并发容器学习——ConcurrentHashMap
1、ConcurrentHashMap并发容器java
1.ConcurrentHashMapnode
ConcurrentHashMap是HashMap的升级版，HashMap虽然效率高，但它是线程不安全的容器，不能再多线程环境使用，而HashTable虽然是线程安全的，但使用的是效率比较低的synchronized，而且synchronized是悲观锁，不论读写都是独占的。而ConcurrentHashMap的底层是使用CAS来实现并发访问的，效率较高。算法
ConcurrentHashMap的底层数据结构与HashMap相同，采用数组+链表/红黑树来实现，以下图：数组
2.链表结点的实现安全
链表结点是基本的存储单元，其实不用想太多，必然和HashMap中的Node相相似。数据结构
//能够看到Node实现了Map.Entry接口，与HashMap基本同样
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; //hash值，final修饰，表示hash码不可改变。
final K key; //key值
volatile V val; //value值，volatile保证可见性
volatile Node<K,V> next; //链表的下个结点
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();
}
//重写equals方法
public final boolean equals(Object o) {
Object k, v, u; Map.Entry<?,?> e;
return ((o instanceof Map.Entry) &&
(k = (e = (Map.Entry<?,?>)o).getKey()) != null &&
(v = e.getValue()) != null &&
(k == key || k.equals(key)) &&
(v == (u = val) || v.equals(u)));
}
//查找结点，能够看出ConcurrentHashMap中不容许存放value==null的数据
Node<K,V> find(int h, Object k) {
Node<K,V> e = this;
if (k != null) {
do {
K ek;
if (e.hash == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
} while ((e = e.next) != null);
}
return null;
}
}
//底层数组扩容时的过渡链表结点类型
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); //标识结点的状态为MOVED，即转移扩容状态
this.nextTable = tab;
}
Node<K,V> find(int h, Object k) {
// loop to avoid arbitrarily deep recursion on forwarding nodes
outer: for (Node<K,V>[] tab = nextTable;;) {
Node<K,V> e; int n;
if (k == null || tab == null || (n = tab.length) == 0 ||
(e = tabAt(tab, (n - 1) & h)) == null)
return null;
for (;;) {
int eh; K ek;
if ((eh = e.hash) == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
if (eh < 0) {
if (e instanceof ForwardingNode) {
tab = ((ForwardingNode<K,V>)e).nextTable;
continue outer;
}
else
return e.find(h, k);
}
if ((e = e.next) == null)
return null;
}
}
}
}
3.红黑树结点的实现
红黑树结点的实现源码：
//红黑树的结点实现，继承了Node结点
static final class TreeNode<K,V> extends Node<K,V> {
TreeNode<K,V> parent; //父结点的引用
TreeNode<K,V> left; //左孩子
TreeNode<K,V> right; //右孩子
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red; //颜色
TreeNode(int hash, K key, V val, Node<K,V> next,
TreeNode<K,V> parent) {
super(hash, key, val, next);
this.parent = parent;
}
//查看树中是否存在hash值为h，value为k的结点
Node<K,V> find(int h, Object k) {
return findTreeNode(h, k, null);
}
//查找结点
final TreeNode<K,V> findTreeNode(int h, Object k, Class<?> kc) {
//判断k是否null，不容许放null值
if (k != null) {
TreeNode<K,V> p = this;
do {
int ph, dir; K pk; TreeNode<K,V> q;
TreeNode<K,V> pl = p.left, pr = p.right;
if ((ph = p.hash) > h)
p = pl;
else if (ph < h)
p = pr;
else if ((pk = p.key) == k || (pk != null && k.equals(pk)))
return p;
else if (pl == null)
p = pr;
else if (pr == null)
p = pl;
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
p = (dir < 0) ? pl : pr;
else if ((q = pr.findTreeNode(h, k, kc)) != null)
return q;
else
p = pl;
} while (p != null);
}
return null;
}
}
但ConcurrentHashMap中数组存放的红黑树根结点并非TreeNode类型，而是TreeBin类型，TreeNode被封装在TreeBin中
//TreeBin 用做树的头结点，只存储root和first节点，不存储节点的key、value值
static final class TreeBin<K,V> extends Node<K,V> {
TreeNode<K,V> root; //根结点
volatile TreeNode<K,V> first; //树的链式结构
volatile Thread waiter; //等待线程
volatile int lockState; //锁状态
// values for lockState
static final int WRITER = 1; // 表明拥有写入锁
static final int WAITER = 2; // 表明等待获取写入锁
static final int READER = 4; // 用于设置读取锁的增长
}
4.继承关系
知道了底层的数据结构，在来看看ConcurrentHashMap的继承关系，以下图所示，ConcurrentHashMap继承了AbstractMap抽象类，实现了ConcurrentMap结构。其中AbstractMap包含了对Map集合的增删改查等方法，以前对数据结构中HashMap和TreeMap的学习时已分析过，这里再也不深刻。另外一个ConcurrentMap接口也相对简单，提供几个抽象的新方法，还是对Map集合的操做，不一样的是这些操做要求是原子操做。
//ConcurrentMap接口源码
public interface ConcurrentMap<K, V> extends Map<K, V> {
//返回指定的key对应的value值，若key不存在则返回默认提供的defaultValue
@Override
default V getOrDefault(Object key, V defaultValue) {
V v;
return ((v = get(key)) != null) ? v : defaultValue;
}
//遍历Map的方法，至关于for循环或foreach循环，主要是用于lambda表达式
@Override
default void forEach(BiConsumer<? super K, ? super V> action) {
Objects.requireNonNull(action);
for (Map.Entry<K, V> entry : entrySet()) {
K k;
V v;
try {
k = entry.getKey();
v = entry.getValue();
} catch(IllegalStateException ise) {
// this usually means the entry is no longer in the map.
