JDK8ConcurrentHashMap源码解析

2019-01-10 16:42:05

ConcurrentHashMap源码解析

jdk8之前的实现原理

jdk8的实现原理

JDK8的实现已经抛弃了Segment分段锁机制,利用CAS+Synchronized来保证并发更新的安全,底层依然采用数组+链表+红黑树的存储结构。

变量解释

  1. table:默认为null,初始化发生在第一次插入操作,默认大小为16的数组,用来存储Node节点数据,扩容时大小总是2的幂次方。
  2. nextTable:默认为null,扩容时新生成的数组,其大小为原数组的两倍。
  3. sizeCtl :默认为0,用来控制table的初始化和扩容操作,具体应用在后续会体现出来。

    • -1 代表table正在初始化
    • -N 表示有N-1个线程正在进行扩容操作
    • 其余情况:
      • 1、如果table未初始化,表示table需要初始化的大小。
        • 2、如果table初始化完成,表示table的容量,默认是table大小的0.75倍,居然用这个公式算0.75(n - (n >>> 2))。
  4. Node:保存key,value及key的hash值的数据结构。

  5. ForwardingNode:一个特殊的Node节点,hash值为-1,其中存储nextTable的引用。只有table发生扩容的时候,ForwardingNode才会发挥作用,作为一个占位符放在table中表示当前节点为null或则已经被移动。

初始化

实例化ConcurrentHashMap时带参数时,会根据参数调整table的大小,假设参数为100,最终会调整成256,确保table的大小总是2的幂次方。

  1. private static final int tableSizeFor(int c) {
  2. int n = c - 1;
  3. n |= n >>> 1;
  4. n |= n >>> 2;
  5. n |= n >>> 4;
  6. n |= n >>> 8;
  7. n |= n >>> 16;
  8. return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
  9. }

初始化table

  1. private final Node<K,V>[] initTable() {
  2. Node<K,V>[] tab; int sc;
  3. while ((tab = table) == null || tab.length == 0) {
  4. //如果一个线程发现sizeCtl<0,意味着另外的线程执行CAS操作成功,当前线程只需要让出cpu时间片
  5. if ((sc = sizeCtl) < 0)
  6. Thread.yield(); // lost initialization race; just spin
  7. else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
  8. try {
  9. if ((tab = table) == null || tab.length == 0) {
  10. int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
  11. @SuppressWarnings("unchecked")
  12. Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
  13. table = tab = nt;
  14. sc = n - (n >>> 2);
  15. }
  16. } finally {
  17. sizeCtl = sc;
  18. }
  19. break;
  20. }
  21. }
  22. return tab;
  23. }

put操作

  1. final V putVal(K key, V value, boolean onlyIfAbsent) {
  2. if (key == null || value == null) throw new NullPointerException();
  3. int hash = spread(key.hashCode());
  4. int binCount = 0;
  5. for (Node<K,V>[] tab = table;;) {
  6. Node<K,V> f; int n, i, fh;
  7. if (tab == null || (n = tab.length) == 0)
  8. tab = initTable();
  9. // table中定位索引位置,n是table的大小
  10. // 如果f为null,说明table中这个位置第一次插入元素,利用Unsafe.compareAndSwapObject方法插入Node节点。
  11. else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
  12. // 如果CAS成功,说明Node节点已经插入,随后addCount(1L,binCout)方法会检查当前容量是否需要进行扩容。如果CAS失败,说明有其它线程提前插入了节点,自旋重新尝试在这个位置插入节点。
  13. if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null)))
  14. break; // no lock when adding to empty bin
  15. }
  16. // 如果f的hash值为-1,说明当前f是ForwardingNode节点,意味有其它线程正在扩容,则一起进行扩容操作。
  17. else if ((fh = f.hash) == MOVED)
  18. tab = helpTransfer(tab, f);
  19. //省略部分代码
  20. }
  21. addCount(1L, binCount);
  22. return null;
  23. }

hash算法

  1. static final int spread(int h) {return (h ^ (h >>> 16)) & HASH_BITS;}

获取table中对应的元素f

  1. static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) {
  2. return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE);
  3. }

Doug Lea采用Unsafe.getObjectVolatile来获取,也许有人质疑,直接table[index]不可以么,为什么要这么复杂?
在java内存模型中,我们已经知道每个线程都有一个工作内存,里面存储着table的副本,虽然table是volatile修饰的,但不能保证线程每次都拿到table中的最新元素,Unsafe.getObjectVolatile可以直接获取指定内存的数据,保证了每次拿到数据都是最新的。

