JDK源码剖析系列之ConcurrentHashMap
本文基于jdk1.8版本，如果你想看懂源码而不是仅仅停留在理解概念上，那么你应该完整的看完本文，否则你可以仅阅读概念部分而不用看代码实现细节部分，因为真正读懂源码非常耗时。或许对于应付面试来说你更应该去理解概念而不是弄清楚代码细节。当然如果你能真正读懂源码，并体会其中的精髓，自然不会再怕面试问到相关问题了。你可以边阅读源码，边参考本文代码实现部分，这样你会轻松很多，笔者将一些代码的讲解直接放在了代码注释中了，代码细节主要来自于笔者n年前第一次阅读源码时留下的记录。
概念部分
哈希表
其实使用哈希表我们就可以实现hashmap。 故名思义，哈希表由两部分组成：hash函数和表。
hash函数
就是一个映射函数，一般将输入映射为一个整数，一般使用这个整数对table的长度n取余数。比如你想往map里面put(key, value)，你可以使用一个hash函数将key映射为一个整数m, 然后 计算i = m % n得到hash的值，i就是你要放入的桶的下标。一般来说针对你的数据分布情况选择冲突较少hash函数，哈希表的查找效率会更高。
表(table)
其实就是一个长为n的数组，数组中的每一个位置都放了一个桶(也就是源码中的bin)。每个桶是一个容器（数组，链表，红黑树都是用来存放元素的容器），一个桶里面可以放很多元素，同一个桶里面的元素hash值是相同的。为了保证线程安全，可以对桶加锁，在ConcurrentHashmap里面，如果桶是空的，直接使用CAS来保证桶的访问是线程安全的，如果桶不是空的，使用synchonized对桶加锁（在put操作中你会看到这部分加锁的代码）
还不明白可以点击我的博客了解更多关于哈希表的知识
扩容
那么有一个问题是，哈希表的数组应该多大才能保证查询效率足够高呢？如果数组太小，hash冲突就太多，效率就会很低。如果太大的话，占用内存就会很大，超出一定大小后，内存的分配时间和回收时间对效率的影响会变得无法忽视，因此不是越大越好。所以确定桶的数量是一个很重要的事。
ConcurrentHashmap允许你通过构造函数告诉他默认的容量（也用来计算table的长度）。如果你没有设置这个参数，那么它就是16。
一个新问题，使用固定数量的桶明显是不合适的，因为随着map中存储的东西越多，get和put的效率会越來越低。因此，需要动态的调整桶的数量，这个过程就称为扩容。
新的问题，在什么时机需要进行扩容呢？你可能猜测在初始化和put的时候需要进行扩容，但是究竟在数据量达到一个什么样的规模时进行扩容呢。在ConcurrentHashmap里有两个参数sizeCtl，loadFactor，当map中元素的数量超过sizeCtl的时候就会进行扩容。这个sizeCtl是动态计算得到的，假设桶的数量是n, 那么这个sizeCtl就是 loadFactor * n，而loadFactor的默认值是0.75。举例来说，目前map有16个桶，当超过元素个数超过16 * 0.75 = 12个时就会进行扩容，扩容的策略是翻倍，从16扩容到32，32到64，依次类推...
另外就是初始化的时候需要计算出桶的数量。还记得之前说过你可以通过构造函数告诉他默认的容量是initialCapacity吗，ConcurrentHashmap并不是设置桶的数量为initialCapacity，而是找到一个大于initialCapacity / loadFactor + 1的最小的2^k作为桶的数量，比如你设置的initialCapacity是9，那么9 / 0.75 + 1 = 13，而大于13的最小的2^k是16，所以初始桶的数量就是16，sizeCtl = 16 * 0.75 = 12，当map中元素数量超过12的时候就会从16扩容为32，重新计算sizeCtl = 32 * 0.75 = 24，依次类推...