continue;
}
action.accept(k, v);
}
}
//若是map中不存在key对应的键值对，那么就新增当前传入的key和value。
//不然就返回map中key对应的value值
V putIfAbsent(K key, V value);
//删除map中对应的key和value，当且仅当key和value都对应上时才删除
//若key的对应的值不是value则不删除
boolean remove(Object key, Object value);
//替换key的value值，当key对应的旧值是oldValue时，替换为newValue
//不然不替换
boolean replace(K key, V oldValue, V newValue);
//若key存在，则将映射值替换为给定的value
V replace(K key, V value);
//将每一个key映射的值替换成给定的调用函数的返回值
@Override
default void replaceAll(BiFunction<? super K, ? super V, ? extends V> function) {
Objects.requireNonNull(function);
forEach((k,v) -> { //lambda表达式遍历map
while(!replace(k, v, function.apply(k, v))) {
// v changed or k is gone
if ( (v = get(k)) == null) {
// k is no longer in the map.
break;
}
}
});
}
//若是map中不存在key（或key的映射为null）且调用key为参数的函数返回值newValue不为null
//且将key与返回值newValue关联成功时，返回newValue，不然返回key本来的映射值
@Override
default V computeIfAbsent(K key,
Function<? super K, ? extends V> mappingFunction) {
Objects.requireNonNull(mappingFunction);
V v, newValue;
return ((v = get(key)) == null &&
(newValue = mappingFunction.apply(key)) != null &&
(v = putIfAbsent(key, newValue)) == null) ? newValue : v;
}
//调用函数返回的新映射值替换key对应的旧映射值，若果新映射值为null，则直接将键值对从map中删除
@Override
default V computeIfPresent(K key,
BiFunction<? super K, ? super V, ? extends V> remappingFunction) {
Objects.requireNonNull(remappingFunction);
V oldValue;
while((oldValue = get(key)) != null) {
V newValue = remappingFunction.apply(key, oldValue);
if (newValue != null) {
if (replace(key, oldValue, newValue))
return newValue;
} else if (remove(key, oldValue))
return null;
}
return oldValue;
}
@Override
default V compute(K key,
BiFunction<? super K, ? super V, ? extends V> remappingFunction) {
Objects.requireNonNull(remappingFunction);
V oldValue = get(key); //获取旧映射值
for(;;) {
V newValue = remappingFunction.apply(key, oldValue); //计算新映射值
if (newValue == null) { //判断新映射值是否为null
//新值不存在且map中存在key，直接删除该键值对
if (oldValue != null || containsKey(key)) {
//判断删除是否成功
if (remove(key, oldValue)) {
// removed the old value as expected
return null;
}
//删除失败在继续尝试
oldValue = get(key);
} else {
//key本来就不存在，直接返回
return null;
}
} else {
// 新映射值不为null，且旧映射值存在。则直接替换旧映射值
if (oldValue != null) {
// replace
if (replace(key, oldValue, newValue)) {
// replaced as expected.
return newValue;
}
oldValue = get(key);
} else { //旧映射值不存在，即key不存在，则直接向map中新增
if ((oldValue = putIfAbsent(key, newValue)) == null) {
return newValue;
}
}
}
}
}
//若是map中存在key且映射为value，则用调用函数计算出的非空新映射值替换旧映射值
//若新映设置为null，则将旧键值对删除
//若是map中不存在key或key的旧映射为null，则直接新增键值对（key和value）
@Override
default V merge(K key, V value,
BiFunction<? super V, ? super V, ? extends V> remappingFunction) {
Objects.requireNonNull(remappingFunction);
Objects.requireNonNull(value);
V oldValue = get(key);
for (;;) {
if (oldValue != null) {
V newValue = remappingFunction.apply(oldValue, value);
if (newValue != null) {
if (replace(key, oldValue, newValue))
return newValue;
} else if (remove(key, oldValue)) {
return null;
}
oldValue = get(key);
} else {
if ((oldValue = putIfAbsent(key, value)) == null) {
return value;
}
}
}
}
}
看完接口，在来看看ConcurrentHashMap中构造方法及一些重要的属性变量，了解ConcurrentHashMap是如何初始化的。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V>
implements ConcurrentMap<K,V>, Serializable {
//map可达到的最大容量，2的31次方
private static final int MAXIMUM_CAPACITY = 1 << 30;
//map初始的默认容量，没有指定map的容量时的默认值
private static final int DEFAULT_CAPACITY = 16;
//数组的最大长度
static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
//map的默认并发级别，没有使用
private static final int DEFAULT_CONCURRENCY_LEVEL = 16;
//map的默认负载因子
private static final float LOAD_FACTOR = 0.75f;
//链表转换成红黑树的临界链表长度，即链表长度大于等于8时，链表将转成红黑树
static final int TREEIFY_THRESHOLD = 8;
//红黑树转成链表的临界结点数，即红黑树的结点个数小于等于6时，由红黑树退化成链表
static final int UNTREEIFY_THRESHOLD = 6;
//容许链表树化的最小容量值，即map的容量要大于64，才能将链表树化
static final int MIN_TREEIFY_CAPACITY = 64;
//扩容线程所负责的区间大小最低为16，避免发生大量的内存冲突
private static final int MIN_TRANSFER_STRIDE = 16;
//用于生成当前数组对应的基数戳
private static int RESIZE_STAMP_BITS = 16;
