JUC并发—8.并发安全集合一
大纲
1.JDK 1.7的HashMap的死循环与数据丢失
2.ConcurrentHashMap的并发安全
3.ConcurrentHashMap的设计介绍
4.ConcurrentHashMap的put操作流程
5.ConcurrentHashMap的Node数组初始化
6.ConcurrentHashMap对Hash冲突的处理
7.ConcurrentHashMap的并发扩容机制
8.ConcurrentHashMap的分段锁统计元素数据
9.ConcurrentHashMap的查询操作是否涉及锁
10.ConcurrentHashMap中红黑树的使用
1.JDK 1.7的HashMap的死循环与数据丢失
(1)JDK 1.7的HashMap工作原理
(2)JDK 1.7的HashMap并发下导致的环形链表
(3)环形链表引发的死循环与数据丢失
(4)JDK 1.7和JDK 1.8的HashMap对比
(5)并发安全的集合
(1)JDK 1.7的HashMap工作原理
一.Hash算法
put(key, value) => 对key执行Hash算法 => 根据Hash值用类似取模的算法 => 定位数组的某一个元素 => 如果数组元素为空，则将value存放在该数组元素里。
二.Hash冲突
如果两个key的Hash值，经过取模算法定位到数组的同一个位置，此时就会用链表处理这种Hash冲突。
三.数组扩容
如果数组元素达到了：数组大小 * loadFactor(0.75)，此时就会数组扩容。扩容时会按照倍数扩容，首先创建一个两倍大小的新数组。然后遍历原来的数组元素，对每个元素的key值进行Hash运算。接着将Hash运算后的Hash值对新数组大小进行取模，定位到新数组位置。
(2)JDK 1.7的HashMap并发下导致的环形链表
多线程并发操作HashMap时，可能会在扩容过程中形成一个环形链表。比如两个线程同时插入一个元素，而此时恰好两个线程同时触发了数组扩容。那么在数组扩容的过程中，就可能会形成一个环形链表。
下面是JDK1.7中HashMap扩容的核心源码。进行数组扩容时，会使用头插法来进行链表迁移。如果并发执行的两个线程同时使用头插法进行链表迁移，那么就有可能形成一个环形链表。
//JDK1.7的HashMap扩容的核心方法
void transfer(Entry[] newTable) {
Entry[] src = table;//旧的数组
int newCapacity = newTable.length;
for (int j = 0; j < src.length; j++) {
Entry<K,V> e = src[j];
if (e != null) {
src[j] = null;
do {
Entry<K,V> next = e.next;
//线程1执行到这里，假设此时的链表为：newTable[i] = <k1,v1> -> <k2,v2>
//那么可知：e = <k1,v1>，next = <k2,v2>
//恰好此时CPU发生了上下文切换，于是切换到线程2去执行扩容
//线程2扩容时处理完链表的这两个节点后，newTable[i]就变成了：<k2,v2> -> <k1,v1>
//然后CPU又切换回线程1来执行，由于此时e = <k1,v1>，那么后续代码对e.next赋值后，e就成为环形链表了：
//也就是e = <k1,v1> -> <k2,v2> -> <k1,v1>，最后e又赋值给newTable[i]
int i = indexFor(e.hash, newCapacity);//在新数组的位置
//头插法：刚开始newTable[i]为null，后来newTable[i]变为<k1,v1>；
//然后当e=<k2,v2>时，这里e设为<k2,v2> -> <k1,v1>，并又赋值给newTable[i]
//接着遍历链表当e=<k3,v3>时，这里e设为<k3,v3> -> <k2,v2> -> <k1,v1> ...
e.next = newTable[i];
newTable[i] = e;
e = next;
} while (e != null);
}
}
}
(3)环形链表引发的死循环与数据丢失
一.环形链表导致死循环
假如执行get(k3)时，k3的Hash取模算法定位到环形链表的位置。于是开始遍历环形链表，但由于环形链表里没有k3的值，所以会导致在环形链表中无法找到k3对应的值进行返回。这样就导致了一直在环形链表中进行死循环，无法退出遍历。最后导致CPU飙升，线上系统被这个get操作卡死。
二.环形链表导致丢失数据
上面例子就导致了从出发是无法找到的，因此这条数据就永久丢失了，甚至会被垃圾回收掉。
(4)JDK 1.7和JDK 1.8的HashMap对比
在JDK1.7中，HashMap采用数组 + 链表的数据结构来存储数据。在多个线程并发扩容时，可能会造成环形链表最终导致死循环和数据丢失。
在JDK1.8中，HashMap采用数组 + 链表 + 红黑树的数据结构来存储数据，并且优化了JDK1.7中的数组扩容方案，解决了死循环和数据丢失的问题。但是在并发场景下调用put()方法时，有可能会存在数据覆盖的问题。
(5)并发安全的集合
比如HashTable使用synchronized来保证线程的安全性，比如Collections.synchronizedMap可以把一个线程不安全的Map，通过synchronized的方式，将其变成安全的。
但是这些方法在线程竞争激烈的情况下，效率都比较低。因为它们都是在方法层面上使用了synchronized实现的锁机制，从而导致不管是put操作还是get操作都需要去竞争同一把锁。
ConcurrentHashMap既能保证并发安全，性能也好于HashTable等集合。
2.ConcurrentHashMap的并发安全
(1)如何理解ConcurrentHashMap的并发安全
(2)ConcurrentHashMap在复合操作中的安全问题
(3)ConcurrentMap可解决复合操作的安全问题
(4)ConcurrentMap支持lambda表达式操作
(1)如何理解ConcurrentHashMap的并发安全
只能保证多线程并发执行时，容器中的数据不会被破坏。无法保证涉及多个线程的复合操作的正确性，复合操作会有并发安全问题。
(2)ConcurrentHashMap在复合操作中的安全问题
假设需要通过一个ConcurrentHashMap来记录每个用户的访问次数。如果指定用户已经有访问次数的记录，则进行递增，否则添加新访问记录。
如下代码在多线程并发调用时，会存在并发安全问题。虽然ConcurrentHashMap对于数据操作本身是安全的，但这里是复合操作，也就是"读—修改—写"，而这三个操作作为一个整体却不是原子的。所以当多个线程访问同一个用户时，很可能会覆盖相互操作的结果，从而造成该用户的访问记录次数少于实际访问次数。
public class Demo {
private static final ConcurrentHashMap<String, Long> USER_ACCESS_COUNT = new ConcurrentHashMap<>(64);
public static void main(String[] args) throws InterruptedException {
Long accessCount = USER_ACCESS_COUNT.get("张三");
if (accessCount == null) {
USER_ACCESS_COUNT.put("张三", 1L);
} else {
USER_ACCESS_COUNT.put("张三", accessCount + 1);
}
}
}
(3)ConcurrentMap可解决复合操作的安全问题
虽然ConcurrentHashMap是并发安全的，但对于其复合操作需要特别关注。上述复合操作的安全问题的解决方案是，可以对复合操作加锁，也可以使用ConcurrentMap接口来解决复合操作的安全问题。
ConcurrentMap是一个支持并发访问的Map集合，相当于在原本的Map集合上新增了一些方法来扩展Map的功能。
ConcurrentMap接口定义的如下4个方法，都能满足原子性的，可以用在ConcurrentHashMap的复合操作场景中。
//A java.util.Map providing thread safety and atomicity guarantees.
public interface ConcurrentMap<K, V> extends Map<K, V> {
...
//向ConcurrentHashMap集合插入数据
//如果插入数据的key不存在于集合中，则保存当前数据并且返回null
//如果key已经存在，则返回存在的key对应的value
V putIfAbsent(K key, V value);
//根据key和value来删除ConcurrentHashMap集合中的元素
//该删除操作必须保证key和value完全匹配，删除成功则返回true，否则返回false
boolean remove(Object key, Object value);
//根据key和oldValue来替换ConcurrentHashMap中已经存在的值，新的值是newValue
//该替换操作必须保证key和oldValue玩去匹配，替换成功则返回true，否则返回false
boolean replace(K key, V oldValue, V newValue);
//和replace(key, oldValue, newValue)不同之处在于，少了对oldValue的判断
//如果替换成功，则返回替换之前的value，否则返回null
V replace(K key, V value);
...