转移
现在我们知道了扩容是什么，采用什么策略进行扩容，那么如果一个桶里面有m个元素，扩容之后这m个元素还应该存放在原来的桶里吗？因为桶的数量发生了变化，hash函数得到的数值也可能会发生变化，这样的话，就不一定要存放在原来的桶内了。这个问题该如何解决呢。
ConcurrentHashmap利用了一个巧妙的数字关系来处理这种情况。值得注意的是，源码作者Doug Lea将桶的数量n设计为一直是2^k。
首先由于数字n的特殊性，假设元素的哈希值是hash，hash % n 和hash & (n - 1)得到的结果是相同的，这样就可以使用位运算替代效率低的取模运算。
其次，如果当前的桶数量是n， 扩容应该为2*n，对于桶i中的元素，这个元素在扩容后要么放在原来的桶中，要么放在i + n这个桶中。具体怎么放是由hash值决定的，如果hash & n 等于 0，那么就放在原来的桶中；如果hash & n 不等于 0，那么就放在i + n这个桶中。
数学公式证明：
已知：n = 2 ^ k ， hash & (n-1) = i，显而易见：
（1）若 hash & n = 0， 则 hash &(2*n - 1) = i ；
（2）若 hash & n != 0, 则 hash&(2*n - 1) = i + n。
红黑树
前面说过，桶就是一个容器，可以是链表类型，当然也可以是红黑树这种类型。链表插入查询删除等操作的算法复杂度是o(N)，而红黑树是o(logN)，所以在桶中元素数量比较大的时候红黑树的查询效率更高。ConcurrentHashmap中如果桶中元素的数量超过了8个，就会将桶从链表转换为红黑树来存储。值得注意的情况是，当桶的数量不超过64个的时候，即使桶中元素数量超过8个，只会进行扩容，不会将链表变为红黑树。
您可以在我的博客了解更多关于红黑树的知识
代码细节部分
数据结构
仅列出最重要的代码片段
Node
链表的节点
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
volatile V val;
volatile Node<K,V> next;
/**
* 子类中重写了这个方法，这里的find实现了在链表中查找hash值等于h且key等于k的节点
*/
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;
}
}
ForwardingNode
/**
* A node inserted at head of bins during transfer operations.
*/
// 并不是我们传统的包含key-value的节点，只是一个标志节点，并且指向nextTable，提供find方法而已。生命周期：仅存活于扩容操作且bin不为null时，一定会出现在每个bin的首位。
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;
}
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)// 头结点存在e中
return null;
for (;;) {
// 检查头结点是否为要找的node
int eh; K ek;
if ((eh = e.hash) == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
// 如果头结点不是要找的节点
if (eh < 0) {
// 头结点hash值小于0
// 如果头结点是ForwardingNode，那么继续下一个ForwardingNode的find逻辑
if (e instanceof ForwardingNode) {
tab = ((ForwardingNode<K,V>)e).nextTable;
continue outer;
}
// 如果头结点不是ForwardingNode，就进行相应的find逻辑
else
return e.find(h, k);
}
// 查找到尾部仍然没有找到对应的node
if ((e = e.next) == null)
return null;
}
}
}
}
TreeNode
红黑树中的节点类，值得注意的是：TreeNode可用于构造双向链表，Node包含next成员，同时，TreeNode加入了prev成员。
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;
}
Node<K,V> find(int h, Object k) {
return findTreeNode(h, k, null);
}
final TreeNode<K,V> findTreeNode(int h, Object k, Class<?> kc) {
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;
// hash值相等，key不等，左子树不存在，搜索右子树
else if (pl == null)
p = pr;
// hash值相等，key不等，右子树不存在，搜索左子树
else if (pr == null)
p = pl;
/*
* comparableClassFor的作用是:
* 如果k实现了Comparable接口，返回k的Class,
* 否则返回null。
* compareComparables的作用是：
* 将k与pk做比较
* 如果TreeNode的Key可以作比较，就可以继续在树中搜索
*/
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
p = (dir < 0) ? pl : pr;
// 由于hash相等，key无法做比较，因此先在右子树中找
else if ((q = pr.findTreeNode(h, k, kc)) != null)
return q;
// 右子树没有找到，继续从当前的节点的左子树中找
else
p = pl;
} while (p != null);
}
return null;
}
}
TreeBin
TreeBin封装了红黑树的逻辑，有关红黑树, 可以参考的资料有《Algorithm》网站 以及 中文翻译
也可以试玩Red/Black Tree Visualization 。
附文章中提到的红黑树旋转的动图与TreeBin中的rotateLeft、rotateRight代码片段帮助理解。
左旋：
对应代码
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root,
TreeNode<K,V> p) {
TreeNode<K,V> r, pp, rl;
// p是图中的E节点，r是图中的S节点
if (p != null && (r = p.right) != null) {
if ((rl = p.right = r.left) != null)
rl.parent = p;
// p是根节点，则根节点需要变化
if ((pp = r.parent = p.parent) == null)
(root = r).red = false;
// p不是根节点，如果p是pp的左节点，就更新pp的left
else if (pp.left == p)
pp.left = r;
else
pp.right = r;
// 把p放在左子树中
r.left = p;
p.parent = r;
}
return root;
}
右旋：
对应代码
static <K,V> TreeNode<K,V> rotateRight(TreeNode<K,V> root,
