大家好，我是阿轩。
今天我们来剖析一下ThreadLocal的源码。
说到ThreadLocal，我们在日常的开发工作中用的还是挺多的。
比如，用户登录的时候我们可以通过ThreadLocal把用户的信息保存起来，而不用在每次使用的时候再去查一遍。
Spring中的声明式事务也是通过ThreadLocal来保存数据库的链接，从而使多条SQL语句使用的是同一个数据库链接，保证事务。
好了，话不多说，我们开始。
引言
首先看下ThreadLocal的整体结构
在Thread类中保存了一个ThreadLocalMap的变量
/* ThreadLocal values pertaining to this thread. This map is maintained
* by the ThreadLocal class. */
ThreadLocal.ThreadLocalMap threadLocals = null;
ThreadLocalMap是ThreadLocal的内部类，底层数据结构是一个数组
/**
* The table, resized as necessary.
* table.length MUST always be a power of two.
*/
private Entry[] table;
元素是Entry类，这个类又是ThreadLocalMap的内部类，继承了WeakReference类
static class Entry extends WeakReference<ThreadLocal<?>> {
/** The value associated with this ThreadLocal. */
Object value;
Entry(ThreadLocal<?> k, Object v) {
super(k);
value = v;
}
}
可以看到，Entry中k是弱引用，也就是ThreadLocal，而value仍然是强引用，我们通常所说的内存泄漏原因也就在这个地方，后面再说。
好了，ThreadLocal的整体结构我们介绍完了，下面我们开始看他的核心方法。
set
public void set(T value) {
Thread t = Thread.currentThread();
ThreadLocalMap map = getMap(t);
if (map != null)
map.set(this, value);
else
createMap(t, value);
}
首先是set方法，我们在使用ThreadLocal的时候，肯定是先存然后再取，所以我们先看看他是怎么存的。
首先调用getMap方法获取当前线程所保存的ThreadLocalMap
ThreadLocalMap getMap(Thread t) {
return t.threadLocals;
}
这个刚刚说过，Thread类里保存了一个ThreadLocalMap的变量
如果为空先进行初始化
void createMap(Thread t, T firstValue) {
t.threadLocals = new ThreadLocalMap(this, firstValue);
}
调用ThreadLocalMap的构造方法
ThreadLocalMap(ThreadLocal<?> firstKey, Object firstValue) {
table = new Entry[INITIAL_CAPACITY];
int i = firstKey.threadLocalHashCode & (INITIAL_CAPACITY - 1);
table[i] = new Entry(firstKey, firstValue);
size = 1;
setThreshold(INITIAL_CAPACITY);
}
这里我们就可以看出，ThreadLocalMap的底层数据结构是数组。
首先构造了一个默认长度16的Entry数组，然后计算数组下标。
private final int threadLocalHashCode = nextHashCode();
private static AtomicInteger nextHashCode = new AtomicInteger();
private static final int HASH_INCREMENT = 0x61c88647;
private static int nextHashCode() {
return nextHashCode.getAndAdd(HASH_INCREMENT);
}
ThreadLocal的hash值是一个叫threadLocalHashCode的变量，调用的是nextHashCode方法，这个方法又是调用一个AtomicInteger静态实例的getAndAdd方法。
注意，这个nextHashCode变量是静态的，也就是说，每次新建一个ThreadLocal实例，他的hashcode都是在之前的基础上再加HASH_INCREMENT的。
下面来看看HASH_INCREMENT这个变量，值是0x61c88647，转换成10进制就是1640531527。
看到这里，想必小伙伴们很自然的很有一个疑问，为什么每次hashcode都是在之前基础上再加一个这个值呢？
我们先来看一个小实验
public static void main(String[] args) {
int a = 0x61c88647;
int len = 16;
for (int i = 1; i < len + 1; i++) {
System.out.println(i + " " + ((a*i) & (len-1)));
}
}
这段程序是模拟连续创建16个ThreadLocal实例，他的下标分布情况，我们看看结果如何
居然没有一个下标重复的，再试下长度为32看看
一样，没有一个下标重复，是不是很神奇
这里面其实是蕴含了一些数学原理的，我们先看下这个数字是怎么来的
把上面的公式变形一下，(long)((1<<31) * (Math.sqrt(5)-1)/2 * 2);
(Math.sqrt(5)-1)/2这个值是什么？
数字比较好的小伙伴可能立马就想到了，这不就是我们在初中学习的黄金分割吗，0.618！
