if (fh >= 0) {
// runBit 表明正在 运行的 Node 节点的 分类
// 所以链表根据高位为0或者1分为两个子链表，高位为0的节点桶位置没有发生变化，高位为1的节点桶位置增长了n，
// 因此有setTabAt(nextTab, i, ln);和 setTabAt(nextTab, i + n, hn);
// n = 2的幂 。 二进制 0001000
// fh & n = 1. 1000
// 2. 0000 因此划分出两个链表。
int runBit = fh & n;
// lastRun 是正在运行的节点
Node<K, V> lastRun = f;
//如下的部分在完成的工做是构造两个链表 一个是高位为 0 的链表 另外一个是高位为 1 的链表
// 找出最后一个 与后面的结点不一样的 结点
for (Node<K, V> p = f.next; p != null; p = p.next) {
int b = p.hash & n;
if (b != runBit) {
runBit = b;
lastRun = p;
}
}
// 将最后一个 结点保存起来
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;
//这个链表是从低层向上构建
// ln 或 hn = lastRun, 构建一个 node 结点
// 其下一个结点为 lastRun 。
if ((ph & n) == 0) // 构建低位链表
ln = new Node<K, V>(ph, pk, pv, ln);
else // 构建高位链表
hn = new Node<K, V>(ph, pk, pv, hn);
}
//在nextTable的i位置上插入一个链表
setTabAt(nextTab, i, ln);
//在nextTable的i+n的位置上插入另外一个链表
setTabAt(nextTab, i + n, hn);
//在table的i位置上插入forwardNode节点 表示已经处理过该节点
setTabAt(tab, i, fwd);
//设置advance为true 返回到上面的while循环中 就能够执行 --i 操做
advance = true;
}
//对TreeBin对象进行处理 与上面的过程相似
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;
//构造高位和低位两个链表
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;
}
}
//若是扩容后已经再也不须要tree的结构 反向转换为链表结构
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;
//在nextTable的i位置上插入一个链表
setTabAt(nextTab, i, ln);
//在nextTable的i+n的位置上插入另外一个链表
setTabAt(nextTab, i + n, hn);
//在table的i位置上插入forwardNode节点 表示已经处理过该节点
setTabAt(tab, i, fwd);
//设置advance为true 返回到上面的while循环中 就能够执行 --i 操做
advance = true;
}
}
}
}
}
}
6. put 方法
put方法依然沿用HashMap的put方法的思想，根据hash值计算这个新插入的点在table中的位置i。
注：1. hash = spread(key.hashCode())
2. spread(int h) --> return (h ^ (h >>> 16)) & HASH_BITS; --> 经过hashCode()的高16位异或低16位优化高位运算的算法
3. else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
若是i位置是空的，直接放进去，不然进行判断，
若是i位置是树节点，按照树的方式插入新的节点，不然把i插入到链表的末尾
不一样点：ConcurrentHashMap不容许key或value为null值。
多线程的状况下：
若是一个或多个线程正在对ConcurrentHashMap进行扩容操做，当前线程也要进入扩容的操做中。这个扩容的操做之因此能被检测到，是由于transfer方法中在空结点上插入forward节点，若是检测到须要插入的位置被forward节点占有，就帮助进行扩容； --> helpTransfer() 方法。
-
若是检测到要插入的节点是非空且不是forward节点，就对这个节点加锁，这样就保证了线程安全。尽管这个有一些影响效率，可是仍是会比hashTable的synchronized要好得多。
首先判断这个节点的类型。若是是链表节点（fh>0）,则获得的结点就是hash值相同的节点组成的链表的头节点。须要依次向后遍历肯定这个新加入的值所在位置。若是遇到hash值与key值都与新加入节点是一致的状况，则只须要更新value值便可。不然依次向后遍历，直到链表尾插入这个结点。
若是加入这个节点之后链表长度大于8，就把这个链表转换成红黑树。
若是这个节点的类型已是树节点的话，直接调用树节点的插入方法进行插入新的值。
源码以下：
public V put(K key, V value) {
return putVal(key, value, false);
}
final V putVal(K key, V value, boolean onlyIfAbsent) {
//不容许 key或value为null
if (key == null || value == null) throw new NullPointerException();
//计算hash值
int hash = spread(key.hashCode());
//计算该链表 节点的数量
int binCount = 0;
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
// 第一次 put 操做的时候初始化，若是table为空的话，初始化table
if (tab == null || (n = tab.length) == 0)
tab = initTable();
//根据hash值计算出在table里面的位置
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
// 根据对应的key hash 到具体的索引，若是该索引对应的 Node 为 null，则采用 CAS 操做更新整个 table
// 若是这个位置没有值 ，直接放进去，不须要加锁
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
//当遇到表链接点时，须要进行整合表的操做
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
else {
V oldVal = null;
// 结点上锁，只是对链表头结点做锁操做
synchronized (f) {
if (tabAt(tab, i) == f) {
//fh > 0 说明这个节点是一个链表的节点 不是树的节点
if (fh >= 0) {
binCount = 1;
//在这里遍历链表全部的结点
