2022-08-21  阅读(636)
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 本文链接:https://www.skjava.com/series/article/1751860656

此篇博客所有源码均来自JDK 1.8

HashMap是我们用得非常频繁的一个集合,但是由于它是非线程安全的,在多线程环境下,put操作是有可能产生死循环的,导致CPU利用率接近100%。为了解决该问题,提供了Hashtable和Collections.synchronizedMap(hashMap)两种解决方案,但是这两种方案都是对读写加锁,独占式,一个线程在读时其他线程必须等待,吞吐量较低,性能较为低下。故而Doug Lea大神给我们提供了高性能的线程安全HashMap:ConcurrentHashMap。

ConcurrentHashMap的实现

ConcurrentHashMap作为Concurrent一族,其有着高效地并发操作,相比Hashtable的笨重,ConcurrentHashMap则更胜一筹了。 在1.8版本以前,ConcurrentHashMap采用分段锁的概念,使锁更加细化,但是1.8已经改变了这种思路,而是利用CAS+Synchronized来保证并发更新的安全,当然底层采用数组+链表+红黑树的存储结构。 关于1.7和1.8的区别请参考占小狼博客:谈谈ConcurrentHashMap1.7和1.8的不同实现:http://www.jianshu.com/p/e694f1e868ec 我们从如下几个部分全面了解ConcurrentHashMap在1.8中是如何实现的:

  1. 重要概念
  2. 重要内部类
  3. ConcurrentHashMap的初始化
  4. put操作
  5. get操作
  6. size操作
  7. 扩容
  8. 红黑树转换

重要概念

ConcurrentHashMap定义了如下几个常量:

            // 最大容量:2^30=1073741824
            private static final int MAXIMUM_CAPACITY = 1 << 30;
            
            // 默认初始值,必须是2的幕数
            private static final int DEFAULT_CAPACITY = 16;
            
            //
            static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
            
            //
            private static final int DEFAULT_CONCURRENCY_LEVEL = 16;
            
            //
            private static final float LOAD_FACTOR = 0.75f;
            
            // 链表转红黑树阀值,> 8 链表转换为红黑树
            static final int TREEIFY_THRESHOLD = 8;
            
            //树转链表阀值,小于等于6(tranfer时,lc、hc=0两个计数器分别++记录原bin、新binTreeNode数量,<=UNTREEIFY_THRESHOLD 则untreeify(lo))
            static final int UNTREEIFY_THRESHOLD = 6;
            
            //
            static final int MIN_TREEIFY_CAPACITY = 64;
            
            //
            private static final int MIN_TRANSFER_STRIDE = 16;
            
            //
            private static int RESIZE_STAMP_BITS = 16;
            
            // 2^15-1,help resize的最大线程数
            private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1;
            
            // 32-16=16,sizeCtl中记录size大小的偏移量
            private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;
            
            // forwarding nodes的hash值
            static final int MOVED     = -1;
            
            // 树根节点的hash值
            static final int TREEBIN   = -2;
            
            // ReservationNode的hash值
            static final int RESERVED  = -3;
            
            // 可用处理器数量
            static final int NCPU = Runtime.getRuntime().availableProcessors();

上面是ConcurrentHashMap定义的常量,简单易懂,就不多阐述了。下面介绍ConcurrentHashMap几个很重要的概念。

  1. table :用来存放Node节点数据的,默认为null,默认大小为16的数组,每次扩容时大小总是2的幂次方;

  2. nextTable :扩容时新生成的数据,数组为table的两倍;

  3. Node :节点,保存key-value的数据结构;

  4. 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

  5. sizeCtl :控制标识符,用来控制table初始化和扩容操作的,在不同的地方有不同的用途,其值也不同,所代表的含义也不同

    • 负数代表正在进行初始化或扩容操作
    • -1代表正在初始化
    • -N 表示有N-1个线程正在进行扩容操作
    • 正数或0代表hash表还没有被初始化,这个数值表示初始化或下一次进行扩容的大小

重要内部类

为了实现ConcurrentHashMap,Doug Lea提供了许多内部类来进行辅助实现,如Node,TreeNode,TreeBin等等。下面我们就一起来看看ConcurrentHashMap几个重要的内部类。