}
因此，可以基于ConcurrentMap提供的接口对上述Demo进行改造。将原来ConcurrentHashMap第一次的put()方法替换为putIfAbsent()方法，将原来ConcurrentHashMap修改用的put()方法替换为replace()方法。由于putIfAbsent()方法和replace()方法都能保证原子性，所以并发安全了。同时增加一个while(true)方法以实现一个类似自旋的操作，确保操作成功。
public class KeyUtil {
private static final ConcurrentHashMap<String, Long> USER_ACCESS_COUNT = new ConcurrentHashMap<>(64);
public static void main(String[] args) throws InterruptedException {
while (true) {
Long accessCount = USER_ACCESS_COUNT.get("张三");
if (accessCount == null) {
if (USER_ACCESS_COUNT.putIfAbsent("张三", 1L) == null) {
break;
}
} else {
if (USER_ACCESS_COUNT.replace("张三", accessCount, accessCount + 1)) {
break;
}
}
}
}
}
(4)ConcurrentMap支持lambda表达式操作
一.computeIfAbsent()方法
该方法通过判断传入的key是否存在来对ConcurrentMap进行数据初始化。如果key存在，则不做任何处理。如果key不存在，则调用mappingFunction计算出value值添加到Map。
//如果张三这个用户不存在，则下面代码会初始化张三这个用户的值为1
USER_ACCESS_COUNT.computeIfAbsent("张三", k -> 1L);
二.computeIfPresent()方法
该方法对已经存在的key对应的value值进行修改。如果key不存在，则返回null。如果key存在，则调用mappingFunction计算出value值修改Map。
//如果要对张三这个已经存在的用户的value值进行修改，可以使用如下代码：
USER_ACCESS_COUNT.computeIfPresent("张三", (k,v) -> v + 1);
三.compute()方法
compute()方法是computeIfAbsent()方法和computeIfPresent()方法的结合体。不管key是否存在，都会调用mappingFunction计算出value值。如果key存在，则对value进行修改。如果key不存在，则进行初始化处理。
//如果张三这个用户不存在，则下面代码会初始化张三这个用户的值为1
USER_ACCESS_COUNT.computeIfAbsent("张三", k -> 1L);
//如果要对张三这个已经存在的用户的value值进行修改，可以使用如下代码：
USER_ACCESS_COUNT.computeIfPresent("张三", (k,v) -> v + 1);
//如果张三这个用户存在，则对其value加1，否则初始化其值为1
USER_ACCESS_COUNT.compute("张三", (k,v) -> (v == null) ? 1L : v + 1);
3.ConcurrentHashMap的设计介绍
(1)JDK1.8相比于JDK1.7的改进
(2)ConcurrentHashMap的设计思想
(3)ConcurrentHashMap的数据结构定义
(1)JDK1.8相比于JDK1.7的改进
一.取消了segment分段设计，直接使用Node数组来保存数据
采用Node数组元素作为锁的粒度，进一步减少并发冲突的范围和概率。
二.引入红黑树设计
红黑树降低了极端情况下查询某个结点数据的时间复杂度，从O(n)降低到了O(logn)，提升了查找性能。
(2)ConcurrentHashMap的设计思想
一.通过对数组元素加锁来降低锁的粒度
二.多线程进行并发扩容
三.高低位迁移方法
四.链表转红黑树及红黑树转链表
五.分段锁来实现数据统计
(3)ConcurrentHashMap的数据结构定义
ConcurrentHashMap采用Node数组来存储数据，数组长度默认为16。Node表示数组中的一个具体的数据结点，并且实现了Map.Entry接口。Node的key和val属性，表示实际存储的key和value。Node的hash属性，表示当前key对应的hash值。Node的next属性，表示如果是链表结构，则指向下一个Node结点。
当链表长度大于等于8 + Node数组长度大于64时，链表会转为红黑树，红黑树的存储使用TreeNode来实现。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
//The default initial table capacity.
//Must be a power of 2 (i.e., at least 1) and at most MAXIMUM_CAPACITY.
private static final int DEFAULT_CAPACITY = 16;
//The array of bins. Lazily initialized upon first insertion.
//Size is always a power of two. Accessed directly by iterators.
transient volatile Node<K,V>[] table;//用来存储ConcurrentHashMap数据的Node数组
//Key-value entry.
//This class is never exported out as a user-mutable Map.Entry
//(i.e., one supporting setValue; see MapEntry below),
//but can be used for read-only traversals used in bulk tasks.
//Subclasses of Node with a negative hash field are special,
//and contain null keys and values (but are never exported).
//Otherwise, keys and vals are never null.
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;//当前key对应的hash值
final K key;//实际存储的key
volatile V val;//实际存储的value
volatile Node<K,V> next;//如果是链表结构，则指向下一个Node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;
}
...
}
//Nodes for use in TreeBins
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;
}
...
}
...
}
4.ConcurrentHashMap的put操作流程
(1)ConcurrentHashMap的put操作流程
(2)ConcurrentHashMap和HashMap的put操作
(3)为什么ConcurrentHashMap是并发安全的
(1)ConcurrentHashMap的put操作流程
首先通过key的hashCode的高低16位的位与操作来计算key的hash值，让32位的hashCode都参与运算以降低数组大小小于32时哈希冲突的概率。
然后判断Node数组是否为空或者Node数组的长度是否为0。如果为空或者为0，则调用initTable()方法进行初始化。如果不为空，则通过hash & (n - 1)计算当前key在Node数组中的下标位置。并通过tabAt()方法获取该位置的值f，然后判断该位置的值f是否为空。
如果该位置的值f为空，则把当前的key和value封装成Node对象。然后尝试通过casTabAt()方法使用CAS设置该位置的值f为封装好的Node对象。如果CAS设置成功，则退出for循环，否则继续进行下一次for循环。
如果该位置的值f不为空，则判断Node数组是否正处于扩容中。如果是，那么当前线程就调用helpTransfer()方法进行并发扩容。如果不是，那么说明当前的key在Node数组中出现了Hash冲突。于是通过synchronized关键字，对该位置的值f进行Hash冲突处理。其实JUC还可以继续优化，比如先用CAS尝试修改哈希冲突下的链表或红黑树。如果CAS修改失败，那么再通过使用synchronized对该数组元素加锁来进行处理。
最后，会调用addCount()方法统计Node数组中的元素个数。
public class ConcurrentHashMapDemo {
public static void main(String[] args) {
ConcurrentHashMap<String, String> map = new ConcurrentHashMap<String, String>();
map.put("k1", "v1");
}
}
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
//The array of bins. Lazily initialized upon first insertion.
//Size is always a power of two. Accessed directly by iterators.
transient volatile Node<K,V>[] table;
//Creates a new, empty map with the default initial table size (16).
public ConcurrentHashMap() {
}
//Creates a new, empty map with an initial table size
//accommodating the specified number of elements without the need to dynamically resize.
//@param initialCapacity The implementation performs internal sizing to accommodate this many elements.
public ConcurrentHashMap(int initialCapacity) {
if (initialCapacity < 0) {
throw new IllegalArgumentException();
}
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY : tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
this.sizeCtl = cap;
}
//Returns a power of two table size for the given desired capacity.
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;
}
static final int spread(int h) {
//通过hashCode的高低16位的异或运算来计算hash值，以降低数组大小比32小的时候的哈希冲突概率
return (h ^ (h >>> 16)) & HASH_BITS;
}
//Maps the specified key to the specified value in this table.
//Neither the key nor the value can be null.
public V put(K key, V value) {
return putVal(key, value, false);
}
//获取Node数组在位置i的元素，通过Unsafe类让数组中的元素具有可见性
//虽然table变量使用了volatile修饰，但这只保证了table引用对于所有线程的可见性，还不能保证table数组中的元素的修改对于所有线程是可见的
//因此需要通过Unsafe类的getObjectVolatile()来保证table数组中的元素的可见性
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);
}
//CAS设置Node数组的元素为某个Node对象
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);
}
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) {
throw new NullPointerException();
}
//通过key的hashCode的高低16位的位与操作来计算hash值
int hash = spread(key.hashCode());
int binCount = 0;
//这是一个没有结束条件的for循环，用来自旋
//其中Node数组的引用赋值给了tab变量
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
if (tab == null || (n = tab.length) == 0) {
//调用initTable()方法初始化Node数组
tab = initTable();
} else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
//如果通过CAS设置Node数组位置i的值为key/value封装的Node对象，则退出for循环
if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null))) {
break;// no lock when adding to empty bin
}
} else if ((fh = f.hash) == MOVED) {
//如果发现Node数组正处于扩容中，那么就进行并发扩容
tab = helpTransfer(tab, f);
} else {
V oldVal = null;
//处理Hash冲突
synchronized (f) {
if (tabAt(tab, i) == f) {
if (fh >= 0) {//如果是链表
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
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;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key, value, null);
break;
}
}
} else if (f instanceof TreeBin) {//如果是红黑树
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key, value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent) {
p.val = value;
}
}
}
}
}
if (binCount != 0) {
//如果链表的元素大于等于8
if (binCount >= TREEIFY_THRESHOLD) {//TREEIFY_THRESHOLD = 8
treeifyBin(tab, i);//链表转红黑树
}
if (oldVal != null) {
return oldVal;
}
break;
}
}
}
//调用addCount()方法统计Node数组元素的个数
addCount(1L, binCount);
return null;
}
...