//表示最多能有多少个线程可以帮助进行扩容，由于sizeCtl只有低16位用于标识，因此最多只有2^16-1个线程帮助扩容
private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1;
//将基数戳左移的位数，保证左移后的基数戳为负值，而后再加上n+1,表示n个线程正在扩容
private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;
static final int MOVED = -1; // 表示正在转移，是一个forwardNode节点
static final int TREEBIN = -2; // 表示已经转换成树，是一个TreeBin节点
static final int RESERVED = -3; // hash for transient reservations
static final int HASH_BITS = 0x7fffffff; // 用于生成hash值
//计算机的核心数
static final int NCPU = Runtime.getRuntime().availableProcessors();
//底层的table结点数组，存储键值对
transient volatile Node<K,V>[] table;
//只有当数组处于扩容过程时，nextTable才不为null;不然其余时刻，nextTable为null;
//nextTable主要用于扩容过程当中指向扩容后的新数组
private transient volatile Node<K,V>[] nextTable;
/**
* 未初始化：
* sizeCtl=0：表示没有指定初始容量。
* sizeCtl>0：表示初始容量。
* 初始化中：
* sizeCtl=-1,标记做用，告知其余线程，正在初始化
* 正常状态：
* sizeCtl=0.75n ,扩容阈值
* 扩容中:
* sizeCtl < 0 : 表示有其余线程正在执行扩容
* sizeCtl = (resizeStamp(n) << RESIZE_STAMP_SHIFT) + 2 :表示此时只有一个线程在执行扩容
*/
private transient volatile int sizeCtl;
//用于扩容过程当中，指示原数组下一个分割区间的上界位置，从后往前指示
private transient volatile int transferIndex;
//key的视图，map中全部key的集合
private transient KeySetView<K,V> keySet;
//value的视图
private transient ValuesView<K,V> values;
//Entry视图
private transient EntrySetView<K,V> entrySet;
//空构造，啥也没干
public ConcurrentHashMap() {
}
//带指定容量的构造方法，虽然指定了容量，但map的容量的肯定并非指定的容量
//而是最接近该容量的2的幂次方数
public ConcurrentHashMap(int initialCapacity) {
if (initialCapacity < 0) //判断容量是否合法
throw new IllegalArgumentException();
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
this.sizeCtl = cap;
}
//扩容策略，容量的肯定方法
private static final int tableSizeFor(int c) {
int n = c - 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;
}
//带有map集合的构造方法
public ConcurrentHashMap(Map<? extends K, ? extends V> m) {
this.sizeCtl = DEFAULT_CAPACITY;
putAll(m);
}
//带有负载因子及初始化容量的构造方法
public ConcurrentHashMap(int initialCapacity, float loadFactor) {
this(initialCapacity, loadFactor, 1);
}
//带有负载因子及初始化容量、并发等级的构造方法
public ConcurrentHashMap(int initialCapacity,
float loadFactor, int concurrencyLevel) {
if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0)
throw new IllegalArgumentException();
if (initialCapacity < concurrencyLevel) // 最低的容量不能小于并发级别
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;
}
//不安全的属性变量，知道就行
private static final sun.misc.Unsafe U; //不安全的底层操做类
private static final long SIZECTL; //变量sizeCtl的内存地址偏移量
private static final long TRANSFERINDEX; //变量transferIndex的内存地址偏移量
private static final long BASECOUNT; //变量baseCount的内存地址偏移量
private static final long CELLSBUSY; //变量cellsBusy的内存地址偏移量
private static final long CELLVALUE; //变量value的内存地址偏移量
private static final long ABASE; //变量ak的内存地址偏移量
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);
}
}
}
5.put过程
数据的put过程：
public V put(K key, V value) {
return putVal(key, value, false); //真正执行put的方法
}
//若key不存在map中，则直接将key与value新增到map中，若key已存在，则根据onlyIfAbsent
//决定是否覆盖，false为覆盖，true不覆盖
final V putVal(K key, V value, boolean onlyIfAbsent) {
//判断key或value是否为null，从这能够看出，ConcurrentHashMap的键与值均不能为null
if (key == null || value == null) throw new NullPointerException();
int hash = spread(key.hashCode()); //计算key对应的hash值
int binCount = 0; //用来计算在这个链表或红黑树总共有多少个元素，用来控制扩容或者转移为树
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
//判断table是否初始化过，若未初始化，则进行初始化
if (tab == null || (n = tab.length) == 0)
tab = initTable(); //初始哈数组的方法
//判断hash值在table中对应的索引位置是否已经有数据
//若没有数据，则直接公国CAS的方式更新数据（即新建一个结点放到数组table中）
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null))) //向数组中新增结点
break; // 新增完毕，退出循环
}
//判断数组table对应索引的结点的状态（即链表的表头或红黑树的根结点的hash值）
//若为MOVED表示数组正在扩容的复制阶段，那么当前线程也前去帮忙复制
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f); //帮助转移复制数据
else {
V oldVal = null;
//对表头或树根结点对象加锁，即同时仅有一个线程能对该链表或红黑树进行新增操做
//从这里能够看出ConcurrentHashMap的并发安全是基于对链表或黑红树的独占操做实现的
synchronized (f) {
//判断数组中的索引是否发生改变
//有可能结点的类型发生改变（链表转成红黑树）
if (tabAt(tab, i) == f) {
if (fh >= 0) {
binCount = 1;
//遍历链表
for (Node<K,V> e = f;; ++binCount) {
