1.7 的concurrentHashMap内部结构
concurrentHashMap 是用的最多的一个concurrent包数据结构，了解内部设计对高并发有帮助。node
ConcurrentHashMap:非阻塞Map
要点
- 1.7采用分段锁的机制
- 1.8取消分段锁机制，减小了锁竞争
- 效率：1.8>1.7
1.7 的源码:
-
Segment继承ReentrantLock用来充当锁的角色，每一个 Segment 对象守护每一个散列映射表的若干个桶 。数组
-
HashEntry 用来封装映射表的键 / 值对数据结构
-
每一个桶是由若干个 HashEntry 对象连接起来的链表并发
-
ConcurrentHashMap定位一个元素的过程须要进行两次Hash操做，第一次Hash定位到Segment，第二次Hash定位到元素所在的链表的头部。这一种结构的带来的反作用是Hash的过程要比普通的HashMap要长，可是带来的好处是写操做的时候能够只对元素所在的Segment进行加锁便可，不会影响到其余的Segmentssh
-
扩容：因为HashEntry.next都是/final/函数
- 删除：将待删除元素前面的元素所有复制一遍，再将后面的一个一个从新接到链表上去
- 新增：直接放在头部，将以前的头挂在next上
- 扩容：
- 若是table槽中只有一个元素，直接根据新的index。迁移到新table中的槽中
- 若是table槽中右多个元素：
- 从链表中找到/结点p和后继结点e/,这两个结点的新table槽同样。
- 将相同index的结点到结束结点，直接放在新的槽中
- 将其余不一样的结点，从琏表头放在新的槽中
- 基本属性
public class ConcurrentHashMap<K, V> extends AbstractMap<K, V>
implements ConcurrentMap<K, V>, Serializable {
'用于分段'
//容许的最大段数;用于绑定构造函数参数。必须是小于1小于24的幂。
static final int MAX_SEGMENTS = 1 << 16; // slightly conservative
//根据这个数来计算segment的个数,segment的个数是仅小于这个数且是2的几回方的一个数（ssize）
static final int DEFAULT_CONCURRENCY_LEVEL = 16;
//每一个分段表的最小容量。必定要有2个，至少2个，以免在懒惰的建筑后使用下一个使用。
static final int MIN_SEGMENT_TABLE_CAPACITY = 2;
'用于hashEntry'
//默认的用于计算Segment数组中的每个segment的HashEntry[]的容量，可是并非每个segment的HashEntry[]的容量
static final int DEFAULT_INITIAL_CAPACITY = 16;
//这个表的默认加载因子，在构造函数中没有指定的时候使用
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 用于计算Segment数组中的每个segment的HashEntry[]的最大容量（2的30次方）
static final int MAXIMUM_CAPACITY = 1 << 30;
//在使用锁以前，在大小和容器值方法上进行不一样步的重试。若是表进行连续修改，就会避免无界重试，这样就不可能得到准确的结果。
static final int RETRIES_BEFORE_LOCK = 2;
static final class HashEntry<K,V> {
final int hash;
final K key;
volatile V value;
volatile HashEntry<K,V> next;
HashEntry(int hash, K key, V value, HashEntry<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
}
static final class Segment<K,V> extends ReentrantLock implements Serializable {
private static final long serialVersionUID = 2249069246763182397L;
static final int MAX_SCAN_RETRIES =
Runtime.getRuntime().availableProcessors() > 1 ? 64 : 1;
//存储表
transient volatile HashEntry<K,V>[] table;
//元素的数量。
transient int count;
//并发标记
transient int modCount;
//容量阈值，用于扩容
transient int threshold;
//负载因子，用于肯定threshold
final float loadFactor;
Segment(float lf, int threshold, HashEntry<K,V>[] tab) {
this.loadFactor = lf;
this.threshold = threshold;
this.table = tab;
}
'真实的插入'
final V put(K key, int hash, V value, boolean onlyIfAbsent) {
HashEntry<K,V> node = tryLock() ? null : '加锁成功在插入'
scanAndLockForPut(key, hash, value);
V oldValue;
try {
HashEntry<K,V>[] tab = table;
int index = (tab.length - 1) & hash;