所以，为什么每次hashcode递增1640531527，求出来的下标会均匀分布，原因就在这里，感兴趣的小伙伴可以去研究一下。
我们继续往下看，在初始化完成之后会调用setThreshold方法设置扩容阈值
private void setThreshold(int len) {
threshold = len * 2 / 3;
}
这里的阈值和HashMap不太一样，HashMap是设置的3/4倍，他这里是2/3。
在第一次初始化之后，第二次调用的时候就会调用ThreadLocalMap的set方法
private void set(ThreadLocal<?> key, Object value) {
Entry[] tab = table;
int len = tab.length;
int i = key.threadLocalHashCode & (len-1);
for (Entry e = tab[i];
e != null;
e = tab[i = nextIndex(i, len)]) {
ThreadLocal<?> k = e.get();
if (k == key) {
e.value = value;
return;
}
if (k == null) {
replaceStaleEntry(key, value, i);
return;
}
}
tab[i] = new Entry(key, value);
int sz = ++size;
if (!cleanSomeSlots(i, sz) && sz >= threshold)
rehash();
}
和HashMap一样，循环遍历数组，找出符合条件的key，nextIndex是获取数组的下一位
private static int nextIndex(int i, int len) {
return ((i + 1 < len) ? i + 1 : 0);
}
因为数组是有界的，所以当遍历超过数组范围时会重新回到0下标位。
循环中有2个判断，第一个判断key是否相等，如果相等直接覆盖value值。
第二个判断k是否为空，如果为空，替换当前数组位的值。
这里注意了，当前索引位Entry的key为null，但是value是不为null的，这里说下前面提到的内存泄漏问题。
在Java中引用分为4种，强软弱虚四大法王，强引用就是我们日常工作时用到的引用，比如User a = new User()，a就是强引用，软引用使用SoftReference包装，弱引用使用WeakReference包装，虚引用使用PhantomReference包装。
虚引用一般是用来链接堆外对象，通过虚引用实现对堆外内存的回收。弱引用每次发生GC的时候会被回收，而软引用只有在内存不足的时候才会被回收。
ThreadLocalMap中Entry的key就是通过弱引用修饰的，所以每次发生GC时会被回收掉，导致key变成null，而value是强引用，不会被回收，但是此时的value已经没有了任何意义，只是白白占着内存，所以也就导致了这部分内存不能被正常使用，造成内存泄漏。
好了，我们继续往下看。
其实，从这里就可以看出，ThreadLocal处理hash碰撞是使用的线性探测法，就是如果计算出的索引位被别人占用了，那么就看下一位有没有被占用，一直找到没被占用的或者key为null的。
看下他的替换方法replaceStaleEntry
private void replaceStaleEntry(ThreadLocal<?> key, Object value,
int staleSlot) {
Entry[] tab = table;
int len = tab.length;
Entry e;
int slotToExpunge = staleSlot;
for (int i = prevIndex(staleSlot, len);
(e = tab[i]) != null;
i = prevIndex(i, len))
if (e.get() == null)
slotToExpunge = i;
for (int i = nextIndex(staleSlot, len);
(e = tab[i]) != null;
i = nextIndex(i, len)) {
ThreadLocal<?> k = e.get();
if (k == key) {
e.value = value;
tab[i] = tab[staleSlot];
tab[staleSlot] = e;
// Start expunge at preceding stale entry if it exists
if (slotToExpunge == staleSlot)
slotToExpunge = i;
cleanSomeSlots(expungeStaleEntry(slotToExpunge), len);
return;
}
if (k == null && slotToExpunge == staleSlot)
slotToExpunge = i;
}
// If key not found, put new entry in stale slot
tab[staleSlot].value = null;
tab[staleSlot] = new Entry(key, value);
// If there are any other stale entries in run, expunge them
if (slotToExpunge != staleSlot)
cleanSomeSlots(expungeStaleEntry(slotToExpunge), len);
}
这个方法有点长，我们一点点细看。
先看第一个for循环，我们现在知道当前数组下标位的key是为null的，待会是要被回收的，那么，我顺带看看前面还有没有Entry的key是null的，如果有的话那我就一并回收了岂不是更好。所以，这个for的作用就是向前遍历，如果找到key==null的，记录下位置，赋值给slotToExpunge。当遇到Entry为null时停下来，否则一直向前遍历，遍历到第一个元素时，会跳到数组的末尾继续往前遍历。
这里可能有小伙伴会想了，如果我一直没遇到Entry为null的，会不会又遍历回自己了？