K ek;
//判断要存放的key在链表中是否已经存在
//如果存在则根据onlyIfAbsent决定是否覆盖
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;
//如果key在链表中以前不存在，那么新建一个key和value构成的结点，向链表末尾新增
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
//判断结点是不是TreeBin类型，如果则代表链表已经树化了
//应该使用红黑树中的方法进行替换或新增
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
//putTreeVal是红黑树中的新增或替换方法，
//若返回不为null，则表示key在树中已存在，返回对应的结点
//若返回是null，代表是新增结点
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
//判断链表是否须要树化成红黑树
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD) //判断链表的长度是否超过8
treeifyBin(tab, i);
if (oldVal != null) //如果替换结点的value，则返回旧值
return oldVal;
break;
}
}
}
addCount(1L, binCount); //到这必然新增一个node，该修改size的值了
return null;
}
//hash值的计算方法，即散列算法
//h缩小2的16次方后与自身向异或，在与上HASH_BITS（0x7fffffff）
static final int spread(int h) {
return (h ^ (h >>> 16)) & HASH_BITS;
}
//初始化table数组
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
//当table为空时，尝试对table进行初始化
while ((tab = table) == null || tab.length == 0) {
//判断是否有其余线程正在对table数组进行初始化工做
//当sizeCtl==-1时，说明已经有线程正在对table进行初始化，当前线程应该暂停让出cpu资源
if ((sc = sizeCtl) < 0)
Thread.yield();
//CAS方式尝试更新sizeCtl的值，将sizeCtl的值由sc更新成-1，-1表示table表要进行初始化了
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
//再次确认table为初始化过
if ((tab = table) == null || tab.length == 0) {
//初始化指定的容量，若未指定初始容量的大小则使用DEFAULT_CAPACITY（16）
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
sc = n - (n >>> 2); //令sizeCtl的值为0.75倍的数组大小
}
} finally {
sizeCtl = sc;
}
break;
}
}
return tab;
}
//安全的获取数组tab中索引为i的位置的数据
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);
}
//辅助table数组的扩容转移工做
final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
Node<K,V>[] nextTab; int sc;
//判断数组table是否为null，且结点f是不是ForwardingNode类型，且nextTab是否为null
//即判断map是否是处在扩容状态，如果进入帮助扩容
if (tab != null && (f instanceof ForwardingNode) &&
(nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) {
int rs = resizeStamp(tab.length);
while (nextTab == nextTable && table == tab &&
(sc = sizeCtl) < 0) {
//判断是否还有未转移的桶区间，若没有，则退出
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || transferIndex <= 0)
break;
//若还有，则尝试参与扩容的线程数+1；成功就进行转移，
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
transfer(tab, nextTab);
break;
}
}
return nextTab;
}
return table;
}
//链表是否须要树化
private final void treeifyBin(Node<K,V>[] tab, int index) {
Node<K,V> b; int n, sc;
if (tab != null) {
//判断数组table的大小是否知足树化的最小容量要求
//若不知足，但链表长度又超过8，则进行数组扩容，扩大一倍
if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
tryPresize(n << 1); //扩容
else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
//锁结点将链表树化。其实就是新建一棵红黑树。
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)); //更新索引位置的结点为树的根结点
}
}
}
}
}
//数组table扩容
private final void tryPresize(int size) {
//判断要扩大的容量是否越界，且是不是2的次方
int c = (size >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY :
tableSizeFor(size + (size >>> 1) + 1);
int sc;
while ((sc = sizeCtl) >= 0) {
Node<K,V>[] tab = table; int n;
//判断数组是否初始化过，若没有初始化过，则初始化数组table
//这里和initTable方法是同样的
if (tab == null || (n = tab.length) == 0) {
n = (sc > c) ? sc : c;
if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
if (table == tab) {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = nt;
sc = n - (n >>> 2);
}
} finally {
sizeCtl = sc;
}
}
}
//判断是否须要扩容，c小于等于sc则表示无需扩容，没达到扩容的临界值，n大于MAXIMUM_CAPACITY表示不能再扩大了
else if (c <= sc || n >= MAXIMUM_CAPACITY)
break;
else if (tab == table) {
int rs = resizeStamp(n); //不知道用来干吗，艹
//判断是否在扩容或初始化，扩容或初始化是sc小于0
//如果初始化（sc==-1）
if (sc < 0) {
Node<K,V>[] nt;
/**
* 1 (sc >>> RESIZE_STAMP_SHIFT) != rs ：扩容线程数 > MAX_RESIZERS-1
* 2 sc == rs + 1 和 sc == rs + MAX_RESIZERS ：看不懂..
* 3 (nt = nextTable) == null ：表示nextTable正在初始化
* 4 transferIndex <= 0 ：表示全部hash桶均分配出去
*/
//若是不须要帮其扩容，直接返回
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex <= 0)
break;
//transfer的线程数+1,该线程将帮忙转移
//在transfer的时候，sc表示在transfer工做的线程数
//第一个执行扩容操做的线程，将sizeCtl设置为：(resizeStamp(n) << RESIZE_STAMP_SHIFT) + 2)
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
transfer(tab, nt);
}
//没有在初始化或扩容，则开始扩容