HashEntry<K,V> first = entryAt(tab, index);
for (HashEntry<K,V> e = first;;) {
if (e != null) {
K k;
if ((k = e.key) / key ||
(e.hash / hash && key.equals(k))) {
oldValue = e.value;
if (!onlyIfAbsent) {
e.value = value;
++modCount;
}
break;
}
e = e.next;
}
else {
if (node != null)
node.setNext(first);
else
node = new HashEntry<K,V>(hash, key, value, first);
int c = count + 1;
if (c > threshold && tab.length < MAXIMUM_CAPACITY)
rehash(node);
else
setEntryAt(tab, index, node);
++modCount;
count = c;
oldValue = null;
break;
}
}
} finally {
unlock(); '释放锁'
}
return oldValue;
}
}
'插入'
public V put(K key, V value) {
Segment<K,V> s;
if (value / null)
throw new NullPointerException();
int hash = hash(key); 'key的hash值'
'segmentShift:28'
'segmentMask：1111'
int j = (hash >>> segmentShift) & segmentMask; '无符号右位移28位,模运算'
if ((s = (Segment<K,V>)UNSAFE.getObject(segments, (j << SSHIFT) + SBASE)) / null) // in ensureSegment
s = ensureSegment(j);
return s.put(key, hash, value, false); '调用segment的put '
}
'获取'
public V get(Object key) {
Segment<K,V> s; // manually integrate access methods to reduce overhead
HashEntry<K,V>[] tab;
int h = hash(key);
long u = (((h >>> segmentShift) & segmentMask) << SSHIFT) + SBASE;
if ((s = (Segment<K,V>)UNSAFE.getObjectVolatile(segments, u)) != null &&
(tab = s.table) != null) {
for (HashEntry<K,V> e = (HashEntry<K,V>) UNSAFE.getObjectVolatile
(tab, ((long)(((tab.length - 1) & h)) << TSHIFT) + TBASE);
e != null; e = e.next) {
K k;
if ((k = e.key) / key || (e.hash / h && key.equals(k)))
return e.value;
}
}
return null;
}
}
- 建立
- initialCapacity=16,（加载因子）:loadFactor=0.75,(并发级别,):concurrencyLevel=16
- initialCapacity：段中HashEntry的大小
- loadFactor：加载因子，当段中的数据超过initialCapacity
- concurrencyLevel：并发个数(线程数)。由于每个段都是一把锁，这也是Segment数组大小
- ssize：段数组的大小
- 位运算ssize <<= 1：ssize=ssize<<1(左移觉得，增大ssize*2)
- segmentShift（段segment右偏移）：分段内索引的移位值。32 - sshift
- segmentMask（段segment掩码）：将索引值用于索引段。键的哈希码的上位被用来选择这个段。 段segment.ssize - 1
- initialCapacity=16,（加载因子）:loadFactor=0.75,(并发级别,):concurrencyLevel=16
public ConcurrentHashMap(int initialCapacity,float loadFactor, int concurrencyLevel) {
if (!(loadFactor > 0) || initialCapacity < 0 || concurrencyLevel <= 0)
throw new IllegalArgumentException();
'设置最大并发级别:65535'
if (concurrencyLevel > MAX_SEGMENTS)
concurrencyLevel = MAX_SEGMENTS;
// Find power-of-two sizes best matching arguments
int sshift = 0; ''
int ssize = 1; '段数组大小'
while (ssize < concurrencyLevel) {
++sshift; 'sshift=4'
ssize <<= 1; '左移1位，，ssize *=2 /16'
}
this.segmentShift = 32 - sshift; '偏移量:28'
this.segmentMask = ssize - 1; '掩码:15:1111'
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY; '最大为：1073741824。默'