}
(2)ConcurrentHashMap和HashMap的put操作
都是通过key的hashCode的高低16位的异或运算，来降低Hash冲突概率。
都是通过Hash值与数组大小-1的位与运算(取模)，来定位key在数组的位置。
但ConcurrentHashMap使用了自旋 + CAS + synchronized来处理put操作，从而保证了多个线程对数组里某个key进行赋值时的效率 + 并发安全性。
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {
static final int TREEIFY_THRESHOLD = 8;//链表转红黑树的阈值
...
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0) {
n = (tab = resize()).length;
}
if ((p = tab[i = (n - 1) & hash]) == null) {
//如果通过哈希寻址算法定位到的下标为i的数组元素为空(即tab[i]为空)
//那么就可以直接将一个新创建的Node对象放到数组的tab[i]这个位置；
tab[i] = newNode(hash, key, value, null);
} else {
Node<K,V> e; K k;
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) {
//通过哈希寻址算法定位到的数组位置已有Node元素
//那么判断是否为相同的key，如果是相同的key则进行value覆盖
e = p;
} else if (p instanceof TreeNode) {
//通过哈希寻址算法定位到的数组位置已有Node元素，而且不是相同的key
//那么通过"p instanceof TreeNode)"，判断数组的tab[i]元素是否是一颗红黑树
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
} else {
...
}
...
}
++modCount;
//判断数组大小size，是否已经达到了扩容阈值threshold大小
if (++size > threshold) {
resize();
}
afterNodeInsertion(evict);
return null;
}
...
}
(3)为什么ConcurrentHashMap是并发安全的
首先在初始化Node数组时，会通过自旋 + CAS去设置sizeCtl的值来获得锁。然后在put()操作时，也会通过自旋 + CAS去设置数组某个位置的值。当出现Hash冲突时，则使用synchronized关键字来修改数组某个位置的值。
5.ConcurrentHashMap的Node数组初始化
(1)调用put()方法时才初始化Node数组
(2)initTable()方法的初始化逻辑
(3)sizeCtl的状态流转
(1)调用put()方法时才初始化Node数组
Node数组的初始化过程是被动的，当调用ConcurrentHashMap.put()方法时，如果发现Node数组还没有被初始化，才会调用initTable()方法完成初始化。
(2)initTable()方法的初始化逻辑
initTable()方法和一般的初始化方法不同，因为需要考虑多线程并发情形。
首先while循环的退出条件是Node数据即table初始化成功，否则一直循环。这其实就使用到了自旋的机制，因为多个线程调用initTable()必然会竞争。而在竞争的情况下如果不采用独占锁机制，就只能通过自旋来不断重试。
然后通过sizeCtl是否小于0来判断当前是否有其他线程正在进行初始化。如果有，则通过Thread.yield()把自己变成就绪状态，释放CPU资源。如果没有，则通过CAS修改sizeCtl变量的值为-1。
如果CAS修改sizeCtl成功，则表示当前线程获取初始化Node数组的锁成功了；
如果CAS修改sizeCtl失败，则表示当前线程获取初始化Node数组的锁失败了；
对于获取锁失败的线程，会继续进入下一次while循环进行重试，这样设计是为了避免出现多个线程同时初始化Node数组。
对于获取锁成功的线程，首先会判断Node数组是否已经初始化完成。如果Node数组已经初始化完成，则退出while循环。如果Node数组还是空，则创建一个Node数组，然后赋值给table变量。并且计算下次扩容的阈值(0.75倍当前数组容量)，然后赋值给sizeCtl。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
//sizeCtl = -1，表示当前有线程抢占到了初始化Node数组的资格，正在初始化Node数组
//sizeCtl < -1，用sizeCtl值的二进制低16位来记录当前参与扩容的线程数量
//sizeCtl = 0，表示Node数组未初始化，并且在ConcurrentHashMap构造方法中没有指定初始容量
//sizeCtl > 0，如果Node数组已经初始化，那么sizeCtl表示扩容的阈值(初始容量 * 0.75)，如果未初始化，则表示数组的初始容量
private transient volatile int sizeCtl;
private static final long SIZECTL;
static {
try {
U = sun.misc.Unsafe.getUnsafe();//获取UnSafe对象
Class<?> k = ConcurrentHashMap.class;
SIZECTL = U.objectFieldOffset(k.getDeclaredField("sizeCtl"));//获取sizeCtl变量的偏移量
...
} catch (Exception e) {
throw new Error(e);
}
}
...
//初始化Node数组
//Initializes table, using the size recorded in sizeCtl.
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
//退出while循环的条件是Node数组即table初始化成功
while ((tab = table) == null || tab.length == 0) {
//判断当前是否有其他线程正在进行初始化
if ((sc = sizeCtl) < 0) {
//如果有，则通过Thread.yield()把自己变成就绪状态，释放CPU资源
Thread.yield();//lost initialization race; just spin
} else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
//如果没有线程正在进行初始化，则通过CAS修改sizeCtl变量的值为-1
//如果CAS修改成功，则表示当前线程获得了初始化数组的锁
//如果CAS修改失败，则表示当前线程获取初始化数组的锁失败
try {
//再次判断Node数组是否为空，即Node数组是否已经初始化完成
//因为执行Thread.yield()让出CPU资源的线程必然会再次执行到这里
if ((tab = table) == null || tab.length == 0) {
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
//初始化大小为n的Node数组，然后赋值给tab变量和table变量
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
//赋值给ConcurrentHashMap的全局Node数组table
table = tab = nt;
//计算下次扩容的阈值，阈值的计算是当前数组容量的0.75倍
sc = n - (n >>> 2);
}
} finally {
//最后将扩容的阈值赋值给sizeCtl
sizeCtl = sc;
}
break;
}
}
return tab;
}
...
}
(3)sizeCtl的状态流转
一.sizeCtl = -1
表示当前有线程抢占到了初始化Node数组的资格，正在初始化Node数组。
二.sizeCtl < -1
用sizeCtl值的二进制低16位来记录当前参与扩容的线程数量。
三.sizeCtl = 0
表示Node数组未初始化，且创建ConcurrentHashMap时没有指定初始容量。
四.sizeCtl > 0
如果Node数组已经初始化，那么sizeCtl表示扩容的阈值(初始容量 * 0.75)。如果Node数组未初始化，则表示数组的初始容量。
6.ConcurrentHashMap对Hash冲突的处理
(1)Hash冲突的几个解决方案
(2)ConcurrentHashMap对Hash冲突的处理
(3)链表长度大于8时是扩容还是转化为红黑树
(1)Hash冲突的几个解决方案
一.开放寻址法
如果位置i被占用，那么就探查i+1、i+2、i+3的位置。ThreadLocal采用的就是开放寻址法。
二.链式寻址法
Hash表的每个位置都连接一个链表。当发生Hash冲突时，冲突的元素会被加入到这个位置的链表中。ConcurrentHashMap就是基于链式寻址法解决Hash冲突的。
三.再Hash法
提供多个不同的Hash函数，当发生Hash冲突时，使用第二个、第三个等。
(2)ConcurrentHashMap对Hash冲突的处理
首先使用synchronized对当前位置的Node对象f进行加锁。由于这种锁控制在数组的单个数据元素上，所以长度为16的数组理论上就可以支持16个线程并发写入数据。
然后判断当前位置的Node对象f是链表还是红黑树。如果是链表，那么就把当前的key/value封装成Node对象插入到链表的尾部。如果是红黑树，那么就调用TreeBin的putTreeVal()方法往红黑树插入结点。
最后判断链表的长度是否大于等于8，如果链表的长度大于等于8，再调用treeifyBin()方法决定是扩容数组还是将链表转化为红黑树。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
//The array of bins. Lazily initialized upon first insertion.
//Size is always a power of two. Accessed directly by iterators.
transient volatile Node<K,V>[] table;
//Maps the specified key to the specified value in this table.