Node

作为ConcurrentHashMap中最核心、最重要的内部类,Node担负着重要角色:key-value键值对。所有插入ConCurrentHashMap的中数据都将会包装在Node中。定义如下:

                static class Node<K,V> implements Map.Entry<K,V> {
                    final int hash;
                    final K key;
                    volatile V val;             //带有volatile,保证可见性
                    volatile Node<K,V> next;    //下一个节点的指针
            
                    Node(int hash, K key, V val, Node<K,V> next) {
                        this.hash = hash;
                        this.key = key;
                        this.val = val;
                        this.next = next;
                    }
            
                    public final K getKey()       { return key; }
                    public final V getValue()     { return val; }
                    public final int hashCode()   { return key.hashCode() ^ val.hashCode(); }
                    public final String toString(){ return key + "=" + val; }
                    /** 不允许修改value的值 */
                    public final V setValue(V value) {
                        throw new UnsupportedOperationException();
                    }
            
                    public final boolean equals(Object o) {
                        Object k, v, u; Map.Entry<?,?> e;
                        return ((o instanceof Map.Entry) &&
                                (k = (e = (Map.Entry<?,?>)o).getKey()) != null &&
                                (v = e.getValue()) != null &&
                                (k == key || k.equals(key)) &&
                                (v == (u = val) || v.equals(u)));
                    }
            
                    /**  赋值get()方法 */
                    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;
                    }
                }

在Node内部类中,其属性value、next都是带有volatile的。同时其对value的setter方法进行了特殊处理,不允许直接调用其setter方法来修改value的值。最后Node还提供了find方法来赋值map.get()。

TreeNode

我们在学习HashMap的时候就知道,HashMap的核心数据结构就是链表。在ConcurrentHashMap中就不一样了,如果链表的数据过长是会转换为红黑树来处理。当它并不是直接转换,而是将这些链表的节点包装成TreeNode放在TreeBin对象中,然后由TreeBin完成红黑树的转换。所以TreeNode也必须是ConcurrentHashMap的一个核心类,其为树节点类,定义如下:

                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);
                    }
            
                    //查找hash为h,key为k的节点
                    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;
                                else if (pl == null)
                                    p = pr;
                                else if (pr == null)
                                    p = pl;
                                else if ((kc != null ||
                                        (kc = comparableClassFor(k)) != null) &&
                                        (dir = compareComparables(kc, k, pk)) != 0)
                                    p = (dir < 0) ? pl : pr;
                                else if ((q = pr.findTreeNode(h, k, kc)) != null)
                                    return q;
                                else
                                    p = pl;
                            } while (p != null);
                        }
                        return null;
                    }
                }

源码展示TreeNode继承Node,且提供了findTreeNode用来查找查找hash为h,key为k的节点。

TreeBin

该类并不负责key-value的键值对包装,它用于在链表转换为红黑树时包装TreeNode节点,也就是说ConcurrentHashMap红黑树存放是TreeBin,不是TreeNode。该类封装了一系列的方法,包括putTreeVal、lookRoot、UNlookRoot、remove、balanceInsetion、balanceDeletion。由于TreeBin的代码太长我们这里只展示构造方法(构造方法就是构造红黑树的过程):

                static final class TreeBin<K,V> extends Node<K,V> {
                    TreeNode<K, V> root;
                    volatile TreeNode<K, V> first;
                    volatile Thread waiter;
                    volatile int lockState;
                    static final int WRITER = 1; // set while holding write lock
                    static final int WAITER = 2; // set when waiting for write lock
                    static final int READER = 4; // increment value for setting read lock
            