//而且计算链表里结点的数量
for (Node<K,V> e = f;; ++binCount) {
K ek;
//若是hash值和key值相同 则修改对应结点的value值
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;
//若是遍历到了最后一个结点，那么就证实新的节点须要插入 就把它插入在链表尾部
if ((e = e.next) == null) {
// 插入到链表尾
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
//若是这个节点是树节点，就按照树的方式插入值
else if (f instanceof TreeBin) {
// 若是是红黑树结点，按照红黑树的插入
Node<K,V> p;
// 若是为树节点， binCount一直为2，不会引起扩容。
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
if (binCount != 0) {
// 若是这个链表结点达到了临界值8，那么把这个链表转换成红黑树
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
//将当前ConcurrentHashMap的元素数量+1，table的扩容是在这里发生的
addCount(1L, binCount);
return null;
}
6.1 helpTransfer() 方法
出现于 put 方法 以下地点
//当遇到表链接点时，须要进行整合表的操做
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
helpTransfer() 方法的源码以下
final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
Node<K,V>[] nextTab; int sc;
// 当前 table 不为 null , 且 f 为 forwardingNode 结点 ， 且存在下一张表
if (tab != null && (f instanceof ForwardingNode) &&
(nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) {
int rs = resizeStamp(tab.length);//计算一个扩容校验码
// 当 sizeCtl < 0 时，表示有线程在 transfer().
while (nextTab == nextTable && table == tab &&
(sc = sizeCtl) < 0) {
//正常状况下 sc >>> RESIZE_STAMP_SHIFT == resizeStamp(tab.length);
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || transferIndex <= 0)
break;
//将 扩容的线程先行减一，表示，这是来辅助 transfer，而非进行 transfer的线程。
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
transfer(tab, nextTab);
break;
}
}
return nextTab;
}
return table;
}
6.2 treeifyBin() 方法
涉及变量 MIN_TREEIFY_CAPACITY = 64;
若是数组长度n小于阈值MIN_TREEIFY_CAPACITY，默认是64，则会调用tryPresize方法把数组长度扩大到原来的两倍，并触发transfer方法，从新调整节点的位置。
出现于 put 方法 以下地点
if (binCount != 0) {
// TREEIFY_THRESHOLD 默认为 8.
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
其中源码以下：
private final void treeifyBin(Node<K,V>[] tab, int index) {
Node<K,V> b; int n, sc;
if (tab != null) {
if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
// 将原来的数组扩大为原来的两倍
tryPresize(n << 1);
else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
synchronized (b) {
if (tabAt(tab, index) == b) {
TreeNode<K,V> hd = null, tl = null;
for (Node<K,V> e = b; e != null; e = e.next) {
TreeNode<K,V> p =
new TreeNode<K,V>(e.hash, e.key, e.val,
null, null);
if ((p.prev = tl) == null)
hd = p;
else
tl.next = p;
tl = p;
}
setTabAt(tab, index, new TreeBin<K,V>(hd));
}
}
}
}
}
6.3 tableSizeFor 方法
这里讲一个 JDK8 中设计的很是巧妙的算法。看了很久才看懂。
出自 tryPresize 方法中的如下位置
//数组的最大容积为 1<<30 。若是数组大小超过 1<<29 ，则将最大大小设置为 MAXIMUM_CAPACITY
//不然，设置为原来的两倍。
private final void tryPresize(int size) {
int c = (size >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY :
tableSizeFor(size + (size >>> 1) + 1);
下面让咱们来分析一下，tableSizeFor()
这个算法的目的，是得出相比较于给定参数，返回一个恰好比参数大的 2次幂 整数。
static final int tableSizeFor(int cap) {
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
先来分析有关n位操做部分：先来假设n的二进制为01xxx...xxx。接着
对n右移1位：001xx...xxx，再位或：011xx...xxx
对n右移2为：00011...xxx，再位或：01111...xxx
此时前面已经有四个1了，再右移4位且位或可得8个1
同理，有8个1，右移8位确定会让后八位也为1。
综上可得，该算法让最高位的1后面的位全变为1。
最后再让结果n+1，即获得了2的整数次幂的值了。
如今回来看看第一条语句：
int n = cap - 1;
让cap-1再赋值给n的目的是另找到的目标值大于或等于原值。例如二进制1000，十进制数值为8。若是不对它减1而直接操做，将获得答案10000，即16。显然不是结果。减1后二进制为111，再进行操做则会获得原来的数值1000，即8。
引用自(http://www.cnblogs.com/loadin...