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
}
}
}
//这个方法计算n的二进制最高位前有几个零，而后和2的15次方按位或，得出个数，不知道有什么用
static final int resizeStamp(int n) {
return Integer.numberOfLeadingZeros(n) | (1 << (RESIZE_STAMP_BITS - 1));
}
/**
* 数组扩容的核心方法
* 把数组中的节点复制到新的数组的相同位置，或者移动到扩张部分的相同位置
* 在这里首先会计算一个步长，表示一个线程处理的数组长度，用来控制对CPU的使用，
* 每一个CPU最少处理16个长度的数组元素,也就是说，若是一个数组的长度只有16，那只有一个线程会对其进行扩容的复制移动操做
* 扩容的时候会一直遍历，直到复制完全部节点，每处理一个节点的时候会在链表的头部设置一个fwd节点，这样其余线程就会跳过他，
* 复制后在新数组中的链表不是绝对的反序的
* 简要过程
* 一、获取遍历table的步长
* 二、最早进行扩容的线程，会初始化nextTable（正常状况下，nextTable 是table的两倍大小）
* 三、计算table某个位置索引 i,该位置上的数据将会被转移到nextTable 中。
* 四、若是索引i 所对应的table的位置上没有存放数据，则放有ForwardingNode 数据，代表该table 正在进行扩容处理。
* （若是有添加数据的线程添加数据到该位置上，将会发现table的状态）
* 五、将索引i 位置上的数据进行转移，数据分红两部分，一部分就是数据 在nextTable 中索引没有变（仍然是i），
* 另外一部分则是其索引变成i+n的,将这两部分分别添加到nextTable 中。
*/
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
int n = tab.length, stride;
//判断并设置每一个cpu核心（即每一个线程）须要转移的结点数量，最少为16个
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
//nextTab为null，初始化一个table数组2倍长度的数组
if (nextTab == null) { // initiating
try {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];
nextTab = nt;
} catch (Throwable ex) { // try to cope with OOME
sizeCtl = Integer.MAX_VALUE;
return;
}
nextTable = nextTab;
transferIndex = n; //transferIndex为原数组的终点，转移时，从后往前转移，控制原数组的转移
}
int nextn = nextTab.length; //新数组长度
//新建ForwardingNode结点，用来控制并发的，当一个节点为空或已经被转移以后，就设置为ForwardingNode节点
//是个空的标志结点
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
//advance 指的是作完了一个位置的迁移工做，能够准备作下一个位置的了
//表示是否继续向前查找的标志位
boolean advance = true;
boolean finishing = false; //转移是否完成的标志位，完成前从新扫面数组，看看有没有遗留的
//计算和控制对table 表中位置i 的数据进行转移
//bound为数组区间下限值，i为当前转移数组的位置,--i处理转移下一个节点位置，从后往前处理
//1 逆序迁移已经获取到的hash桶集合，若是迁移完毕，则更新transferIndex，获取下一批待迁移的hash桶
//2 若是transferIndex=0，表示因此hash桶均被分配，将i置为-1，准备退出transfer方法
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
while (advance) {
int nextIndex, nextBound;
//判断当前这一段桶区间stride是否转移完成
//i小于bound，就表示当前任务完成了
//finishing==true则表示没有转移任务结束了
if (--i >= bound || finishing)
advance = false;
//判断是否还有 转移任务可领取
//transferIndex==0表示，原数组中全部的桶区间都已经有线程在进行转移了
else if ((nextIndex = transferIndex) <= 0) {
i = -1;
advance = false;
}
//CAS操做修改transferIndex值，表明下一个线程要转移原数组的结点的起始索引位置
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ?
nextIndex - stride : 0))) {
bound = nextBound;
i = nextIndex - 1;
advance = false;
}
}
//判断i是否小于0，便是不是全部数据都转移完了
//且i是否越界，i是不该该大于原数组长度的，也不应大于新数组长度
if (i < 0 || i >= n || i + n >= nextn) {
int sc;
//判断转移操做是否完成
//完成的话就将新数组赋给table，sizeCtl变为0.75倍的新数组长度
//nextTable则赋null，扩容完成
if (finishing) {
nextTable = null;
table = nextTab;
sizeCtl = (n << 1) - (n >>> 1);
return;
}
//转移工做没有结束，尝试更新sizeCtl的值，更新成功，表示当前转移该桶区间数据的任务完成了
/**
* 最早的线程，执行transfer方法时，会设置
* sizeCtl = (resizeStamp(n) << RESIZE_STAMP_SHIFT) + 2) （为何是这个数？）
* 后面辅助扩容的线程，执行transfer方法以前，会设置 sizeCtl = sizeCtl+1
* 每一个线程转移完桶区间的数据后退出以前，会设置 sizeCtl = sizeCtl-1
* 那么最后一个线程退出时：必然有sc == (resizeStamp(n) << RESIZE_STAMP_SHIFT) + 2)，
* 即 (sc - 2) == resizeStamp(n) << RESIZE_STAMP_SHIFT
*/
if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {
//判断是否到最后一个线程
if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)
return;
finishing = advance = true;
i = n; //最后退出的线程要从新check下是否所有转移完毕
}
}
//判断原数组索引i处是否为null，为null就放个ForwardingNode结点，表示数组正在扩容转移
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
//判断索引i处的结点是不是ForwardingNode结点，如果，表示该结点已经转移了
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
else {
//对数组索引i的结点进行加锁，该结点进行数据转移，不要打扰
synchronized (f) {
//再次判断头结点有没有被修改过，被修改过就循环从新来
if (tabAt(tab, i) == f) {
//新建两个链表。用于存放原链表转移到新数组是分开的结点
//ln存放索引不变的结点，hn存放索引变为i+n的结点
Node<K,V> ln, hn;
//判断头结点时链表仍是红黑树
/**
* fh大于等于0表示当前索引下是链表结构，那么链表中的结点转移到新数组中
* 只有可能存放在与元素组相同的索引i处，或是i+n（n为原数组长度）处，这是由于
* 数组的扩容时原来的2倍，且数组的长度必须是2的幂次方，这就使得同一索引的结点在新数组
* 中的索引只有上述两种可能的去处（这里与hashmap是相同的）
*/
if (fh >= 0) {
//计算hash值与数组长度的按位结果
/**
* 咱们知道hash&（n-1）是结点在数组中的索引位置
* 而hash&n，则是判断结点是在新数组中位置是否变化的一个依据
* 例子：e.hash=6,二进制为0000 0110。oldCap假设为16，二进制位0001 0000。newCap为32，二进制位0010 0000