//Neither the key nor the value can be null.
public V put(K key, V value) {
return putVal(key, value, false);
}
//获取Node数组在位置i的元素
//虽然table变量使用了volatile修饰，但这只保证了table引用对于所有线程的可见性，还不能保证table数组中的元素的修改对于所有线程是可见的
//因此需要通过Unsafe类的getObjectVolatile()来保证table数组中的元素的可见性
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);
}
//CAS设置Node数组的元素为某个Node对象
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);
}
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) {
throw new NullPointerException();
}
//通过key的hashCode的高低16位的位与操作来计算hash值
int hash = spread(key.hashCode());
int binCount = 0;
//这是一个没有结束条件的for循环，用来自旋
//其中Node数组的引用赋值给了tab变量
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
if (tab == null || (n = tab.length) == 0) {
//调用initTable()方法初始化Node数组
tab = initTable();
} else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
//如果通过CAS设置Node数组位置i的值为key/value封装的Node对象，则退出for循环
if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null))) {
break;// no lock when adding to empty bin
}
} else if ((fh = f.hash) == MOVED) {
//发现Node数组正处于扩容中，那么就进行并发扩容
tab = helpTransfer(tab, f);
} else {
V oldVal = null;
//处理Hash冲突
synchronized (f) {//使用synchronized对当前数组位置的Node对象f进行加锁
if (tabAt(tab, i) == f) {
if (fh >= 0) {//如果是链表
binCount = 1;//binCount用来记录链表的长度
//从链表的头结点开始遍历每个结点
for (Node<K,V> e = f;; ++binCount) {
K ek;
//如果存在相同的key，则修改该key的value
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;
//找到链表的最后一个结点
if ((e = e.next) == null) {
//把当前的key/value封装成Node对象插入到链表的尾部
pred.next = new Node<K,V>(hash, key, value, null);
break;
}
}
} else if (f instanceof TreeBin) {//如果是红黑树
Node<K,V> p;
binCount = 2;
//调用TreeBin的putTreeVal()方法往红黑树插入结点
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key, value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent) {
p.val = value;
}
}
}
}
}
//最后判断链表的长度是否大于等于8
if (binCount != 0) {
//如果链表的长度大于等于8，再调用treeifyBin()方法决定是扩容数组还是转化为红黑树
if (binCount >= TREEIFY_THRESHOLD) {//TREEIFY_THRESHOLD = 8
treeifyBin(tab, i);//是扩容数组还是转化为红黑树
}
if (oldVal != null) {
return oldVal;
}
break;
}
}
}
//调用addCount()方法统计Node数组元素的个数
addCount(1L, binCount);
return null;
}
...
}
(3)链表长度大于8时是扩容还是转化为红黑树
当链表长度 >= 8时，ConcurrentHashMap会对链表采用两种方式进行优化。
方式一：对数组进行扩容
当数组长度 <= 64，且链表长度 >= 8时，优先选择对数组进行扩容。
方式二：把链表转化为红黑树
当数组长度 > 64，且链表长度 >= 8时，会将链表转化为红黑树。
treeifyBin()方法的作用是根据相关阈值来决定是扩容还是把链表转为红黑树。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
static final int MIN_TREEIFY_CAPACITY = 64;
...
//Replaces all linked nodes in bin at given index unless table is too small, in which case resizes instead.
private final void treeifyBin(Node<K,V>[] tab, int index) {
Node<K,V> b; int n, sc;
if (tab != null) {
//如果当前数组的长度小于64，则调用tryPresize()方法进行数组扩容
if ((n = tab.length) < MIN_TREEIFY_CAPACITY) {
tryPresize(n << 1);//数组扩容
} 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) {
//构建一个TreeNode并插入红黑树中
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));
}
}
}
}
}
...
}
7.ConcurrentHashMap的并发扩容机制
(1)ConcurrentHashMap扩容的前置操作
(2)ConcurrentHashMap并发扩容的机制
(3)ConcurrentHashMap并发扩容的流程
(1)ConcurrentHashMap扩容的前置操作
ConcurrentHashMap的tryPresize()方法用于处理数组扩容前的前置操作，该方法主要分为四部分。
第一部分：
首先通过tableSizeFor()方法计算传入size的最小的2的幂次方。
第二部分：
然后判断Node数组是否已初始化，如果还没初始化则要先进行初始化。初始化时会计算扩容阈值为数组大小的0.75倍 + 将扩容阈值赋值给sizeCtl。
第三部分：
如果Node数组已经初始化，则判断是否需要进行扩容。如果Node数组已经被其他线程完成扩容，则当前线程退出循环，无需扩容。如果Node数组已达到最大容量，则无法再进行扩容，也需退出循环。
第四部分：
调用transfer()方法开始执行扩容操作。如果sizeCtl < 0，说明此时已经有其他线程在执行扩容了。如果sizeCtl >= 0，说明此时没有其他线程进行扩容。当前线程都会先通过CAS成功设置sizeCtl后，再调用transfer()方法来扩容。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
//Returns a power of two table size for the given desired capacity.
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;
}
//Tries to presize table to accommodate the given number of elements.
private final void tryPresize(int size) {
//一.首先通过tableSizeFor()方法计算传入size的最小的2的幂次方
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;
//二.判断Node数组是否已经初始化，如果还没初始化，需要先进行初始化
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);//扩容阈值为数组大小的0.75倍
}
} finally {
sizeCtl = sc;//将扩容阈值赋值给sizeCtl
}
}
}
//三.如果Node数组已经初始化，则判断是否需要进行扩容
else if (c <= sc || n >= MAXIMUM_CAPACITY) {
//c <= sc，说明Node数组已经被其他线程完成扩容了，不需要再进行扩容
//n >= MAXIMUM_CAPACITY，说明Node数组已达到最大容量，无法再进行扩容
break;
}
//四.调用transfer()方法开始执行扩容操作
else if (tab == table) {
int rs = resizeStamp(n);
//如果sc < 0，说明此时已经有其他线程在执行扩容了
//于是当前线程可以先通过CAS成功设置sizeCtl的值后，再调用transfer()方法协助扩容
if (sc < 0) {
Node<K,V>[] nt;
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);
}
}
//如果sc >= 0，说明此时没有其他线程进行扩容
//于是当前线程也是先通过CAS成功设置sizeCtl的值后，再调用transfer()方法进行扩容
else if (U.compareAndSwapInt(this, SIZECTL, sc, (rs << RESIZE_STAMP_SHIFT) + 2)) {
transfer(tab, null);
}
}
}
}
...
}
(2)ConcurrentHashMap并发扩容的机制
一.ConcurrentHashMap中的扩容设计
二.多线程并发扩容的原理
一.ConcurrentHashMap中的扩容设计
扩容就是创建一个2倍原大小的数组，然后把原数组的数据迁移到新数组中。但多线程环境下的扩容，需要考虑其他线程会同时往数组添加元素的情况。如果简单地对扩容过程增加一把同步锁，保证扩容过程不存在其他线程操作，那么就会对性能的损耗特别大，特别是数据量比较大时，阻塞的线程会很多。
首先使用CAS来实现计算每个线程的迁移区间。然后使用synchronized把锁粒度控制到每个数组元素上。如果数组有16个元素就有16把锁，如果数组有32个元素就有32把锁。接着如果线程A在进行数组扩容时，线程B要修改数组的某个元素f。那么就让修改元素的线程加入迁移，从而实现多线程并发扩容来提高效率。等数组扩容完成后，线程B才继续去修改元素f。最后通过高低位迁移逻辑计算出高位链和低位链，大大减少了数据迁移次数。
二.多线程并发扩容的原理
当存在多个线程并发扩容及数据迁移时，默认会给每个线程分配一个区间。这个区间的默认长度是16，每个线程会负责自己区间内的数据迁移工作。如果只有两个线程对长度为64的数组迁移数据，则每个线程要做2次迁移，迁移过程会依赖transferIndex来更新每个线程的迁移区间。
(3)ConcurrentHashMap并发扩容的流程
ConcurrentHashMap的transfer()方法用于处理数组扩容时的流程细节，该方法主要分为五部分：
第一部分：创建扩容后的数组
第二部分：计算当前线程的数据迁移区间
第三部分：更新扩容标记advance
第四部分：开始数据迁移和扩容
第五部分：完成迁移后的判断
第一部分：创建扩容后的数组
这部分代码主要做两件事情：
一.计算每个线程处理的迁移区间长度，默认是16。
二.初始化一个新的数组nt，赋值给方法入参nextTab和全局变量nextTable。该数组的长度是原数组的2倍，并且设置transferIndex的值为为原数组大小。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
//The next table to use; non-null only while resizing.
private transient volatile Node<K,V>[] nextTable;
...
//Moves and/or copies the nodes in each bin to new table.
//tab是原数组，nextTab是扩容后的数组
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
int n = tab.length, stride;
//计算每个线程处理的迁移区间长度，默认是16
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE) {
stride = MIN_TRANSFER_STRIDE;//subdivide range
}
//初始化一个新的数组nt，赋值给方法入参nextTab和全局变量nextTable，该数组的长度是原数组的2倍
//并且设置transferIndex的值为为原数组大小
if (nextTab == null) {//initiating
try {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];//扩容为2n
nextTab = nt;//将创建的扩容数组赋值给nextTab
} catch (Throwable ex) {//try to cope with OOME
sizeCtl = Integer.MAX_VALUE;
return;
}
nextTable = nextTab;//将创建的扩容数组赋值给nextTable
transferIndex = n;//设置transferIndex为原来的数组大小
}
...