7. get 方法
经过 key值 搜索 value 值。
而且要 经过分辨 结点的种类，进行不一样形式的寻找。
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
//计算hash值
int h = spread(key.hashCode());
//根据hash值肯定节点位置
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
//若是搜索到的节点key与传入的key相同且不为null,直接返回这个节点
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
//若是eh<0 说明这个节点在树上 直接寻找
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
//不然遍历链表 找到对应的值并返回
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
8. Size相关
《并发编程实战》中有提到，size返回的结果在计算时可能已通过期了，它实际上只是一个估计值，所以容许size返回一个近似值，而不是一个精确值。
8.1 CounterCell 类
从注释中能够看出，这是从 LongAdder 类中的思想，拷贝过来的一个类。
LongAdder 类 是 JDK 1.8 新引进的类，其思想：
多个线程持有本身的加数（cell),线程个数增长时，会自动提供新的加数。 当全部工做作完后，再提供新的加数。
有时间写一篇相关的源码分析~ 逃~
不过，这里同样不能精确统计，这里的 CounterCell 等同于 LongAdder.Cell sumCount() 等同于 LongAdder.sum()方法。
执行逻辑是同样的。
就 LongAdder 类中的 sum 方法所说， 当有线程在运行时，同样只是估计值，只有当全部线程执行完毕，才是实际值。
而统计 Size ，不可以像垃圾清除同样，有 Safe point 或 Safe region ，因此，这个假设不成立。。。
其相关的源码以下。
/**
* A padded cell for distributing counts. Adapted from LongAdder
* and Striped64. See their internal docs for explanation.
*/
@sun.misc.Contended static final class CounterCell {
volatile long value;
CounterCell(long x) { value = x; }
}
//执行逻辑
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;
}
8.2 mappingCount 方法
就官方文档中所说， mappingCount 方法，应该取代 size 方法，
但这个方法得出的值同样在线程运行的时候，只是一个估计的值。
从源码中就能够看出，使用的是上文分析的 sumCount() 方法。
public long mappingCount() {
long n = sumCount();
return (n < 0L) ? 0L : n; // ignore transient negative values
}
8.3 addCount 方法
出自于 put 方法的以下位置
//将当前ConcurrentHashMap的元素数量+1
addCount(1L, binCount);
return null;
}
统计上：
这里用到 CounterCell类，而且统计的值的计算同样是采用的 sumCount() 方法。
因此缺点如上，再也不阐述。
扩容上：
逻辑与 helpTransfer() 相似，都是判断是否有多个线程在执行扩容，而后判断是否须要辅助 transfer();
源码以下
private final void addCount(long x, int check) {
//用到了 CounterCell 类
CounterCell[] as; long b, s;
//利用CAS方法更新baseCount的值
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();
}
//若是check值大于等于0 则须要检验是否须要进行扩容操做
//下面的逻辑与 helpTransfer() 相似，能够与 helpTransfer() 一块儿参考。
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);
//若是已经有其余线程在执行扩容操做
if (sc < 0) {
//校验失效，直接退出。
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);
}
//当前线程是惟一的或是第一个发起扩容的线程 此时nextTable=null
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
s = sumCount();
}
}
}
相关文章
- 1. ConcurrentHashMap源码分析
- 2. 源码分析——ConcurrentHashMap
- 3. ConcurrentHashMap源码分析。
- 4. ConcurrentHashMap源码分析(1.8)
- 5. 《Java源码分析》：ConcurrentHashMap JDK1.8
- 6. ConcurrentHashMap 1.8 源码分析
- 7. 源码分析 --- Java中ConcurrentHashMap
- 8. ConcurrentHashMap源码深度分析
- 9. ConcurrentHashMap 1.8源码分析（1）
- 10. ConcurrentHashMap JDK 1.6 源码分析
- 更多相关文章...
- • Docker 资源汇总 - Docker教程
- • Java操作Neo4j数据库（附带源码） - NoSQL教程
- • 互联网组织的未来：剖析GitHub员工的任性之源
- • Java Agent入门实战（二）-Instrumentation源码概述
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. ConcurrentHashMap源码分析
- 2. 源码分析——ConcurrentHashMap
- 3. ConcurrentHashMap源码分析。
- 4. ConcurrentHashMap源码分析(1.8)
- 5. 《Java源码分析》：ConcurrentHashMap JDK1.8
- 6. ConcurrentHashMap 1.8 源码分析
- 7. 源码分析 --- Java中ConcurrentHashMap
- 8. ConcurrentHashMap源码深度分析
- 9. ConcurrentHashMap 1.8源码分析（1）
- 10. ConcurrentHashMap JDK 1.6 源码分析