                    TreeBin(TreeNode<K, V> b) {
                        super(TREEBIN, null, null, null);
                        this.first = b;
                        TreeNode<K, V> r = null;
                        for (TreeNode<K, V> x = b, next; x != null; x = next) {
                            next = (TreeNode<K, V>) x.next;
                            x.left = x.right = null;
                            if (r == null) {
                                x.parent = null;
                                x.red = false;
                                r = x;
                            } else {
                                K k = x.key;
                                int h = x.hash;
                                Class<?> kc = null;
                                for (TreeNode<K, V> p = r; ; ) {
                                    int dir, ph;
                                    K pk = p.key;
                                    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;
                                    if ((p = (dir <= 0) ? p.left : p.right) == null) {
                                        x.parent = xp;
                                        if (dir <= 0)
                                            xp.left = x;
                                        else
                                            xp.right = x;
                                        r = balanceInsertion(r, x);
                                        break;
                                    }
                                }
                            }
                        }
                        this.root = r;
                        assert checkInvariants(root);
                    }
            
                    /** 省略很多代码 */
                }

通过构造方法是不是发现了部分端倪,构造方法就是在构造一个红黑树的过程。

ForwardingNode

这是一个真正的辅助类,该类仅仅只存活在ConcurrentHashMap扩容操作时。只是一个标志节点,并且指向nextTable,它提供find方法而已。该类也是集成Node节点,其hash为-1,key、value、next均为null。如下:

                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)
                                return null;
                            for (;;) {
                                int eh; K ek;
                                if ((eh = e.hash) == h &&
                                        ((ek = e.key) == k || (ek != null && k.equals(ek))))
                                    return e;
                                if (eh < 0) {
                                    if (e instanceof ForwardingNode) {
                                        tab = ((ForwardingNode<K,V>)e).nextTable;
                                        continue outer;
                                    }
                                    else
                                        return e.find(h, k);
                                }
                                if ((e = e.next) == null)
                                    return null;
                            }
                        }
                    }
                }

构造函数

ConcurrentHashMap提供了一系列的构造函数用于创建ConcurrentHashMap对象:

                public ConcurrentHashMap() {
                }
            
                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;
                }
            
                public ConcurrentHashMap(Map<? extends K, ? extends V> m) {
                    this.sizeCtl = DEFAULT_CAPACITY;
                    putAll(m);
                }
            
                public ConcurrentHashMap(int initialCapacity, float loadFactor) {
                    this(initialCapacity, loadFactor, 1);
                }
            
                public ConcurrentHashMap(int initialCapacity,
                                         float loadFactor, int concurrencyLevel) {
                    if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0)
                        throw new IllegalArgumentException();
                    if (initialCapacity < concurrencyLevel)   // Use at least as many bins
                        initialCapacity = concurrencyLevel;   // as estimated threads
                    long size = (long)(1.0 + (long)initialCapacity / loadFactor);
                    int cap = (size >= (long)MAXIMUM_CAPACITY) ?
                        MAXIMUM_CAPACITY : tableSizeFor((int)size);
                    this.sizeCtl = cap;
                }

初始化: initTable()

ConcurrentHashMap的初始化主要由initTable()方法实现,在上面的构造函数中我们可以看到,其实ConcurrentHashMap在构造函数中并没有做什么事,仅仅只是设置了一些参数而已。其真正的初始化是发生在插入的时候,例如put、merge、compute、computeIfAbsent、computeIfPresent操作时。其方法定义如下:

                private final Node<K,V>[] initTable() {
                    Node<K,V>[] tab; int sc;
                    while ((tab = table) == null || tab.length == 0) {
                        //sizeCtl < 0 表示有其他线程在初始化,该线程必须挂起
                        if ((sc = sizeCtl) < 0)
                            Thread.yield();
                        // 如果该线程获取了初始化的权利,则用CAS将sizeCtl设置为-1,表示本线程正在初始化
                        else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
                                // 进行初始化
                            try {
                                if ((tab = table) == null || tab.length == 0) {
                                    int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
                                    @SuppressWarnings("unchecked")
                                    Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
                                    table = tab = nt;
                                    // 下次扩容的大小
                                    sc = n - (n >>> 2); ///相当于0.75*n 设置一个扩容的阈值  
                                }
                            } finally {
                                sizeCtl = sc;
                            }
                            break;
                        }
                    }
                    return tab;
                }