}
}
第二部分：计算当前线程的数据迁移区间
下面的while循环会计算每个执行到此处的线程需要负责的数据迁移区间。假设当前数组长度是32，需要扩容到64。那么此时transferIndex = 32，nextn = 64，n = 32。
当前线程第一次for循环：nextIndex被transferIndex赋值为32，之后CAS修改transferIndex。CAS修改成功后，nextBound = 32 - 16 = 16，transferIndex = 16。所以bound = 16，i = 31，当前线程负责的迁移区间为[bound, i] = [16, 31]。
当前线程第二次for循环，或者有其他线程进来第一次for循环：由于此时transferIndex = 16，所以nextIndex会被transferIndex赋值为16。之后CAS修改transferIndex为0，修改成功后，nextBound = 16 - 16 = 0。所以bound = 0，i = 15，此时线程负责的迁移区间为[bound, i] = [0, 15]。
需要注意的是：每次循环都会通过if (--i >= bound || finishing)判断区间是否已迁移完成。如果已完成，则会继续进入while循环中的CAS，获取新的迁移区间。
数组从高位往低位进行迁移，比如第一次for循环，处理的区间是[16, 31]。那么就会从位置为31开始往前进行遍历，对每个数组元素进行数据迁移。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
//The next table to use; non-null only while resizing.
private transient volatile Node<K,V>[] nextTable;
...
//Moves and/or copies the nodes in each bin to new table.
//tab是原数组，nextTab是扩容后的数组
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
...
int nextn = nextTab.length;//扩容后的数组长度
//继承自Node的ForwardingNode表示一个正在被迁移的Node
//当原数组中某位置的数据完成迁移后，会对该位置设置一个ForwardingNode，表示该位置已经处理过了
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
//advance字段用来判断是否还有待处理的数据迁移工作，也就是扩容标记
boolean advance = true;
boolean finishing = false; // to ensure sweep before committing nextTab
//当前线程负责的迁移区间是[bound, i]
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
//while循环会计算每个执行到此处的线程需要负责的数据迁移区间
while (advance) {
//假设当前数组长度是32，需要扩容到64；
//那么此时transferIndex = 32，nextn = 64，n = 32；
//刚开始循环时i = 0，nextIndex被transferIndex赋值为32
int nextIndex, nextBound;
if (--i >= bound || finishing) {
//一开始i = bound = 0，所以不会进入这里，而是进入U.compareAndSwapInt()的条件中
//但后来bound = 16, i = 31后，就会进入这里，退出循环
//此后，每次--i，当i = bound = 16时，就又会进入U.compareAndSwapInt()的条件中，重新获取数据迁移区间
advance = false;
} else if ((nextIndex = transferIndex) <= 0) {
//判断当前线程是否已经分配到了新的迁移区间
i = -1;
advance = false;
} else if (U.compareAndSwapInt(this, TRANSFERINDEX, nextIndex, nextBound = (nextIndex > stride ? nextIndex - stride : 0))) {
//如果CAS设置transferIndex从nextIndex=32变为nextIndex-16=16成功后，
//那么advance设置为false，退出while循环
//当前线程再次进入while循环或者其他线程也进入while循环，就会从transferIndex = 16开始，计算要负责的迁移区间
bound = nextBound;//第一次for循环nextBound = 16
i = nextIndex - 1;//第一次for循环i = 31
advance = false;
}
}
...
}
...
}
//A node inserted at head of bins during transfer operations.
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;
}
...
}
}
第三部分：更新扩容标记advance
如果位置i的数组元素Node为空，说明该Node对象不需要迁移。所以通过casTabAt()方法修改原数组在位置i的元素为fwd对象，这样其他线程在进行put()操作的时候就可以发现当前数组正在扩容。
如果位置i的数组元素Node的hash值为MOVED，那么说明该Node对象已经被迁移了。所以设置扩容标记位advance为true，等下次for循环时进入while循环--i。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
//The next table to use; non-null only while resizing.
private transient volatile Node<K,V>[] nextTable;
//The array of bins. Lazily initialized upon first insertion.
//Size is always a power of two. Accessed directly by iterators.
transient volatile Node<K,V>[] table;
...
//Moves and/or copies the nodes in each bin to new table.
//tab是原数组，nextTab是扩容后的数组
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
...
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
...
//当前线程负责的迁移区间是[bound, i]
for (int i = 0, bound = 0;;) {
...
} else if ((f = tabAt(tab, i)) == null) {
//第三部分开始：更新扩容标记advance，这样其他线程在put()的时候就可以发现当前数组正在扩容
advance = casTabAt(tab, i, null, fwd);
} else if ((fh = f.hash) == MOVED) {
//设置扩容标记位advance为true，等下次for循环时进入while循环--i
advance = true; // already processed
//第三部分结束
} else {
...
}
...
}
//虽然table变量使用了volatile修饰，但这只保证了table引用对于所有线程的可见性，还不能保证table数组中的元素的修改对于所有线程是可见的
//因此需要通过Unsafe类的getObjectVolatile()来保证table数组中的元素的可见性
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);
}
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);
}
}
第四部分：开始数据迁移和扩容
首先对当前要迁移的Node结点f添加同步锁synchronized，避免多线程竞争。
如果结点f的哈希值大于0，则表示Node结点f为链表或普通结点，那么此时就需要按照链表或普通结点的方式来进行数据迁移。
如果结点f属于TreeBin类型，则表示结点f为红黑树，那么此时就要按红黑树的规则进行数据迁移。
需要注意的是，数据迁移之后可能会存在红黑树转化为链表的情况，当链表长度小于等于6时，红黑树就会转化为链表。
接着使用高位链和低位链的计算方法构造高位链和低位链，遍历链表的每一个结点，计算p.hash & n的值。如果值为0，表示需要迁移，属于高位链；否则不需要迁移，属于低位链。
比如在数组长度为16的一个链表中，hash值为：4, 20, 52, 68, 84, 100。经过hash & (n - 1)得到的下标位置都是4，接着数组长度需要扩容到32。于是经过hash & (n - 1)计算，发现20, 52, 84对应的下标变成了20。这就意味着，这个链表中hash值为20, 52, 84的结点需要迁移到位置20。
最后把低位链设置到扩容后的数组的位置i，把高位链设置到位置i + n。此时当前线程已处理完位置为i的数据迁移，于是设置advance为true，让后续的for循环可以进入while循环来实现对i的递减继续迁移数据。
第五部分：完成迁移后的判断
如果数据迁移完成了，则把扩容后的数组赋值给table。如果还没完成数据迁移，则通过CAS修改并发扩容的线程数。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
//The next table to use; non-null only while resizing.
private transient volatile Node<K,V>[] nextTable;
...
//Moves and/or copies the nodes in each bin to new table.