TreeNode<K,V> p) {
TreeNode<K,V> l, pp, lr;
// p是途中的S，l是图中的E
if (p != null && (l = p.left) != null) {
if ((lr = p.left = l.right) != null)
lr.parent = p;
// p是根节点，则根节点需要变化
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;
}
仅列出Treebin数据成员以及部分方法：
// 维护了一个红黑树
static final class TreeBin<K,V> extends Node<K,V> {
TreeNode<K,V> root;
// 链表头结点，每次都将新节点插入到链表的头部，成为新的头结点
// 因此该链表中节点的顺序与插入顺序相反
volatile TreeNode<K,V> first;
volatile Thread waiter;
volatile int lockState;
/**
* 返回匹配的node或者没有匹配的就返回null. 在树中从根节点开始比较，
* 当锁不可用的时候进行线性搜索
*/
final Node<K,V> find(int h, Object k) {
if (k != null) {
for (Node<K,V> e = first; e != null; ) {
int s; K ek;
// 锁不可用，lockState包含了WAITER或者WRITER标志位
if (((s = lockState) & (WAITER|WRITER)) != 0) {
if (e.hash == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
e = e.next;
}
// 锁可用，当前对象设置为READER状态
else if (U.compareAndSwapInt(this, LOCKSTATE, s,
s + READER)) {
TreeNode<K,V> r, p;
try {
// 在树中查找匹配的节点
p = ((r = root) == null ? null :
r.findTreeNode(h, k, null));
} finally {
Thread w;
// 取消当前锁的READER状态
if (U.getAndAddInt(this, LOCKSTATE, -READER) ==
(READER|WAITER) && (w = waiter) != null)
LockSupport.unpark(w);
}
return p;
}
}
}
return null;
}
// 寻找或者添加一个节点
final TreeNode<K,V> putTreeVal(int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
// 红黑树是空，直接插入到根节点
if (p == null) {
first = root = new TreeNode<K,V>(h, k, v, null, null);
break;
}
// 根据hash值设置标记位
else if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
// hash值相同，并且k与pk相等（equals），直接返回
else if ((pk = p.key) == k || (pk != null && k.equals(pk)))
return p;
// hash相同，p与pk不equals，但是按照比较接口发现p与pk相等
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
if (((ch = p.left) != null &&
(q = ch.findTreeNode(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.findTreeNode(h, k, kc)) != null))
return q;
}
// 根据一种确定的规则来进行比较，至于规则本身具体是什么病不重要
dir = tieBreakOrder(k, pk);
}
// 程序运行到这里，说明当前节点不匹配，但子树中可能会有匹配的Node
TreeNode<K,V> xp = p;
// 根据大小关系移动p到左子树或者右子树
// 如果满足p为null，则说明树中没有节点能与之匹配，应当在p位置插入新节点，然后维护红黑树的性质
if ((p = (dir <= 0) ? p.left : p.right) == null) {
TreeNode<K,V> x, f = first;
first = x = new TreeNode<K,V>(h, k, v, f, xp);
if (f != null)
f.prev = x;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
// 优先将新节点染为红色
if (!xp.red)
x.red = true;
else {
lockRoot();
try {
root = balanceInsertion(root, x);
} finally {
unlockRoot();
}
}
break;
}
}
assert checkInvariants(root);
return null;
}
}
// 红黑树的平衡插入
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,
TreeNode<K,V> x) {
x.red = true; // 将x染成红色
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
// 根节点必须是黑色
if ((xp = x.parent) == null) {
x.red = false;
return x;
}
// 父节点是黑色或者父节点是根节点
// 总之父节点是黑色，那么不会违反红黑树性质
// 不需要调整结构，直接返回根节点即可
else if (!xp.red || (xpp = xp.parent) == null)
return root;
// 父节点是红色（需要调整），且在祖父节点的左子树中
if (xp == (xppl = xpp.left)) {
// 因为父节点为红色，所以xppr必须是红色或空，不可能是黑色
// 祖父节点的右节点为红色
if ((xppr = xpp.right) != null && xppr.red) {
/**
* 黑 红
* / \ （染色后） / \
* 红 红 -> 黑 黑
* / /
* 红 红
*
* 可见通过调整颜色后，子树不需要旋转就可以满足红黑树的性质
* 但由于xpp变成了红色，有可能违反红黑树性质，仍然需要向上调整
*/
xppr.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
// xppr是空
else {
/**
* 黑
* /
* 红
* \
* 红
*/
if (x == xp.right) {
/**
* 进行左旋操作，变为以下形式，
* 可以看出此时任然违反红黑树的性质，
* 然而x仍然指向了最下面冲突的红色节点，
* 此处仅仅调整了树的形状
*
* 黑
* /
* 红
* /
* 红
*/