初始化方法initTable()的关键就在于sizeCtl,该值默认为0,如果在构造函数时有参数传入该值则为2的幂次方。该值如果 < 0,表示有其他线程正在初始化,则必须暂停该线程。如果线程获得了初始化的权限则先将sizeCtl设置为-1,防止有其他线程进入,最后将sizeCtl设置0.75 * n,表示扩容的阈值。

put操作

ConcurrentHashMap最常用的put、get操作,ConcurrentHashMap的put操作与HashMap并没有多大区别,其核心思想依然是根据hash值计算节点插入在table的位置,如果该位置为空,则直接插入,否则插入到链表或者树中。但是ConcurrentHashMap会涉及到多线程情况就会复杂很多。我们先看源代码,然后根据源代码一步一步分析:

                public V put(K key, V value) {
                    return putVal(key, value, false);
                }
            
                final V putVal(K key, V value, boolean onlyIfAbsent) {
                    //key、value均不能为null
                    if (key == null || value == null) throw new NullPointerException();
                    //计算hash值
                    int hash = spread(key.hashCode());
                    int binCount = 0;
                    for (Node<K,V>[] tab = table;;) {
                        Node<K,V> f; int n, i, fh;
                        // table为null,进行初始化工作
                        if (tab == null || (n = tab.length) == 0)
                            tab = initTable();
                        //如果i位置没有节点,则直接插入,不需要加锁
                        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
                        }
                        // 有线程正在进行扩容操作,则先帮助扩容
                        else if ((fh = f.hash) == MOVED)
                            tab = helpTransfer(tab, f);
                        else {
                            V oldVal = null;
                            //对该节点进行加锁处理(hash值相同的链表的头节点),对性能有点儿影响
                            synchronized (f) {
                                if (tabAt(tab, i) == f) {
                                    //fh > 0 表示为链表,将该节点插入到链表尾部
                                    if (fh >= 0) {
                                        binCount = 1;
                                        for (Node<K,V> e = f;; ++binCount) {
                                            K ek;
                                            //hash 和 key 都一样,替换value
                                            if (e.hash == hash &&
                                                    ((ek = e.key) == key ||
                                                            (ek != null && key.equals(ek)))) {
                                                oldVal = e.val;
                                                //putIfAbsent()
                                                if (!onlyIfAbsent)
                                                    e.val = value;
                                                break;
                                            }
                                            Node<K,V> pred = e;
                                            //链表尾部  直接插入
                                            if ((e = e.next) == null) {
                                                pred.next = new Node<K,V>(hash, key,
                                                        value, null);
                                                break;
                                            }
                                        }
                                    }
                                    //树节点,按照树的插入操作进行插入
                                    else if (f instanceof TreeBin) {
                                        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) {
                                // 如果链表长度已经达到临界值8 就需要把链表转换为树结构
                                if (binCount >= TREEIFY_THRESHOLD)
                                    treeifyBin(tab, i);
                                if (oldVal != null)
                                    return oldVal;
                                break;
                            }
                        }
                    }
            
                    //size + 1  
                    addCount(1L, binCount);
                    return null;
                }

按照上面的源码,我们可以确定put整个流程如下:

  • 判空;ConcurrentHashMap的key、value都不允许为null
  • 计算hash。利用方法计算hash值。
                static final int spread(int h) {
                    return (h ^ (h >>> 16)) & HASH_BITS;
                }
  • 遍历table,进行节点插入操作,过程如下:

    • 如果table为空,则表示ConcurrentHashMap还没有初始化,则进行初始化操作:initTable()
    • 根据hash值获取节点的位置i,若该位置为空,则直接插入,这个过程是不需要加锁的。计算f位置:i=(n - 1) & hash
    • 如果检测到fh = f.hash == -1,则f是ForwardingNode节点,表示有其他线程正在进行扩容操作,则帮助线程一起进行扩容操作
    • 如果f.hash >= 0 表示是链表结构,则遍历链表,如果存在当前key节点则替换value,否则插入到链表尾部。如果f是TreeBin类型节点,则按照红黑树的方法更新或者增加节点
    • 若链表长度 > TREEIFY_THRESHOLD(默认是8),则将链表转换为红黑树结构
  • 调用addCount方法,ConcurrentHashMap的size + 1