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
//第一部分开始：创建扩容后的数组
int n = tab.length, stride;//n就是原数组大小
//计算每个线程处理的迁移区间长度，默认是16
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE) {
stride = MIN_TRANSFER_STRIDE;//subdivide range
}
//初始化一个新的数组nt，赋值给方法入参nextTab和全局变量nextTable，该数组的长度是原数组的2倍
//并且设置transferIndex的值为为原数组大小
if (nextTab == null) {//initiating
try {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];//扩容为2n
nextTab = nt;//将创建的扩容数组赋值给nextTab
} catch (Throwable ex) {//try to cope with OOME
sizeCtl = Integer.MAX_VALUE;
return;
}
nextTable = nextTab;//将创建的扩容数组赋值给nextTable
transferIndex = n;//设置transferIndex为原来的数组大小
}
//第一部分结束
//第二部分开始：计算当前线程的数据迁移区间
int nextn = nextTab.length;//扩容后的数组长度
//继承自Node的ForwardingNode表示一个正在被迁移的Node
//当原数组中某位置的数据完成迁移后，会对该位置设置一个ForwardingNode，表示该位置已经处理过了
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
//advance字段用来判断是否还有待处理的数据迁移工作
boolean advance = true;
boolean finishing = false; // to ensure sweep before committing nextTab
//当前线程负责的迁移区间是[bound, i]
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
//while循环会计算每个执行到此处的线程需要负责的数据迁移区间
while (advance) {
//假设当前数组长度是32，需要扩容到64；
//那么此时transferIndex = 32，nextn = 64，n = 32；
//刚开始循环时i = 0，nextIndex被transferIndex赋值为32
int nextIndex, nextBound;
if (--i >= bound || finishing) {
//一开始i = bound = 0，所以不会进入这里，而是进入U.compareAndSwapInt()的条件中
//但后来bound = 16, i = 31后，就会进入这里，退出循环
//此后，每次--i，当i = bound = 16时，就又会进入U.compareAndSwapInt()的条件中，重新获取数据迁移区间
advance = false;
} else if ((nextIndex = transferIndex) <= 0) {
//判断当前线程是否已经分配到了新的迁移区间
i = -1;
advance = false;
} else if (U.compareAndSwapInt(this, TRANSFERINDEX, nextIndex, nextBound = (nextIndex > stride ? nextIndex - stride : 0))) {
//如果CAS设置transferIndex从nextIndex=32变为nextIndex-16=16成功后，
//那么advance设置为false，退出while循环
//当前线程再次进入while循环或者其他线程也进入while循环，就会从transferIndex = 16开始，计算要负责的迁移区间
bound = nextBound;//第一次for循环nextBound = 16
i = nextIndex - 1;//第一次for循环i = 31
advance = false;
}
}
//第二部分结束
if (i < 0 || i >= n || i + n >= nextn) {
//第五部分开始：完成迁移后的判断
int sc;
//如果数据迁移完成了，则把扩容后的数组赋值给table
if (finishing) {
nextTable = null;
table = nextTab;
sizeCtl = (n << 1) - (n >>> 1);
return;
}
//如果还没完成数据迁移，则通过CAS修改并发扩容的线程数
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
}
//第五部分结束
} else if ((f = tabAt(tab, i)) == null) {
//第三部分开始：更新扩容标记advance，这样其他线程在put()的时候就可以发现当前数组正在扩容
advance = casTabAt(tab, i, null, fwd);
} else if ((fh = f.hash) == MOVED) {
//设置扩容标记位advance为true，等下次for循环时进入while循环--i
advance = true; // already processed
//第三部分结束
} else {
//第四部分开始：开始数据迁移和扩容
synchronized (f) {//首先对当前要迁移的Node结点f添加同步锁synchronized，避免多线程竞争
if (tabAt(tab, i) == f) {
Node<K,V> ln, hn;
//如果fh >= 0，则表示Node结点f为链表或普通结点，此时需要按照链表或普通结点的方式来进行数据迁移
if (fh >= 0) {
int runBit = fh & n;
Node<K,V> lastRun = f;
//for循环遍历链表，计算出当前链表最后一个需要迁移或者不需要迁移的结点位置
//遍历链表的每一个结点，计算p.hash & n，如果值为0，表示需要迁移，否则不需要迁移
for (Node<K,V> p = f.next; p != null; p = p.next) {
int b = p.hash & n;
if (b != runBit) {
runBit = b;
lastRun = p;
}
}
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;
if ((ph & n) == 0) {
//将ln作为参数，以ln为基础构造低位链，不需要迁移
ln = new Node<K,V>(ph, pk, pv, ln);
} else {
//将hn作为参数，以hn为基础构造高位链，需要迁移
hn = new Node<K,V>(ph, pk, pv, hn);
}
}
//把低位链设置到扩容后的数组的位置i
setTabAt(nextTab, i, ln);
//把高位链设置到扩容后的数组的位置i + n
setTabAt(nextTab, i + n, hn);
//当原数组中某位置的数据完成迁移后，会对该位置设置一个ForwardingNode，表示该位置已经处理过了
setTabAt(tab, i, fwd);
//当前线程已处理完位置为i的数据的迁移，于是设置advance为true，让后续的for循环继续进入while循环来实现对i的递减
advance = true;
} else if (f instanceof TreeBin) {
//如果f instanceof TreeBin，则表示结点f为红黑树，需要按照红黑树的规则进行数据迁移
//需要注意的是，数据迁移之后可能会存在红黑树转化为链表的情况，当链表长度小于等于6时，红黑树就会转化为链表
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;
}
}
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;
}
}
}
//第四部分结束
}
}
}
...
}
8.ConcurrentHashMap的分段锁统计元素数据
(1)ConcurrentHashMap维护数组元素个数思路
(2)ConcurrentHashMap维护数组元素个数流程
(3)维护数组元素个数的addCount()方法
(4)维护数组元素个数的fullAddCount()方法
(5)获取数组元素个数的size()方法
(1)ConcurrentHashMap维护数组元素个数思路
当调用完put()方法后，ConcurrentHashMap必须增加当前元素的个数，以方便在size()方法中获得存储的元素个数。
在常规的集合中，只需要一个全局int类型的字段保存元素个数即可。每次添加一个元素，就对这个size变量 + 1。
在ConcurrentHashMap中，需要保证对该变量修改的并发安全。如果使用同步锁synchronized，那么性能开销比较大，不合适。所以ConcurrentHashMap使用了自旋 + 分段锁来维护元素个数。
(2)ConcurrentHashMap维护数组元素个数流程
ConcurrentHashMap采用了两种方式来保存元素的个数。当线程竞争不激烈时，直接使用baseCount + 1来增加元素个数。当线程竞争比较激烈时，构建一个CounterCell数组，默认长度为2。然后随机选择一个CounterCell，针对该CounterCell中的value进行保存。
增加元素个数的流程如下：
(3)维护数组元素个数的addCount()方法
addCount()方法的作用主要包括两部分：
一.累加ConcurrentHashMap中的元素个数
二.通过check >= 0判断是否需要进行数组扩容
其中增加数组元素个数的核心逻辑是：
首先通过CAS修改全局成员变量baseCount来进行累加。注意会先判断(as = counterCells) != null，再尝试对baseCount进行累加。这是因为如果一个集合发生过并发，那么后续发生并发的可能性会更大。如果CAS累加baseCount失败，则尝试使用CounterCell来进行累加。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
//Base counter value, used mainly when there is no contention,
but also as a fallback during table initialization races. Updated via CAS.
private transient volatile long baseCount;
//Table of counter cells. When non-null, size is a power of 2.
private transient volatile CounterCell[] counterCells;
private static final long BASECOUNT;
static {
try {
U = sun.misc.Unsafe.getUnsafe();
...
BASECOUNT = U.objectFieldOffset(k.getDeclaredField("baseCount"));
...
} catch (Exception e) {
throw new Error(e);
}
}
//Maps the specified key to the specified value in this table.
//Neither the key nor the value can be null.
public V put(K key, V value) {
return putVal(key, value, false);
}
final V putVal(K key, V value, boolean onlyIfAbsent) {
...
//调用addCount()方法统计Node数组元素的个数
addCount(1L, binCount);
return null;
}
//Adds to count, and if table is too small and not already resizing, initiates transfer.
//If already resizing, helps perform transfer if work is available.
//Rechecks occupancy after a transfer to see if another resize is already needed because resizings are lagging additions.
//x是要增加的数组元素个数
private final void addCount(long x, int check) {
CounterCell[] as; long b, s;
//首先通过CAS修改全局成员变量baseCount来进行累加
//注意：这里先判断(as = counterCells) != null，再尝试对baseCount进行CAS累加
//这是因为如果一个集合发生过并发，那么后续发生并发的可能性会更大，这种思想在并发编程中很常见
if ((as = counterCells) != null || !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
//增加数组元素个数
CounterCell a; long v; int m;
boolean uncontended = true;
//如果CAS修改baseCount失败，则尝试使用CounterCell来进行累加
//1.as == null，说明CounterCell数组还没初始化
//2.(m = as.length - 1) < 0，说明CounterCell数组还没初始化
//3.(a = as[ThreadLocalRandom.getProbe() & m]) == null，说明CounterCell数组已经创建了，
//但是Hash定位到的数组位置没有对象实例，说明这个数字还存在没有CounterCell实例对象的情况
//4.如果U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x)返回false，说明存在多线程竞争
if (as == null || (m = as.length - 1) < 0
|| (a = as[ThreadLocalRandom.getProbe() & m]) == null
|| !(uncontended = U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
//调用fullAddCount()方法实现数组元素个数的累加
fullAddCount(x, uncontended);
return;
}
if (check <= 1) {
return;
}
//sumCount()方法返回总的元素个数，也就是CounterCell数组的元素个数和baseCount两者的和
s = sumCount();
}
if (check >= 0) {
//处理数组扩容
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();
}
}
}
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;
}
...