root = rotateLeft(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
/*
* 由于调整了树的形状，因此此时树一定长成这个样子
*
* 黑
* /
* 红
* /
* 红
*
* 在染色并右旋之后，变为
*
* 黑
* / \
* 红 红
*/
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateRight(root, xpp);
}
}
}
}
// x在祖父节点的右子树中，这种情况与x在祖父节点左子树中类似，因此不多作解释，不明白的话类比即可。
else {
/**
* 黑 红
* / \ (染色后) / \
* 红 红 -> 黑 黑
* \ \
* 红 红色
*/
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);
}
}
}
}
}
}
核心成员
// ForwardingNode的hash值都是-1
static final int MOVED = -1;
// Treebin的hash值是-2
static final int TREEBIN = -2;
/**
* 在第一次insert的时候才进行初始化(延迟初始化)
* Size总是2的幂. 直接通过迭代器访问.
*/
transient volatile Node<K,V>[] table;
// nextTable的用途：只有在扩容时是非空的
private transient volatile Node<K,V>[] nextTable;
/**
* 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;
/**
* sizeCtl是控制标识符，不同的值表示不同的意义。
* -1代表正在初始化；
* -(1+有效扩容线程的数量)，比如，-N 表示有N-1个线程正在进行扩容操作；
* 0 表示还未进行初始化
* 正数代表初始化或下一次进行扩容的大小，类似于扩容阈值。它的值始终是当前ConcurrentHashMap容量的0.75倍，这与loadfactor是对应的。实际容量>=sizeCtl，则扩容。
*/
private transient volatile int sizeCtl;
// 扩容的时候，next数组下标+1
private transient volatile int transferIndex;
/**
* 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;
// 视图
private transient KeySetView<K,V> keySet;
private transient ValuesView<K,V> values;
private transient EntrySetView<K,V> entrySet;
核心函数
ConcurrentHashMap(int initialCapacity)
之所以列出这个函数，是因为这个函数初始化了sizeCtl，并且可以看出table在这里并没有被初始化，而是在插入元素的时候进行延迟初始化。 我们要注意的是table的长度始终是2的幂，sizeCtl的值为正数时表示扩容的最小阀值。
// 需要注意的是，构造了一个能够容纳initialCapacity个元素的对象，
// 但实际table的大小比1.5倍的initialCapacity还多
public ConcurrentHashMap(int initialCapacity) {
if (initialCapacity < 0)
throw new IllegalArgumentException();
// 保证cap是2的幂，其中tableSizeFor返回大于入参的最小的2的幂
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
this.sizeCtl = cap;
}
initTable
// 初始化table，使用sizeCtl记录table的容量
// 为了保证并发访问不会出现冲突，使用了Unsafe的CAS操作
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
// tab是空的
while ((tab = table) == null || tab.length == 0) {
// 如果已经初始化过
if ((sc = sizeCtl) < 0)
Thread.yield(); // 退出初始化数组的竞争; just spin
// 如果没有线程在初始化，将sizeCtl设置为-1，表示正在初始化
// CAS操作，由此可见sizeCtl维护table的并发访问
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
// 再次检查table是否为空
if ((tab = table) == null || tab.length == 0) {
// 计算分配多少个Node
// sc大于0的时候表示要分配的大小
// 否则默认分配16个node
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
// 下次扩容的最小阀值0.75*n
// 注意0.75 * n < n，而且它很可能不是2的幂，
// 例如n = 16， 则sc = 12；
// 因此这个阀值在后续扩容情况下实际上不会成为数组的容量值，但它可以用来能保证用户提供了容量大小时，能够容纳用户要求数目的元素。
sc = n - (n >>> 2);
}
} finally {
sizeCtl = sc;
}
break;
}
}
return tab;
}
put
put过程的描述：
为表述方便，用符号i 来表示 (n - 1) & hash，用newNode表示使用key,value创建的节点，伪代码：
loop:
{
if table == null
{
初始化一个默认长度为16的数组
}
else table[i] == null
{
table[i] = newNode
}
else hash == -1，table[i]是ForwardingNode
{
进行整合表的操作
}
else
{
if hash >= 0，table[i]不是特殊Node(链表中的Node)
{
将newNode插入到链表中
}
else table[i]是TreeBin
{
newNode插入到TreeNode中
}
}
addCount(1L, binCount);
}
通过研读代码，发现Doug Lea使用了一种有效且高效的技巧： 在循环里面嵌套使用CAS操作。这种技巧把临界区变得很小，因此比较高效。
put源码如下：
public V put(K key, V value) {
return putVal(key, value, false);
}
/** put和putIfAbsent都是通过调用putVal方法来实现的*/
final V putVal(K key, V value, boolean onlyIfAbsent) {
// ConcurrentHashMap不支持key和value是null
if (key == null || value == null) throw new NullPointerException();
// 获取hash值
int hash = spread(key.hashCode());
int binCount = 0;