显然，是不会的。
忘记了吗，当数组的元素个数达到一定的值时是会扩容的，所以，数组中始终会有一些下标位是为null的。
再看第二个for循环，这次是向后开始遍历，如果找到满足条件的key，那么就覆盖value，将当前索引位元素和staleSlot索引位元素替换下，画个图理解一下
因为staleSlot索引位key为null，待会要被清理掉，所以把他和覆盖完value值的i位替换下。然后判断之前向前遍历的时候有没有找到key为null的，如果没找到，就将开始清理的位置设置为i，否则从之前找到的索引位开始清理。
ThreadLocal清理的方法有2个，先看里面那个，expungeStaleEntry方法
private int expungeStaleEntry(int staleSlot) {
Entry[] tab = table;
int len = tab.length;
// expunge entry at staleSlot
tab[staleSlot].value = null;
tab[staleSlot] = null;
size--;
// Rehash until we encounter null
Entry e;
int i;
for (i = nextIndex(staleSlot, len);
(e = tab[i]) != null;
i = nextIndex(i, len)) {
ThreadLocal<?> k = e.get();
if (k == null) {
e.value = null;
tab[i] = null;
size--;
} else {
int h = k.threadLocalHashCode & (len - 1);
if (h != i) {
tab[i] = null;
// Unlike Knuth 6.4 Algorithm R, we must scan until
// null because multiple entries could have been stale.
while (tab[h] != null)
h = nextIndex(h, len);
tab[h] = e;
}
}
}
return i;
}
因为清理是从staleSlot开始，所以上来就把staleSlot位的元素清空了。
然后向后遍历，遇到key为null的直接清空掉。
如果不为null，就计算下标位，如果发现计算出来的下标位不是自己现在的位置，那么就说明当初set的时候，计算出来的索引位被占用了，被迫向后遍历了。
那么，把当前i位设置为null
为什么设置为null呢？
因为此时已经清理掉了一些key为null的元素，当初占用他位置的元素此时很有可能被清理掉了，所以他要去夺回属于自己的东西，邪笑。
紧接着，他就开始循环遍历，从计算出的h位开始寻找，一直找到空余的位置为止。
最后返回i，注意了，这个i位元素是为null的。
回到外层，再次进行一次清理，调用cleanSomeSlots方法
private boolean cleanSomeSlots(int i, int n) {
boolean removed = false;
Entry[] tab = table;
int len = tab.length;
do {
i = nextIndex(i, len);
Entry e = tab[i];
if (e != null && e.get() == null) {
n = len;
removed = true;
i = expungeStaleEntry(i);
}
} while ( (n >>>= 1) != 0);
return removed;
}
这里注意一下，因为当前i位元素是为null的，所以开始遍历的时候是从下一位开始遍历的，如果发现key为null的，再次调用之前的expungeStaleEntry方法开始清理。
如果没找到key为null的，那么会循环log2^n次，找到了重新赋值n = len，再次循环log2^n次。
再次回到外层方法，如果key不符合条件，那么判断key是否为null，为null再判断之前向前遍历的时候有没有发现key为null的Entry，没发现就设置开始清理的位置。
一直遍历到元素为null，如果都没有找到符合条件的就跳出循环。新增一个Entry插入到staleSlot位置。因为之前循环的时候没有找到符合条件的key，没有进行清理工作，所以此时会进行清理工作。和之前循环调用的方法cleanSomeSlots(expungeStaleEntry(slotToExpunge), len)一样。
回到一开始的set方法，如果循环中没有找到符合条件的key，也没有找到key为null的，那么就会构造一个Entry元素赋值到i位置上。
一般新增一个元素后都会判断是否需要扩容，所以此时同样会判断扩容，但是扩容之前会进行一次随机清理，如果正巧清理了key为null的元素，那么因为清理了元素，所以数组个数减少了，也就不用再判断扩容了，如果没有清理到，此时判断是否超过阈值，超过了进行扩容。调用rehash方法
private void rehash() {
expungeStaleEntries();
// Use lower threshold for doubling to avoid hysteresis
if (size >= threshold - threshold / 4)
resize();
}
在进行真正的扩容之前会把数组全部遍历一遍，清理key为null的元素，expungeStaleEntries这个方法
private void expungeStaleEntries() {
Entry[] tab = table;
int len = tab.length;
for (int j = 0; j < len; j++) {
Entry e = tab[j];
if (e != null && e.get() == null)
expungeStaleEntry(j);
}
}
可以看到，这里把数组从头到尾遍历了一遍，发现key为null的就调用expungeStaleEntry进行清理。
清理之后判断是否超过阈值，这里把阈值减小了，减到原来的3/4。