int c = initialCapacity / ssize; 'C=1'
if (c * ssize < initialCapacity) '判断是有没除尽，保证:c * ssize >initialCapacity'
++c;
int cap = MIN_SEGMENT_TABLE_CAPACITY; '最小HashEntry大小:'
while (cap < c)
cap <<= 1;
// create segments and segments[0]
// 建立段S0
'loadFactor=0.75'
'threshold=(int)0.75*2=1'
'HashEntry[2]'
Segment<K,V> s0 =
new Segment<K,V>(loadFactor, (int)(cap * loadFactor),
(HashEntry<K,V>[])new HashEntry[cap]);
//建立 segment 数组
Segment<K,V>[] ss = (Segment<K,V>[])new Segment[ssize];
UNSAFE.putOrderedObject(ss, SBASE, s0); // ordered write of segments[0]
this.segments = ss;
}
- PUT(K,V)
- segmentShift=28，segmentMask=15
- >>>：无符号右移，
'调用'
public V put(K key, V value) {
'判断值'
Segment<K,V> s;
if (value / null)
throw new NullPointerException();
int hash = hash(key); //计算hash值
int j = (hash >>> segmentShift) & segmentMask;
if ((s = (Segment<K,V>)UNSAFE.getObject // nonvolatile; recheck
(segments, (j << SSHIFT) + SBASE)) / null) // in ensureSegment
s = ensureSegment(j); ''
return s.put(key, hash, value, false);
}
'新建segment'
private Segment<K,V> ensureSegment(int k) {
final Segment<K,V>[] ss = this.segments;
long u = (k << SSHIFT) + SBASE; // raw offset
Segment<K,V> seg;
if ((seg = (Segment<K,V>)UNSAFE.getObjectVolatile(ss, u)) / null) {
Segment<K,V> proto = ss[0]; // use segment 0 as prototype
int cap = proto.table.length; 'cap =2'
float lf = proto.loadFactor; ' 0.75'
int threshold = (int)(cap * lf); 'threshold = 1'
HashEntry<K,V>[] tab = (HashEntry<K,V>[])new HashEntry[cap];
if ((seg = (Segment<K,V>)UNSAFE.getObjectVolatile(ss, u))
/ null) { // recheck
Segment<K,V> s = new Segment<K,V>(lf, threshold, tab);
while ((seg = (Segment<K,V>)UNSAFE.getObjectVolatile(ss, u))
/ null) {
if (UNSAFE.compareAndSwapObject(ss, u, null, seg = s))
break;
}
}
}
return seg;
}
'添加'
final V put(K key, int hash, V value, boolean onlyIfAbsent) {
HashEntry<K,V> node = tryLock() ? null : '加锁'
scanAndLockForPut(key, hash, value);
V oldValue;
try {
HashEntry<K,V>[] tab = table; '获取table'
int index = (tab.length - 1) & hash; '获取table中的偏移量'
HashEntry<K,V> first = entryAt(tab, index); '从table中，找出链表头'
'无限循环添加进去'
for (HashEntry<K,V> e = first;;) {
if (e != null) { '头部位null'
K k;
"若是key相同，则直接替换"
if ((k = e.key) / key ||(e.hash / hash && key.equals(k))) {
oldValue = e.value;
if (!onlyIfAbsent) {
e.value = value;
++modCount;
}
break;
}
e = e.next; "若是key不一样，则操做e后面的元素"
}else { "头为null"
if (node != null)
node.setNext(first);
else
node = new HashEntry<K,V>(hash, key, value, first); '新建，并将头放在新HashEntry的后面'
int c = count + 1;
if (c > threshold && tab.length < MAXIMUM_CAPACITY)
rehash(node); '扩容'