}
(4)维护数组元素个数的fullAddCount()方法
fullAddCount()方法的作用主要包括三部分：初始化CounterCell数组、增加数组元素个数、对CounterCell数组扩容。
注意：为了定位当前线程添加的数组元素个数应落到CounterCell数组哪个元素，会使用ThreadLocalRandom确定当前线程对应的hash值，由该hash值和CounterCell数组大小进行类似于取模的位与运算来决定。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
//Spinlock (locked via CAS) used when resizing and/or creating CounterCells.
private transient volatile int cellsBusy;
//Table of counter cells. When non-null, size is a power of 2.
private transient volatile CounterCell[] counterCells;
//x是要增加的数组元素个数
private final void fullAddCount(long x, boolean wasUncontended) {
//通过ThreadLocalRandom来确定当前线程对应的hash值
int h;
if ((h = ThreadLocalRandom.getProbe()) == 0) {
ThreadLocalRandom.localInit();//force initialization
h = ThreadLocalRandom.getProbe();
wasUncontended = true;
}
boolean collide = false;// True if last slot nonempty
for (;;) {
CounterCell[] as; CounterCell a; int n; long v;
//(as = counterCells) != null && (n = as.length) > 0，表示counterCells数组已经完成初始化
if ((as = counterCells) != null && (n = as.length) > 0) {
//第二部分：增加数组元素个数，分两种情况
if ((a = as[(n - 1) & h]) == null) {
//情况一：(a = as[(n - 1) & h]) == null，表示将当前线程定位到counterCells数组的某位置的元素为null
//此时直接把当前要增加的元素个数x保存到新创建的CounterCell对象，然后将该对象赋值到CounterCell数组的该位置即可
if (cellsBusy == 0) {//Try to attach new Cell
//先创建一个CounterCell对象，并把x保存进去
CounterCell r = new CounterCell(x);//Optimistic create
//U.compareAndSwapInt(this, CELLSBUSY, 0, 1)返回true，表示当前线程占有了锁
if (cellsBusy == 0 && U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
boolean created = false;
try {//Recheck under lock
CounterCell[] rs; int m, j;
if ((rs = counterCells) != null && (m = rs.length) > 0 && rs[j = (m - 1) & h] == null) {
//把新构建的保存了元素个数x的CounterCell对象保存到rs[j]的位置
rs[j] = r;
created = true;
}
} finally {
cellsBusy = 0;
}
if (created) {
break;
}
continue;//Slot is now non-empty
}
}
collide = false;
} else if (!wasUncontended) {//CAS already known to fail
wasUncontended = true;//Continue after rehash
} else if (U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x)) {
//情况二：如果将当前线程定位到counterCells数组的某位置的元素不为null，
//那么直接通过U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x)操作，对counterCells数组的指定位置进行累加
break;
} else if (counterCells != as || n >= NCPU) {
collide = false;//At max size or stale
} else if (!collide) {
collide = true;
} else if (cellsBusy == 0 && U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
//第三部分：counterCells数组扩容
//需要先通过cellsBusy == 0 && U.compareAndSwapInt(this, CELLSBUSY, 0, 1)，抢占锁
try {
if (counterCells == as) {// Expand table unless stale
//在原有的基础上扩容一倍
CounterCell[] rs = new CounterCell[n << 1];
//通过for循环进行数据迁移
for (int i = 0; i < n; ++i) {
rs[i] = as[i];
}
//把扩容后的对象赋值给counterCells
counterCells = rs;
}
} finally {
//恢复标识
cellsBusy = 0;
}
collide = false;
continue;//继续下一次自旋
}
h = ThreadLocalRandom.advanceProbe(h);
} else if (cellsBusy == 0 && counterCells == as && U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
//第一部分：初始化CounterCell数组
//cellsBusy == 0 && U.compareAndSwapInt(this, CELLSBUSY, 0, 1)，通过cellsBusy字段来抢占锁，通过CAS修改该字段值为1表示抢到锁
boolean init = false;
try {//Initialize table
if (counterCells == as) {
//构造一个元素个数为2的CounterCell数组
CounterCell[] rs = new CounterCell[2];
//把要增加的数组元素个数x，保存到CounterCell数组的某个元素中
rs[h & 1] = new CounterCell(x);
//把初始化的CounterCell数组赋值给全局对象counterCells
counterCells = rs;
init = true;
}
} finally {
//恢复标识
cellsBusy = 0;
}
if (init) {
break;
}
} else if (U.compareAndSwapLong(this, BASECOUNT, v = baseCount, v + x)) {
break;//Fall back on using base
}
}
}
...
}
(5)获取数组元素个数的size()方法
sumCount()方法会先得到baseCount的值，保存到sum字段中。然后遍历CounterCell数组，把每个value进行累加。
注意：size()方法在计算总的元素个数时并没有加锁，所以size()方法返回的元素个数不一定代表此时此刻总数量。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
//Spinlock (locked via CAS) used when resizing and/or creating CounterCells.
private transient volatile int cellsBusy;
//Table of counter cells. When non-null, size is a power of 2.
private transient volatile CounterCell[] counterCells;
public int size() {
long n = sumCount();
return ((n < 0L) ? 0 : (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE : (int)n);
}
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;
}
...
}
9.ConcurrentHashMap的查询操作是否涉及锁
(1)put操作会加锁
(2)size操作不会加锁
(3)get操作也不会加锁
(1)put操作会加锁
首先尝试通过CAS设置Node数组对应位置的Node元素。如果该位置的Node元素非空，或者CAS设置失败，则说明发生了哈希冲突。此时就会使用synchronized关键字对该数组元素加锁来处理链表或者红黑树。
其实JUC还可以继续优化，先用CAS尝试修改哈希冲突下的链表或红黑树。如果CAS修改失败，再通过使用synchronized对该数组元素加锁来处理。
(2)size操作不会加锁
size()方法在计算总的元素个数时并没有加锁，所以size()方法返回的元素个数不一定代表此时此刻数组元素的总数量。
(3)get操作也不会加锁
get()方法也使用了CAS操作，通过Unsafe类让数组中的元素具有可见性。保证线程根据tabAt()方法获取数组的某个位置的元素时，能获取最新的值。所以get不加锁，但通过volatile读数组，可以保证读到数组元素的最新值。
虽然table变量使用了volatile，但这只保证了table引用对所有线程的可见性，还不能保证table数组中的元素的修改对于所有线程是可见的。因此才通过Unsafe类的getObjectVolatile()来保证table数组中元素的可见性。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
//The array of bins. Lazily initialized upon first insertion.
//Size is always a power of two. Accessed directly by iterators.
transient volatile Node<K,V>[] table;
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
int h = spread(key.hashCode());
if ((tab = table) != null && (n = tab.length) > 0 && (e = tabAt(tab, (n - 1) & h)) != null) {
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek))) {
return e.val;
}
} else if (eh < 0) {
return (p = e.find(h, key)) != null ? p.val : null;
}
while ((e = e.next) != null) {
if (e.hash == h && ((ek = e.key) == key || (ek != null && key.equals(ek)))) {
return e.val;
}
}
}
return null;
}
//获取Node数组在位置i的元素，通过Unsafe类让数组中的元素具有可见性
//虽然table变量使用了volatile修饰，但这只保证了table引用对于所有线程的可见性，还不能保证table数组中的元素的修改对于所有线程是可见的
//因此需要通过Unsafe类的getObjectVolatile()来保证table数组中的元素的可见性
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);
}
...
}
10.ConcurrentHashMap中红黑树的使用
(1)treeifyBin()方法的逻辑
(2)TreeBin的成员变量和方法
(3)TreeBin在构造方法中将链表转为红黑树
(4)TreeBin在插入元素时实现红黑树的自平衡
(1)treeifyBin()方法的逻辑
put操作中当发现链表元素>=8时会调用treeifyBin()方法将链表转为红黑树。首先通过tabAt()方法从Node数组中获取位置为index的元素并赋值给变量b，然后使用synchronized对Node数组中位置为index的元素b进行加锁，接着通过for循环遍历Node数组中位置为index的元素b这个链表，并且根据链表中每个结点的数据封装成一个TreeNode对象来组成新链表，最后把新链表的头结点作为参数传给TreeBin构造方法来完成红黑树的构建。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
//Replaces all linked nodes in bin at given index unless table is too small, in which case resizes instead.
//将Node数组tab中位置为index的元素，从链表转化为红黑树
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) {
tryPresize(n << 1);//数组扩容
} else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
synchronized (b) {//b就是链表，先用synchronized对b加锁，保证并发安全
if (tabAt(tab, index) == b) {
TreeNode<K,V> hd = null, tl = null;//hd是新链表的头结点，tl是新链表的尾结点
//将链表b赋值给e，然后遍历通过e.next赋值回给e来遍历链表
for (Node<K,V> e = b; e != null; e = e.next) {
//根据Node结点e来封装一个TreeNode对象
TreeNode<K,V> p = new TreeNode<K,V>(e.hash, e.key, e.val, null, null);
if ((p.prev = tl) == null) {
hd = p;
} else {
//尾插法构造新链表
tl.next = p;
}
tl = p;
}
//将构造好的新链表的头结点hd作为参数，创建一个TreeBin对象
setTabAt(tab, index, new TreeBin<K,V>(hd));
}
}
}
}
}
...
}
(2)TreeBin的成员变量和方法
ConcurrentHashMap中红黑树用继承自Node的TreeNode来表示。TreeBin则主要提供了红黑树的一系列功能的实现，并且实现了读写锁。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
//Nodes for use in TreeBins
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;
}
...