这里作者可能考虑到，清理之后，如果元素数量还超过阈值的3/4，那么过不了多久肯定又会超过2/3，与其那个时候再扩容不如现在提前扩容算了。
调用resize进行扩容
private void resize() {
Entry[] oldTab = table;
int oldLen = oldTab.length;
int newLen = oldLen * 2;
Entry[] newTab = new Entry[newLen];
int count = 0;
for (int j = 0; j < oldLen; ++j) {
Entry e = oldTab[j];
if (e != null) {
ThreadLocal<?> k = e.get();
if (k == null) {
e.value = null; // Help the GC
} else {
int h = k.threadLocalHashCode & (newLen - 1);
while (newTab[h] != null)
h = nextIndex(h, newLen);
newTab[h] = e;
count++;
}
}
}
setThreshold(newLen);
size = count;
table = newTab;
}
这个方法比较简单，就是数组容量扩大一倍，然后把老数组的元素转移到新数组上，
到这里set方法我们就剖析完了，下面我们看get方法
get
public T get() {
Thread t = Thread.currentThread();
ThreadLocalMap map = getMap(t);
if (map != null) {
ThreadLocalMap.Entry e = map.getEntry(this);
if (e != null) {
@SuppressWarnings("unchecked")
T result = (T)e.value;
return result;
}
}
return setInitialValue();
}
get方法相对而言简单一些，首先获取当前线程的ThreadLocalMap变量，如果为null，调用setInitialValue初始化
private T setInitialValue() {
T value = initialValue();
Thread t = Thread.currentThread();
ThreadLocalMap map = getMap(t);
if (map != null)
map.set(this, value);
else
createMap(t, value);
return value;
}
initialValue方法返回的是个null，然后调用前面说的createMap方法进行初始化。
如果ThreadLocalMap变量不为null，调用getEntry获取Entry元素。
private Entry getEntry(ThreadLocal<?> key) {
int i = key.threadLocalHashCode & (table.length - 1);
Entry e = table[i];
if (e != null && e.get() == key)
return e;
else
return getEntryAfterMiss(key, i, e);
}
这里如果计算出来的i索引位满足就返回，否则调用getEntryAfterMiss方法
private Entry getEntryAfterMiss(ThreadLocal<?> key, int i, Entry e) {
Entry[] tab = table;
int len = tab.length;
while (e != null) {
ThreadLocal<?> k = e.get();
if (k == key)
return e;
if (k == null)
expungeStaleEntry(i);
else
i = nextIndex(i, len);
e = tab[i];
}
return null;
}
如果e为null说明已经发生GC被回收掉了，返回null。否则，从i开始往后遍历，满足条件就返回，为null就清理，一直到e==null或者找到符合条件的为止。
最后回到get方法判断有没有找到符合条件的Entry，找到就返回，没找到继续调用setInitialValue方法，将当前ThreadLocal实例作为key，null作为value，构造一个Entry插入到数组中。
最后看下remove方法
reove
public void remove() {
ThreadLocalMap m = getMap(Thread.currentThread());
if (m != null)
m.remove(this);
}
调用ThreadLocalMap的remove方法
private void remove(ThreadLocal<?> key) {
Entry[] tab = table;
int len = tab.length;
int i = key.threadLocalHashCode & (len-1);
for (Entry e = tab[i];
e != null;
e = tab[i = nextIndex(i, len)]) {
if (e.get() == key) {
e.clear();
expungeStaleEntry(i);
return;
}
}
}
计算出当前ThreadLocal实例所在的i索引位，判断此位置的key是否是自己，是，就删除，然后调用expungeStaleEntry方法看看能不能清理掉一些元素，然后返回。
实战应用
在我们日常的工作中，线上出现问题的话需要去排查，而现在微服务盛行，许多项目都由传统的单体式拆分成了微服务，经常客户端一个请求过来会经过好几个系统，这个时候为了追踪整个链路的调用情况，我们通常会创建一个traceId，贯穿整个调用链路，这样，我们在查日志的时候就可以通过这个traceId将整个调用过程串联起来。
但是为了提高系统的快速响应能力，我们经常会创建线程池来进行异步执行，这个时候traceId就会断掉，如果恰巧是线程池执行出现了错误，那么就无法跟踪到了。