else
setEntryAt(tab, index, node); '将新HashEntry直接添加在头上面'
++modCount;
count = c;
oldValue = null;
break;
}
}
} finally {
unlock();
}
return oldValue;
}
- 扩容:
- 扩容:默认segement.threshold=1，直接会扩容一次
- 扩容并非table满了,才扩容。用的是扩容个数：table.lengthloadFactor (table个数扩容因子)
- 若是table槽中只有一个元素，直接根据新的index。迁移到新table中的槽中
- 若是table槽中右多个元素：
- 从链表中找到/结点p和后继结点e/,这两个结点的新table槽同样。
- 而后将相同的结点到结束，直接放在新的槽中
- 将其余不一样的结点，从琏表头放在新的槽中
private void rehash(HashEntry<K,V> node) {
HashEntry<K,V>[] oldTable = table; "获取旧的段table"
int oldCapacity = oldTable.length; '旧的HashEntry数量'
int newCapacity = oldCapacity << 1; '扩大一倍'
threshold = (int)(newCapacity * loadFactor); '剩扩展因子:0.75'
HashEntry<K,V>[] newTable =(HashEntry<K,V>[]) new HashEntry[newCapacity];
int sizeMask = newCapacity - 1; "位模运算:1111或者11111。每次扩大2被"
for (int i = 0; i < oldCapacity ; i++) {
HashEntry<K,V> e = oldTable[i]; "旧数组的琏表头"
if (e != null) {
HashEntry<K,V> next = e.next;
int idx = e.hash & sizeMask; "新的index"
if (next / null) // 只有一个节点
newTable[idx] = e; "若是只有一个数据，直接放到新的index中"
else { "在相同的槽内重用连续序列"
HashEntry<K,V> lastRun = e; "新的起始点"
int lastIdx = idx; "新的index"
'找到e节点第一个索引值相同的HashEntry节点'
for (HashEntry<K,V> last = next;last != null;last = last.next) {
int k = last.hash & sizeMask; "后继的index"
if (k != lastIdx) { "若是后继的新index和当前结点index相同的元素"
lastIdx = k;
lastRun = last;
}
}
newTable[lastIdx] = lastRun; "而后将相同的结点到结束，直接放在新的槽中"
'复制e节点到第一个索引值相同(该结点和后继结点index相同)节之间的HashEntry节点'
for (HashEntry<K,V> p = e; p != lastRun; p = p.next) {
V v = p.value;
int h = p.hash;
int k = h & sizeMask;
HashEntry<K,V> n = newTable[k];
newTable[k] = new HashEntry<K,V>(h, p.key, v, n);
}
}
}
}
int nodeIndex = node.hash & sizeMask; // add the new node
node.setNext(newTable[nodeIndex]);
newTable[nodeIndex] = node;
table = newTable;
}
相关文章
- 1. ConcurrentHashMap 1.7/1.8
- 2. ConcurrentHashMap（1.7）分析
- 3. Java集合------ConcurrentHashMap(1.7)
- 4. 1.8 ConcurrentHashMap 结构
- 5. HashMap（1.7、1.8对比）、Hashtable、ConcurrentHashMap（1.7、1.8）
- 6. 讲清楚ConcurrentHashMap(JDK 1.7)
- 7. 深刻源码学习1.7的ConcurrentHashMap（二）
- 8. 深刻源码学习1.7的ConcurrentHashMap（一）
- 9. ConcurrentHashMap在jdk1.8和1.7中的区别
- 10. 值栈的内部结构
- 更多相关文章...
- • Rust 结构体 - RUST 教程
- • XML 树结构 - XML 教程
- • 使用阿里云OSS+CDN部署前端页面与加速静态资源
- • 三篇文章了解 TiDB 技术内幕——说存储
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 1.7/1.8
- 2. ConcurrentHashMap（1.7）分析
- 3. Java集合------ConcurrentHashMap(1.7)
- 4. 1.8 ConcurrentHashMap 结构
- 5. HashMap（1.7、1.8对比）、Hashtable、ConcurrentHashMap（1.7、1.8）
- 6. 讲清楚ConcurrentHashMap(JDK 1.7)
- 7. 深刻源码学习1.7的ConcurrentHashMap（二）
- 8. 深刻源码学习1.7的ConcurrentHashMap（一）
- 9. ConcurrentHashMap在jdk1.8和1.7中的区别
- 10. 值栈的内部结构