链表或红黑树操作

其余情况把新的Node节点按链表或红黑树的方式插入到合适的位置,这个过程采用同步内置锁实现并发。

  1. synchronized (f) {
  2. // 在节点f上进行同步,节点插入之前,再次利用tabAt(tab, i) == f判断,防止被其它线程修改。
  3. if (tabAt(tab, i) == f) {
  4. // 如果f.hash >= 0,说明f是链表结构的头结点,遍历链表,如果找到对应的node节点,则修改value,否则在链表尾部加入节点。
  5. if (fh >= 0) {
  6. binCount = 1;
  7. for (Node<K,V> e = f;; ++binCount) {
  8. K ek;
  9. if (e.hash == hash &&
  10. ((ek = e.key) == key ||
  11. (ek != null && key.equals(ek)))) {
  12. oldVal = e.val;
  13. if (!onlyIfAbsent)
  14. e.val = value;
  15. break;
  16. }
  17. Node<K,V> pred = e;
  18. if ((e = e.next) == null) {
  19. pred.next = new Node<K,V>(hash, key,
  20. value, null);
  21. break;
  22. }
  23. }
  24. }
  25. // 如果f是TreeBin类型节点,说明f是红黑树根节点,则在树结构上遍历元素,更新或增加节点。
  26. else if (f instanceof TreeBin) {
  27. Node<K,V> p;
  28. binCount = 2;
  29. if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
  30. value)) != null) {
  31. oldVal = p.val;
  32. if (!onlyIfAbsent)
  33. p.val = value;
  34. }
  35. }
  36. }
  37. }
  38. // 如果链表中节点数binCount >= TREEIFY_THRESHOLD(默认是8),则把链表转化为红黑树结构。
  39. if (binCount != 0) {
  40. if (binCount >= TREEIFY_THRESHOLD)
  41. treeifyBin(tab, i);
  42. if (oldVal != null)
  43. return oldVal;
  44. break;
  45. }

table 扩容

当table容量不足的时候,即table的元素数量达到容量阈值sizeCtl,需要对table进行扩容。

整个扩容分为两部分:

  1. 构建一个nextTable,大小为table的两倍。
  2. 把table的数据复制到nextTable中。

这两个过程在单线程下实现很简单,但是ConcurrentHashMap是支持并发插入的,扩容操作自然也会有并发的出现,这种情况下,第二步可以支持节点的并发复制,这样性能自然提升不少,但实现的复杂度也上升了一个台阶。

先看第一步,构建nextTable,毫无疑问,这个过程只能只有单个线程进行nextTable的初始化,具体实现如下:

  1. private final void addCount(long x, int check) {
  2. // 省略部分代码
  3. if (check >= 0) {
  4. Node<K,V>[] tab, nt; int n, sc;
  5. while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
  6. (n = tab.length) < MAXIMUM_CAPACITY) {
  7. int rs = resizeStamp(n);
  8. if (sc < 0) {
  9. if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
  10. sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
  11. transferIndex <= 0)
  12. break;
  13. if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
  14. transfer(tab, nt);
  15. }
  16. else if (U.compareAndSwapInt(this, SIZECTL, sc,
  17. (rs << RESIZE_STAMP_SHIFT) + 2))
  18. transfer(tab, null);
  19. s = sumCount();
  20. }
  21. }
  22. }

get操作

  1. public V get(Object key) {
  2. Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
  3. int h = spread(key.hashCode());
  4. if ((tab = table) != null && (n = tab.length) > 0 &&
  5. (e = tabAt(tab, (n - 1) & h)) != null) {
  6. if ((eh = e.hash) == h) {
  7. if ((ek = e.key) == key || (ek != null && key.equals(ek)))
  8. return e.val;
  9. }
  10. else if (eh < 0) // 树
  11. return (p = e.find(h, key)) != null ? p.val : null;
  12. while ((e = e.next) != null) { // 链表
  13. if (e.hash == h &&
  14. ((ek = e.key) == key || (ek != null && key.equals(ek))))
  15. return e.val;
  16. }
  17. }
  18. return null;
  19. }

0
2
0

添加评论

正在回复:
取消
0
0
2
0