这个时候ThreadLocal就派上用场了。
在日志框架slf4j里有一个叫MDC的类，通过他就可以实现我们需要的功能。
我们先看一下正常情况下调用的过程。
/**
* @author 程序员阿轩
*/
@Component
public class WebFilter extends GenericFilterBean {
Logger logger = LoggerFactory.getLogger(WebFilter.class);
@Override
public void doFilter(ServletRequest servletRequest, ServletResponse servletResponse, FilterChain filterChain) {
System.out.println("WebFilter doFilter-----------");
try {
HttpServletRequest request = (HttpServletRequest) servletRequest;
String traceId = request.getHeader(TraceConstants.X_COMMON_TRACE_ID);
if (StrUtil.isBlank(traceId)) {
traceId = TraceUtils.newTraceId();
}
TraceContext.setTraceId(traceId);
System.out.println("WebFilter traceId ->" + traceId);
filterChain.doFilter(servletRequest, servletResponse);
} catch (Throwable e) {
} finally {
TraceContext.clear();
}
}
}
首先请求来到过滤器，我们在这里给他设置一个traceId
/**
* @author 程序员阿轩
*/
public class TraceContext {
private TraceContext() {
}
public static String getTraceId() {
return MDC.get(TraceConstants.X_COMMON_TRACE_ID);
}
public static void setTraceId(String traceId) {
MDC.put(TraceConstants.X_COMMON_TRACE_ID, traceId);
}
public static Map<String, String> getContextMap() {
return MDC.getCopyOfContextMap();
}
public static void setContextMap(Map<String, String> contextMap) {
if (contextMap == null) {
contextMap = new HashMap<>();
}
MDC.setContextMap(contextMap);
}
public static void clear() {
MDC.remove(TraceConstants.X_COMMON_TRACE_ID);
}
public static void clearAll() {
MDC.clear();
}
}
接着请求来到controller
/**
* @author 程序员阿轩
*/
@RestController
public class TraceController {
@Autowired
private TestService testService;
@GetMapping("/trace")
public String trace() {
System.out.println("main->" + Thread.currentThread().getName());
testService.test();
return "程序员阿轩";
}
}
service类
/**
* @author 程序员阿轩
*/
@Service
public class TestService {
@Async("ecsAsyncExecutor")
public void test() {
System.out.println("线程池中线程->" + Thread.currentThread().getName() + "---" + MDC.get(TraceConstants.X_COMMON_TRACE_ID));
try {
Thread.sleep(500000);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}
线程池配置类
/**
* @author 程序员阿轩
*/
@Configuration
public class AsyncExecutorConfig implements AsyncConfigurer {
private static final Logger LOGGER = LoggerFactory.getLogger(AsyncExecutorConfig.class);
private final TaskExecutionProperties properties;
public AsyncExecutorConfig(TaskExecutionProperties properties) {
this.properties = properties;
}
@Override
@Bean("ecsAsyncExecutor")
public ThreadPoolTaskExecutor getAsyncExecutor() {
ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor() {
@Override
public <T> Future<T> submit(Callable<T> task) {
return super.submit(task);
}
@Override