}
//TreeNodes used at the heads of bins.
//TreeBins do not hold user keys or values, but instead point to list of TreeNodes and their root.
//They also maintain a parasitic read-write lock forcing writers (who hold bin lock)
//to wait for readers (who do not) to complete before tree restructuring operations.
static final class TreeBin<K,V> extends Node<K,V> {
TreeNode<K,V> root;//红黑树根结点
volatile TreeNode<K,V> first;//链表头结点，由构造函数传入
volatile Thread waiter;//保存最近一个抢占写锁的线程(如果有值，则说明lockState是读锁状态)
volatile int lockState;//表示锁的状态
// values for lockState
static final int WRITER = 1;//写锁状态
static final int WAITER = 2;//等待获取写锁状态
static final int READER = 4;//读锁状态
...
//构造函数，将以b为头结点的链表转换为红黑树
//Creates bin with initial set of nodes headed by b.
TreeBin(TreeNode<K,V> b) {
...
}
//对红黑树的根结点加写锁
//Acquires write lock for tree restructuring.
private final void lockRoot() {
if (!U.compareAndSwapInt(this, LOCKSTATE, 0, WRITER)) {
contendedLock(); // offload to separate method
}
}
//释放写锁
//Releases write lock for tree restructuring.
private final void unlockRoot() {
lockState = 0;
}
//根据key获取指定的结点
//Returns matching node or null if none.
//Tries to search using tree comparisons from root, but continues linear search when lock not available.
final Node<K,V> find(int h, Object k) {
...
}
...
}
...
}
(3)TreeBin在构造方法中将链表转为红黑树
treeifyBin()方法在对链表进行转化时，会先构建一个双向链表，然后将该双向链表传入TreeBin的构造方法。
TreeBin的构造方法会通过如下处理将该双向链表转化为红黑树：
一.如果红黑树为空，则初始化红黑树的根结点
二.如果红黑树不为空，则按平衡二叉树逻辑插入
三.通过balanceInsertion()方法进行自平衡
TreeBin的构造方法可以分为三部分：
第一部分：初始化红黑树
遍历链表b，将链表b的头结点设置为红黑树的根结点，接着设置红黑树根结点的左右子结点为null，以及设置红黑树根结点为黑色。
第二部分：将链表中的结点添加到初始化好的红黑树
首先计算dir的值。如果dir = -1，表示红黑树中被插入结点的hash值大于新添加结点x的hash值。如果dir = 1，表示红黑树中被插入结点的hash值小于新添加结点x的hash值。然后根据dir的值来决定新添加结点x是被插入结点的左结点还是右结点，最后调用TreeBin的balanceInsertion()方法对红黑树进行自平衡处理。
第三部分：对红黑树进行自平衡
调用TreeBin的balanceInsertion()方法对红黑树进行自平衡处理。
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
static final class TreeBin<K,V> extends Node<K,V> {
TreeNode<K,V> root;//红黑树根结点
volatile TreeNode<K,V> first;//链表头结点，由构造函数传入
volatile Thread waiter;//保存最近一个抢占写锁的线程(如果有值，则说明lockState是读锁状态)
volatile int lockState;//表示锁的状态
//values for lockState
static final int WRITER = 1;//写锁状态
static final int WAITER = 2;//等待获取写锁状态
static final int READER = 4;//读锁状态
...
//构造函数，将以b为头结点的链表转换为红黑树
TreeBin(TreeNode<K,V> b) {
//第一部分开始：初始化红黑树
super(TREEBIN, null, null, null);
this.first = b;
//r表示红黑树的根结点
TreeNode<K,V> r = null;
//遍历链表b，x将作为新添加的红黑树结点
for (TreeNode<K,V> x = b, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
//把新添加的红黑树结点x的左右子结点设置为null
x.left = x.right = null;
//r表示红黑树的根结点，r == null表示红黑树为空，将x结点设置为红黑树的根结点
if (r == null) {
x.parent = null;
//把红黑树的根结点设置为黑色
x.red = false;
r = x;
//第一部分结束
} else {
//第二部分开始：将链表中的结点添加到初始化好的红黑树中
//x是新添加的红黑树结点
K k = x.key;
int h = x.hash;
Class<?> kc = null;
//p是红黑树中被插入的结点
for (TreeNode<K,V> p = r;;) {
int dir, ph;
K pk = p.key;
//首先计算dir的值
//dir = -1，表示红黑树中被插入结点的hash值大于新添加结点x的hash值
//dir = 1，表示红黑树中被插入结点的hash值小于新添加结点x的hash值
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;
}
//然后根据dir的值来决定新添加的结点x是左结点还是右结点
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0) {
xp.left = x;
} else {
xp.right = x;
}
//第二部分结束
//第三部分开始：红黑树进行自平衡
//r代表一棵红黑树，x代表往红黑树r添加的结点
r = balanceInsertion(r, x);
//第三部分结束
break;
}
}
}
}
this.root = r;
assert checkInvariants(root);
}
...
}
...
}
(4)TreeBin在插入元素时实现红黑树的自平衡
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
...
static final class TreeBin<K,V> extends Node<K,V> {
TreeNode<K,V> root;//红黑树根结点
volatile TreeNode<K,V> first;//链表头结点，由构造函数传入
volatile Thread waiter;//保存最近一个抢占写锁的线程(如果有值，则说明lockState是读锁状态)
volatile int lockState;//表示锁的状态
// values for lockState
static final int WRITER = 1;//写锁状态
static final int WAITER = 2;//等待获取写锁状态
static final int READER = 4;//读锁状态
...
//root代表一棵红黑树，x代表往红黑树r添加的结点
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root, TreeNode<K,V> x) {
//所有往红黑树添加的结点默认为红色
x.red = true;
//自旋，xp表示添加结点x的父结点，xpp表示添加结点x的爷结点，xppl表示爷结点的左结点，xppr表示爷结点的右结点
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
if ((xp = x.parent) == null) {//此处判断条件表示：x结点的父结点为空
//由于只有根结点的父结点才会为空，所以此时x结点为根结点，于是设置根结点x为黑色
x.red = false;
return x;
} else if (!xp.red || (xpp = xp.parent) == null) {//此处判断条件表示：表示x结点的父结点为黑色，或者x结点的爷结点为空
//那么直接返回红黑树root，不需要处理
return root;
}
//代码执行到这里，说明x结点的父结点为红色
if (xp == (xppl = xpp.left)) {//此处判断条件表示：表示x结点的父结点xp是其爷结点xpp的左子结点xppl
if ((xppr = xpp.right) != null && xppr.red) {//此处判断条件表示：x结点的叔结点存在且为红色
//那么直接修改父结点和叔结点的颜色为黑色
xppr.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
} else {//此处判断条件表示：如果x结点的叔结点不存在，或者叔结点存在且为黑色
if (x == xp.right) {//如果x结点是父结点的右子结点，则按x结点的父结点进行左旋
root = rotateLeft(root, x = xp);//将x结点的父结点赋值给x结点
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateRight(root, xpp);
}
}
}
} else {//表示x结点的父结点是其爷结点的右子结点
if (xppl != null && xppl.red) {
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
} else {
if (x == xp.left) {
root = rotateRight(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateLeft(root, xpp);
}
}
}
}
}
}
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root, TreeNode<K,V> p) {
TreeNode<K,V> r, pp, rl;
if (p != null && (r = p.right) != null) {
if ((rl = p.right = r.left) != null) {
rl.parent = p;
}
if ((pp = r.parent = p.parent) == null) {
(root = r).red = false;
} else if (pp.left == p) {
pp.left = r;
} else {
pp.right = r;
}
r.left = p;
p.parent = r;
}
return root;
}
static <K,V> TreeNode<K,V> rotateRight(TreeNode<K,V> root, TreeNode<K,V> p) {
TreeNode<K,V> l, pp, lr;
if (p != null && (l = p.left) != null) {
if ((lr = p.left = l.right) != null) {
lr.parent = p;
}
if ((pp = l.parent = p.parent) == null) {
(root = l).red = false;
} else if (pp.right == p) {
pp.right = l;
} else {
pp.left = l;
}
l.right = p;
p.parent = l;
}
return root;
}
...
}
}
详细介绍后端技术栈的基础内容，包括但不限于：MySQL原理和优化、Redis原理和应用、JVM和G1原理和优化、RocketMQ原理应用及源码、Kafka原理应用及源码、ElasticSearch原理应用及源码、JUC源码、Netty源码、zk源码、Dubbo源码、Spring源码、Spring Boot源码、SCA源码、分布式锁源码、分布式事务、分库分表和TiDB、大型商品系统、大型订单系统等
投递金山WPS等公司10个岗位