* (e.hash & oldCap)=0000 0110 & 0001 0000=0000 0000 ；
* (e.hash & oldCap-1)=0000 0110 & 0000 1111=0000 0110 ;
* (e.hash & newCap)=0000 0110 & 0010 0000=0000 0000
* (e.hash & newCap-1)=0000 0110 & 0001 1111=0000 0110 ;
* 例子：e.hash=19,二进制为0001 0011。oldCap假设为16，二进制位0001 0000。newCap为32，二进制位0010 0000
* (e.hash & oldCap)=0001 0011 & 0001 0000=0001 0000 ；
* (e.hash & oldCap-1)=0001 0011 & 0000 1111=0000 0011 ;
* (e.hash & newCap)=0001 0011 & 0010 0000=0000 0000
* (e.hash & newCap-1)=0001 0011 & 0001 1111=0001 0011 ;
* 有上面就能够看出当(e.hash & oldCap) == 0时，(e.hash & oldCap-1)与(e.hash & newCap-1)的值时相同的，即在新数组中索引不变
* 而当(e.hash & oldCap) != 0 时，(e.hash & oldCap-1)与(e.hash & newCap-1)的值不相同的，即在新数组的索引变了
* 而且hash& n的结果只有0或n两种，能够借此判断是存放在hn中仍是ln中
int runBit = fh & n;
Node<K,V> lastRun = f; //最后一次发生hash值改变的结点
//遍历链表查找结点的hash & n值最后一次有变化的结点
for (Node<K,V> p = f.next; p != null; p = p.next) {
int b = p.hash & n;
if (b != runBit) {
runBit = b;
lastRun = p;
}
}
//lastRun用做哪一个链表的起点，runBit为0表示结点在新数组中的索引不变
//runBit不为0表示结点在新数组中发生改变，变为i+n
if (runBit == 0) {
ln = lastRun;
hn = null;
}
else {
hn = lastRun;
ln = null;
}
//将结点转移到新数组中
//遍历旧链表，按个判断是移动到i+n位置，仍是索引不动，分别放入ln或hn链表中
//这里hn或ln哪一个链表为null，就会出现结点顺序反转，假设ln为null，则
//有ln==null，那么越早加入链表就会排在越后面
//而hn==lastRun，则会有部分结点反转，即原数组中lastRun结点以前的顺序会反转，以后不变
for (Node<K,V> p = f; p != lastRun; p = p.next) {
int ph = p.hash; K pk = p.key; V pv = p.val;
if ((ph & n) == 0)
ln = new Node<K,V>(ph, pk, pv, ln);
else
hn = new Node<K,V>(ph, pk, pv, hn);
}
//将两个新的链表更新到新数组中
setTabAt(nextTab, i, ln);
setTabAt(nextTab, i + n, hn);
setTabAt(tab, i, fwd); //将原数组的索引位置结点用fwd替换
advance = true;
}
//这里就是红黑树的转移了
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;
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;
}
}
//判断两个树结点是否是小于等于6，要不要退化成链表
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;
setTabAt(nextTab, i, ln);
setTabAt(nextTab, i + n, hn);
setTabAt(tab, i, fwd);
advance = true;
}
}
}
}
}
}
6.size的更新
到这ConcurrentHashMap的put过程及扩容过程的分析就算告一段落，可是仍然还有一点小问题尚未解决，那就是ConcurrentHashMap键值对个数的统计size值的问题，在putVal方法的末尾有个addCount方法就是对size的更新，但在看这个方法前先要了解size是如何在并发环境下进行定义的：
//标识当前cell数组是否在初始化或扩容中的CAS标志位
private transient volatile int cellsBusy;
//counterCells数组，总数值的分值分别存在每一个cell中
private transient volatile CounterCell[] counterCells;
//没有竞争的时候使用，或者在初始化的时候做为一个反馈
//总和值的得到方式为 base + 每一个cell中分值之和在并发度较低的场景下，全部值都直接累加在base中
private transient volatile long baseCount;
//CounterCell的定义
@sun.misc.Contended static final class CounterCell {
volatile long value;
CounterCell(long x) { value = x; }
}
//计算总和，每一个CounterCell中的值相加
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;
}
了解了定义，再来看看addCount方法：
private final void addCount(long x, int check) {
CounterCell[] as; long b, s;
//若是counterCell数组为null，则直接尝试将增长的键值对数更新到baseCount的上
//若counterCell不为null
if ((as = counterCells) != null ||
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
CounterCell a; long v; int m;
// 是否冲突标志，默认未冲突
boolean uncontended = true;
// 若是计数数组是空（还没有出现并发）
// 若是随机取一个数组位置为空 或者
// 修改这个变量cellvalue失败（出现并发了）
// 执行 fullAddCount 方法。并结束
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;
//计算总和
s = sumCount();
}
//判断是否须要扩容，从putVal方法进来（check一定大于等于0）一定要检查是否要扩容
//这里与上面分析的扩容过程相似，不在多说
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);
if (sc < 0) {
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);
}
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
s = sumCount();
}
}
}
/**
* 一、初始化probe，该值散列后用于获取counterCells数组的索引值（线程相关）
* 二、若是counterCells数组不为空，尝试占据counterCells 数组，建立CounterCell存放到counterCells中的某个位置上，退出循环
* 三、若是counterCells 中该位置上存在数据，若是有冲突，则从新循环，不然尝试累加数据到cell 中，成功则退出循环。
* 四、若是counterCells 数组扩容，或者不须要扩容，则从新循环
* 五、对counterCells 进行扩容操做（容量增长1倍），而后从新循环
* 六、若是counterCells未初始化，则尝试进行初始化
* 七、若是初始化失败，则有其它线程再初始化，更新baseCount，成功就退出，不然从新循环。
*/
private final void fullAddCount(long x, boolean wasUncontended) {
int h;
// 获取当前线程的probe值
// 若是为0，则初始化当前线程probe值
if ((h = ThreadLocalRandom.getProbe()) == 0) {
ThreadLocalRandom.localInit(); // 生成一个线程全部的随机值