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
// case 1：tab为null，需要初始化tab
if (tab == null || (n = tab.length) == 0)
tab = initTable();
// case 2: 没有任何节点hash值与当前要插入的节点相同
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
// case 3: 当遇到表连接点时，需要进行整合表的操作
// 需要注意的是，遇到连接点的时候，并没有插入新节点，仅仅帮助扩容，因为当前线程迫切需要尽快插入新节点，只能等待扩容完毕才有可能插入新节点
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
// case 4: 找到对应于hash值的链表首节点，且该节点不是连接节点
else {
V oldVal = null;
synchronized (f) {
if (tabAt(tab, i) == f) {
if (fh >= 0) {
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
// 如果找到相同key的node，根据onlyIfAbsent来更新node的值
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
}
// 如果一直到链表的尾部都没有找到任何node的key与key相同，就插入到链表的尾部
Node<K,V> pred = e;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
// 如果该节点是TreeBin，就插入到TreeBin中
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
// 当存在相同的key时，putTreeVal不会修改那个TreeNode，而是返回给p，由onlyIfAbsent决定是否修改p.val
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
// 若链表长度不低于8，就将链表转换为树
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
// 添加计数，如有需要，扩容
addCount(1L, binCount);
return null;
}
// 给tab[i]赋值
// 如果tab[i]等于c,就将tab[i]与v交换数值
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);
}
/**
* 协助扩容方法。
* 多线程下，当前线程检测到其他线程正进行扩容操作，则协助其一起扩容；
*（只有这种情况会被调用）从某种程度上说，其“优先级”很高，
* 只要检测到扩容，就会放下其他工作，先扩容。
* 调用之前，nextTable一定已存在。
*/
final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
Node<K,V>[] nextTab; int sc;
// 如果f是tab中的连接节点，并且它所连接的table非空
if (tab != null && (f instanceof ForwardingNode) &&
(nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) {
// 标志位
int rs = resizeStamp(tab.length);
// 当正在扩容时，帮助扩容
while (nextTab == nextTable && table == tab &&
(sc = sizeCtl) < 0) {
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || transferIndex <= 0)
break;
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
transfer(tab, nextTab);
break;
}
}
return nextTab;
}
return table;
}
get
get方法比较简单，没有使用锁，而是用Unsafe来保证获取的头结点是volatile的
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
// 获取hash值h
int h = spread(key.hashCode());
// tab只是保存了hash值相同的头结点
if ((tab = table) != null && (n = tab.length) > 0 && // table里面有元素
(e = tabAt(tab, (n - 1) & h)) != null) {// 根据h来获取头结点e
// hash值相同，如果找到key，直接返回
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
// todo：看一下hash值什么时候小于0
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;
}
//tableAt方法使用了Unsafe对象来获取数组中下标为i的对象
static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) {
// 第i个元素实际地址i * (2^ASHIFT) + ABASE
return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE);
}
treeifyBin
// 如果tab的长度很小，小于64个，就尝试进行扩容为两倍，
// 否则就将以tab[index]开头的链表转换为Treebin
private final void treeifyBin(Node<K,V>[] tab, int index) {
Node<K,V> b; int n, sc;
if (tab != null) {
// tab的长度小于64，就尝试进行扩容
if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
tryPresize(n << 1);
else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
synchronized (b) {
if (tabAt(tab, index) == b) {
TreeNode<K,V> hd = null, tl = null;
// 这个循环建立了TreeNode中的双向链表，hd保存了双向链表的头结点
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));
}
}
}
}
}
tryPresize
有关扩容，可以参考深入分析 ConcurrentHashMap 1.8 的扩容实现 这篇文章。
// 尝试扩容使它能放size个元素
private final void tryPresize(int size) {
// 计算扩容后的数量
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;
// 如果tab是空的，直接扩容
if (tab == null || (n = tab.length) == 0) {