public void execute(Runnable task) {
super.execute(task);
}
};
executor.setCorePoolSize(properties.getPool().getCoreSize());
executor.setMaxPoolSize(properties.getPool().getMaxSize());
executor.setQueueCapacity(properties.getPool().getQueueCapacity());
executor.setAllowCoreThreadTimeOut(properties.getPool().isAllowCoreThreadTimeout());
executor.setKeepAliveSeconds((int) properties.getPool().getKeepAlive().getSeconds());
executor.setThreadNamePrefix(properties.getThreadNamePrefix());
executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
executor.initialize();
return executor;
}
}
这里主要为了演示，一些异常异常捕捉什么的就省掉了。
yaml配置
spring:
task:
execution:
pool:
allow-core-thread-timeout: true
core-size: 1
max-size: 5
queue-capacity: 3
keep-alive: 60s
thread-name-prefix: a-xuan
运行程序，打印结果
WebFilter doFilter-----------
WebFilter traceId ->08dd98a2-7343-4695-b509-2103bda6f7ef
main->http-nio-9050-exec-1
线程池中线程->a-xuan1---null
可以看到，线程池中的线程获取traceId为null，获取不到。
我们稍微改造下线程池的配置类
/**
* @author 程序员阿轩
*/
@Configuration
public class AsyncExecutorConfig implements AsyncConfigurer {
private static final Logger LOGGER = LoggerFactory.getLogger(AsyncExecutorConfig.class);
private final TaskExecutionProperties properties;
public AsyncExecutorConfig(TaskExecutionProperties properties) {
this.properties = properties;
}
@Override
@Bean("ecsAsyncExecutor")
public ThreadPoolTaskExecutor getAsyncExecutor() {
ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor() {
@Override
public <T> Future<T> submit(Callable<T> task) {
return super.submit(ThreadMdcUtil.wrap(task, MDC.getCopyOfContextMap()));
}
@Override
public void execute(Runnable task) {
super.execute(ThreadMdcUtil.wrap(task, MDC.getCopyOfContextMap()));
}
};
executor.setCorePoolSize(properties.getPool().getCoreSize());
executor.setMaxPoolSize(properties.getPool().getMaxSize());
executor.setQueueCapacity(properties.getPool().getQueueCapacity());
executor.setAllowCoreThreadTimeOut(properties.getPool().isAllowCoreThreadTimeout());
executor.setKeepAliveSeconds((int) properties.getPool().getKeepAlive().getSeconds());
executor.setThreadNamePrefix(properties.getThreadNamePrefix());
executor.setRejectedExecutionHandler(new ThreadPoolExecutor.CallerRunsPolicy());
executor.initialize();
return executor;
}
}
我们把需要执行的任务包装一层
/**
* @author 程序员阿轩
*/
public class ThreadMdcUtil {
public static <T> Callable<T> wrap(final Callable<T> callable, final Map<String, String> context) {
return new Callable<T>() {
@Override
public T call() throws Exception {
if (context == null) {
MDC.clear();
} else {
MDC.setContextMap(context);
}
System.out.println("wrap: " + Thread.currentThread().getName() + "---" + MDC.get(TraceConstants.X_COMMON_TRACE_ID));
try {
return callable.call();