h = ThreadLocalRandom.getProbe(); //返回生成的probe值，用于选择counterCells数组的下标
wasUncontended = true; //从新生成了probe，未冲突标志位设置为true
}
boolean collide = false; // 标识是不是最后一个槽位
for (;;) {
CounterCell[] as; CounterCell a; int n; long v;
//判断counterCells数组是否初始化过，若未初始化则先初始化
//cells数组不为空，即表示初始化已经成功
if ((as = counterCells) != null && (n = as.length) > 0) {
//判断当前线程对应的索引是否有数据
//没有数据则新建一个CounterCell存放x，并更新counterCells数组
if ((a = as[(n - 1) & h]) == null) {
//判断counterCells数组在什么状态下
//为0表示不在扩容或初始化状态
if (cellsBusy == 0) { // Try to attach new Cell
//新建当前线程对应的CounterCell对象
CounterCell r = new CounterCell(x); // Optimistic create
// CAS设置cellsBusy，防止其它线程来破坏数据结构
if (cellsBusy == 0 &&
U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
boolean created = false; //标志位，操做是否成功
try { // Recheck under lock
CounterCell[] rs; int m, j;
//更新counterCells数组中的数据
if ((rs = counterCells) != null &&
(m = rs.length) > 0 &&
rs[j = (m - 1) & h] == null) {
rs[j] = r;
created = true;
}
} finally {
cellsBusy = 0; //恢复标志位
}
//更新成功，则退出死循环
if (created)
break;
continue; // Slot is now non-empty
}
}
collide = false;
}
//对应索引中已经有数据了
//而且调用该函数前，cellvalue的CAS操做也已经失败（已经发生竞争）
else if (!wasUncontended) // CAS already known to fail
wasUncontended = true; // Continue after rehash
//执行value的累加
else if (U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))
break; //成功更新就直接退出
//若是数组比较大了，则不须要扩容，继续重试，或者已经扩容了，重试
else if (counterCells != as || n >= NCPU)
collide = false; // At max size or stale
else if (!collide)
collide = true;
//对counterCells数组进行扩容，如有其余线程在扩容则从新循环
else if (cellsBusy == 0 &&
U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
try {
if (counterCells == as) {// Expand table unless stale
CounterCell[] rs = new CounterCell[n << 1]; //扩大1倍
for (int i = 0; i < n; ++i) //直接转移数据
rs[i] = as[i];
counterCells = rs;
}
} finally {
cellsBusy = 0;
}
collide = false;
continue; // Retry with expanded table
}
h = ThreadLocalRandom.advanceProbe(h); //从新生成一个probe值
}
//进行初始化
//线程要初始化counterCells数组的条件是：cellsBusy标志位要为0（说明不在初始化或扩容）
//counterCells == as这个判断不知道有什么意义？
//当前线程更新cellsBusy状态为初始化状态，那么其余线程就不能再进行初始化了
else if (cellsBusy == 0 && counterCells == as &&
U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
boolean init = false; //标志初始化是否成功
try { // Initialize table
if (counterCells == as) {
CounterCell[] rs = new CounterCell[2]; //counterCells数组默认容量为2
rs[h & 1] = new CounterCell(x); //h&1是计算线程的probe值散列后的存放索引
counterCells = rs;
init = true; //初始化成功
}
} finally {
cellsBusy = 0; //恢复
}
if (init) //判断初始化是否成功，成功就退出
break;
}
//有其它线程占据counterCells数组，直接累加在base变量中
else if (U.compareAndSwapLong(this, BASECOUNT, v = baseCount, v + x))
break; // Fall back on using base
}
}
到这size的大小是如何计算更新的就差很少分析完了，能够看出size值只是一个瞬时值，大小随时都有可能变化，只能作参考，不要过分依赖使用
7.get和remove的过程
的剩余的get方法和remove方法就很简单了，看看就差很少都能理解，先来看看get方法：
//get方法的实现
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
int h = spread(key.hashCode()); //计算key对应的hash值
//判断table数组是否为空，若不为空，h对应的索引是否有结点
//table不为空或索引位置没有结点说明key不存在，直接返回null
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
//判断该索引位置的结点的hash值是否与h相同（有可能头结点的hash值小于0，表示此时正在扩容）
if ((eh = e.hash) == h) {
//判断要查找的key是否是头结点，如果头结点俺么直接返回头结点的value值
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
//eh小于0，该结点是ForwardingNode结点或TreeBin结点，调用find方法
//ForwardingNode的find方法比较简单就是遍历新数组来查找对应结点是否存在
//TreeBin的find方法则要复杂
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
//遍历链表来查找key对应的value
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
//ForwardingNode中的find方法，遍历新数组对应的索引查找key
Node<K,V> find(int h, Object k) {
// loop to avoid arbitrarily deep recursion on forwarding nodes
outer: for (Node<K,V>[] tab = nextTable;;) {
Node<K,V> e; int n;
if (k == null || tab == null || (n = tab.length) == 0 ||
(e = tabAt(tab, (n - 1) & h)) == null)
return null;
for (;;) {
int eh; K ek;
if ((eh = e.hash) == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
if (eh < 0) {
if (e instanceof ForwardingNode) {
tab = ((ForwardingNode<K,V>)e).nextTable;
continue outer;
}
else
return e.find(h, k);
}
if ((e = e.next) == null)