// 计算扩容后的容量
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;
// 下次扩容的容量阀值是0.75 * n
sc = n - (n >>> 2);
}
} finally {
sizeCtl = sc;
}
}
}
// 容量已经够用，不需要进行扩容；或者容量太大，无法进行扩容。
else if (c <= sc || n >= MAXIMUM_CAPACITY)
break;
// 仍然需要扩容
else if (tab == table) {
int rs = resizeStamp(n);
// todo：不是很懂为什么会出现 sc < 0 ？先看一下transfer的实现
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);
}
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
}
}
}
transfer
伪代码：
n = table.length
nextTable = new Node[2 * n]
forwardingNode = new ForwardingNode
forwardingNode.nextTable = nextTable;
for(table[i] : table)
{
for(p = table[i]; p != null ; p = p.next)
{
if(p.hash & n == 0)
将p放入nextTable[i]的数据集合中
else
将p放入nextTable[i+n]的数据集合中
}
table[i] = forwardingNode;
}
table = nextTable;
nextTable = null;
源代码在此：
// 把table中所有的Node放入新的table中
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
int n = tab.length, stride;
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
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;
}
int nextn = nextTab.length;
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
boolean advance = true;
boolean finishing = false; // to ensure sweep before committing nextTab
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
while (advance) {
int nextIndex, nextBound;
if (--i >= bound || finishing)
advance = false;
else if ((nextIndex = transferIndex) <= 0) {
i = -1;
advance = false;
}
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ?
nextIndex - stride : 0))) {
bound = nextBound;
i = nextIndex - 1;
advance = false;
}
}
if (i < 0 || i >= n || i + n >= nextn) {
int sc;
if (finishing) {
nextTable = null;
table = nextTab;
sizeCtl = (n << 1) - (n >>> 1);
return;
}
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
}
}
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
else {
synchronized (f) {
if (tabAt(tab, i) == f) {
Node<K,V> ln, hn;
if (fh >= 0) {
int runBit = fh & n;
Node<K,V> lastRun = f;
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)
ln = new Node<K,V>(ph, pk, pv, ln);
else
hn = new Node<K,V>(ph, pk, pv, hn);
}
setTabAt(nextTab, i, ln);
setTabAt(nextTab, i + n, hn);
setTabAt(tab, i, fwd);
advance = true;
}
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;
}
}
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;
}
}
}
}
}
}
addCount
/**
* 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.
*
* @param x the count to add
* @param check if <0, don't check resize, if <= 1 only check if uncontended
*/
// 添加计数，如果table太小且table没有在扩容，就进行扩容
private final void addCount(long x, int check) {
CounterCell[] as; long b, s;
// 利用CAS快速更新baseCount的值
if ((as = counterCells) != null ||
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
CounterCell a; long v; int m;
boolean uncontended = true;
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;
s = sumCount();
}
// 当之前检查的节点个数大于等于0时，才考虑扩容
if (check >= 0) {
Node<K,V>[] tab, nt; int n, sc;
while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
(n = tab.length) < MAXIMUM_CAPACITY) {
// 为当前的n保留一个数，不同的数组n（这里n=2^k）得到的结果必然不同，可类比时间戳
int rs = resizeStamp(n);
// 如果有线程正在扩容，就帮助其扩容
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);
}
// 没有线程在扩容，直接扩容
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
s = sumCount();
}
}
}
欢迎关注我的公众号“窗外月明”，原创技术文章第一时间推送。