} finally {
MDC.clear();
}
}
};
public static Runnable wrap(final Runnable runnable, final Map<String, String> context) {
return () -> {
if (context == null) {
MDC.clear();
} else {
MDC.setContextMap(context);
}
// System.out.println("wrap: " + Thread.currentThread().getName() + "---" + MDC.get(TraceConstants.X_COMMON_TRACE_ID));
try {
runnable.run();
} finally {
MDC.clear();
}
};
}
}
再次执行看下打印结果
WebFilter doFilter-----------
WebFilter traceId ->655795e7-a58e-408b-9758-e65c04aa4e4a
main->http-nio-9050-exec-1
submit->http-nio-9050-exec-1
wrap: a-xuan1---655795e7-a58e-408b-9758-e65c04aa4e4a
线程池中线程->a-xuan1---655795e7-a58e-408b-9758-e65c04aa4e4a
可以看到此时线程池中的线程拿到了traceId，从而完成了链路追踪的功能。
下面我们简单看下MDC是怎么实现这个功能的。
我们看下刚刚使用到的put和get方法
public static void put(String key, String val) throws IllegalArgumentException {
if (key == null) {
throw new IllegalArgumentException("key parameter cannot be null");
} else if (mdcAdapter == null) {
throw new IllegalStateException("MDCAdapter cannot be null. See also http://www.slf4j.org/codes.html#null_MDCA");
} else {
mdcAdapter.put(key, val);
}
}
public static String get(String key) throws IllegalArgumentException {
if (key == null) {
throw new IllegalArgumentException("key parameter cannot be null");
} else if (mdcAdapter == null) {
throw new IllegalStateException("MDCAdapter cannot be null. See also http://www.slf4j.org/codes.html#null_MDCA");
} else {
return mdcAdapter.get(key);
}
}
可以看到，MDC只是个门面，真正发挥作用的是MDCAdapter这个东西。
public interface MDCAdapter {
void put(String var1, String var2);
String get(String var1);
void remove(String var1);
void clear();
Map<String, String> getCopyOfContextMap();
void setContextMap(Map<String, String> var1);
}
而MDCAdapter实际上是一个接口，功能由他的子类来实现
现在我们日志框架通常使用的都是LogBack，我们看下LogBack的实现
public void put(String key, String val) throws IllegalArgumentException {
if (key == null) {
throw new IllegalArgumentException("key cannot be null");
} else {
Map<String, String> oldMap = (Map)this.copyOnThreadLocal.get();
Integer lastOp = this.getAndSetLastOperation(1);
if (!this.wasLastOpReadOrNull(lastOp) && oldMap != null) {
oldMap.put(key, val);
} else {
Map<String, String> newMap = this.duplicateAndInsertNewMap(oldMap);
newMap.put(key, val);
}
}
}
可以看到，核心是一个Map的变量copyOnThreadLocal，从名字其实已经能够看出来了
final ThreadLocal<Map<String, String>> copyOnThreadLocal = new ThreadLocal();
private static final int WRITE_OPERATION = 1;
private static final int MAP_COPY_OPERATION = 2;
final ThreadLocal<Integer> lastOperation = new ThreadLocal();
没错，他就是一个ThreadLocal，所有的一切都是围绕着这个ThreadLocal来进行的。
总结
本篇文章从ThreadLocal的源码剖析说到他在实际工作中的使用，其实小伙伴们可以发现，很多技术的底层都是我们熟悉的东西，只不过经过了层层包装，穿上了各种各样华丽的马甲之后，我们不认识他了，但是当你一步步去深究，像洋葱一样一层一层剥开他的时候，最后，你会情不自禁的感叹一句，哦---，原来如此，soga。