return null;
}
}
}
//TreeBin中的find方法
final Node<K,V> find(int h, Object k) {
if (k != null) {
//
for (Node<K,V> e = first; e != null; ) {
int s; K ek;
//判断TreeBin的状态，如果等待或写状态，则以链表的形式进行遍历查找
//((s = lockState) & (WAITER|WRITER)) == 0表示TreeBin如今处于读状态
if (((s = lockState) & (WAITER|WRITER)) != 0) {
if (e.hash == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
e = e.next;
}
//尝试更新读状态，即获取读锁，成功的话，就以红黑树的形式进行遍历查找
else if (U.compareAndSwapInt(this, LOCKSTATE, s,
s + READER)) {
TreeNode<K,V> r, p;
try {
p = ((r = root) == null ? null :
r.findTreeNode(h, k, null));
} finally {
Thread w;
if (U.getAndAddInt(this, LOCKSTATE, -READER) ==
(READER|WAITER) && (w = waiter) != null)
LockSupport.unpark(w);
}
return p;
}
}
}
return null;
}
再看remove方法：
public V remove(Object key) {
return replaceNode(key, null, null);
}
final V replaceNode(Object key, V value, Object cv) {
int hash = spread(key.hashCode()); //计算hash值
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
//判断table数组是否为空，或hash值对应索引上是否有结点
//table为空或索引上没有结点，代表key不存在，直接返回
if (tab == null || (n = tab.length) == 0 ||
(f = tabAt(tab, i = (n - 1) & hash)) == null)
break;
else if ((fh = f.hash) == MOVED)
//若是当前table数组在扩容，当前线程先去辅助扩容，扩容完在删除结点
tab = helpTransfer(tab, f);
else {
V oldVal = null;
boolean validated = false;
synchronized (f) { //加锁，保证对应的链表或红黑树的并发操做
if (tabAt(tab, i) == f) { //再次判断头结点是否被改变
//判断是链表仍是红黑树结构
//fh大于0代表是链表
if (fh >= 0) {
validated = true;
//遍历链表
for (Node<K,V> e = f, pred = null;;) {
K ek;
//判断遍历到的当前结点是否是要删除的结点
//是要删除的结点就进行删除，并将删除结点的value返回
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
V ev = e.val;
if (cv == null || cv == ev ||
(ev != null && cv.equals(ev))) {
oldVal = ev;
if (value != null)
e.val = value;
else if (pred != null)
pred.next = e.next;
else
setTabAt(tab, i, e.next);
}
break;
}
pred = e;
if ((e = e.next) == null) //判断下个结点
break; //链表到头了，说明不存在哟啊删除的结点，直接退出循环
}
}
//底层是红黑树结构，执行红黑树中删除节点的额方法，这里不作深刻，有兴趣能够看源码具体实现
else if (f instanceof TreeBin) {
validated = true;
TreeBin<K,V> t = (TreeBin<K,V>)f;
TreeNode<K,V> r, p;
//先查找出key对应的结点是否存在，不存在直接结束
//存在的话，获取到value再删除结点
if ((r = t.root) != null &&
(p = r.findTreeNode(hash, key, null)) != null) {
V pv = p.val;
if (cv == null || cv == pv ||
(pv != null && cv.equals(pv))) {
oldVal = pv;
if (value != null)
p.val = value;
else if (t.removeTreeNode(p))
setTabAt(tab, i, untreeify(t.first));
}
}
}
}
}
//判断要删除的key是否存在
//存在就返回对应的value，不存在就返回null
if (validated) {
if (oldVal != null) {
if (value == null)
addCount(-1L, -1);
return oldVal;
}
break;
}
}
}
return null;
}
OK，到这ConcurrentHashMap中的重要的方法基本就分析完了，剩余的方法就更简单，不在多说，gg。
相关文章
- 1. Java并发编程系列学习_并发容器ConcurrentHashMap
- 2. 并发容器ConcurrentHashMap和CopyOnWriteArrayList
- 3. java 并发之（四）并发容器ConcurrentHashMap
- 4. 网易云课堂学习-并发容器类ConcurrentHashMap/ConcurrentSkipListMap
- 5. jdk1.8并发容器：ConcurrentHashMap源码分析
- 6. 【面试系列】并发容器之ConcurrentHashMap
- 7. 并发容器之ConcurrentHashMap(JDK 1.8版本)
- 8. Java并发容器和框架--ConcurrentHashMap
- 9. 【并发容器精讲1、】ConcurrentHashMap
- 10. 并发容器ConcurrentHashMap——JDK1.7与JDK1.8区别
- 更多相关文章...
- • Rust 并发编程 - RUST 教程
- • 您已经学习了 XQuery，接下来该学习什么内容呢？ - XQuery 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Docker容器实战(七) - 容器眼光下的文件系统
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
- 1. 在windows下的虚拟机中,安装华为电脑的deepin操作系统
- 2. 强烈推荐款下载不限速解析神器
- 3. 【区块链技术】孙宇晨：区块链技术带来金融服务的信任变革
- 4. 搜索引起的链接分析-计算网页的重要性
- 5. TiDB x 微众银行 | 耗时降低 58%，分布式架构助力实现普惠金融
- 6. 《数字孪生体技术白皮书》重磅发布（附完整版下载）
- 7. 双十一“避坑”指南：区块链电子合同为电商交易保驾护航！
- 8. 区块链产业，怎样“链”住未来？
- 9. OpenglRipper使用教程
- 10. springcloud请求一次好用一次不好用zuul Name or service not known
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Java并发编程系列学习_并发容器ConcurrentHashMap
- 2. 并发容器ConcurrentHashMap和CopyOnWriteArrayList
- 3. java 并发之（四）并发容器ConcurrentHashMap
- 4. 网易云课堂学习-并发容器类ConcurrentHashMap/ConcurrentSkipListMap
- 5. jdk1.8并发容器：ConcurrentHashMap源码分析
- 6. 【面试系列】并发容器之ConcurrentHashMap
- 7. 并发容器之ConcurrentHashMap(JDK 1.8版本)
- 8. Java并发容器和框架--ConcurrentHashMap
- 9. 【并发容器精讲1、】ConcurrentHashMap
- 10. 并发容器ConcurrentHashMap——JDK1.7与JDK1.8区别