这里整个put操作已经完成。

get操作

ConcurrentHashMap的get操作还是挺简单的,无非就是通过hash来找key相同的节点而已,当然需要区分链表和树形两种情况。

                public V get(Object key) {
                    Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
                    // 计算hash
                    int h = spread(key.hashCode());
                    if ((tab = table) != null && (n = tab.length) > 0 &&
                            (e = tabAt(tab, (n - 1) & h)) != null) {
                        // 搜索到的节点key与传入的key相同且不为null,直接返回这个节点
                        if ((eh = e.hash) == h) {
                            if ((ek = e.key) == key || (ek != null && key.equals(ek)))
                                return e.val;
                        }
                        // 树
                        else if (eh < 0)
                            return (p = e.find(h, key)) != null ? p.val : null;
                        // 链表,遍历
                        while ((e = e.next) != null) {
                            if (e.hash == h &&
                                    ((ek = e.key) == key || (ek != null && key.equals(ek))))
                                return e.val;
                        }
                    }
                    return null;
                }

get操作的整个逻辑非常清楚:

  • 计算hash值
  • 判断table是否为空,如果为空,直接返回null
  • 根据hash值获取table中的Node节点(tabAt(tab, (n - 1) & h)),然后根据链表或者树形方式找到相对应的节点,返回其value值。

size 操作

ConcurrentHashMap的size()方法我们虽然用得不是很多,但是我们还是很有必要去了解的。ConcurrentHashMap的size()方法返回的是一个不精确的值,因为在进行统计的时候有其他线程正在进行插入和删除操作。当然为了这个不精确的值,ConcurrentHashMap也是操碎了心。 为了更好地统计size,ConcurrentHashMap提供了baseCount、counterCells两个辅助变量和一个CounterCell辅助内部类。

                @sun.misc.Contended static final class CounterCell {
                    volatile long value;
                    CounterCell(long x) { value = x; }
                }
            
                //ConcurrentHashMap中元素个数,但返回的不一定是当前Map的真实元素个数。基于CAS无锁更新
                private transient volatile long baseCount;
            
                private transient volatile CounterCell[] counterCells;

这里我们需要清楚CounterCell 的定义 size()方法定义如下:

                public int size() {
                    long n = sumCount();
                    return ((n < 0L) ? 0 :
                            (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :
                            (int)n);
                }

内部调用sunmCount():

                final long sumCount() {
                    CounterCell[] as = counterCells; CounterCell a;
                    long sum = baseCount;
                    if (as != null) {
                        for (int i = 0; i < as.length; ++i) {
                            //遍历,所有counter求和
                            if ((a = as[i]) != null)
                                sum += a.value;     
                        }
                    }
                    return sum;
                }

sumCount()就是迭代counterCells来统计sum的过程。我们知道put操作时,肯定会影响size(),我们就来看看CouncurrentHashMap是如何为了这个不和谐的size()操碎了心。 在put()方法最后会调用addCount()方法,该方法主要做两件事,一件更新baseCount的值,第二件检测是否进行扩容,我们只看更新baseCount部分:

                private final void addCount(long x, int check) {
                    CounterCell[] as; long b, s;
                    // s = b + x,完成baseCount++操作;
                    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))) {
                            //  多线程CAS发生失败时执行
                            fullAddCount(x, uncontended);
                            return;
                        }
                        if (check <= 1)
                            return;
                        s = sumCount();
                    }
            
                    // 检查是否进行扩容
                }

x == 1,如果counterCells == null,则U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x),如果并发竞争比较大可能会导致改过程失败,如果失败则最终会调用fullAddCount()方法。其实为了提高高并发的时候baseCount可见性的失败问题,又避免一直重试,JDK 8 引入了类Striped64,其中LongAdder和DoubleAdder都是基于该类实现的,而CounterCell也是基于Striped64实现的。如果counterCells != null,且uncontended = U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x)也失败了,同样会调用fullAddCount()方法,最后调用sumCount()计算s。 其实在1.8中,它不推荐size()方法,而是推崇mappingCount()方法,该方法的定义和size()方法基本一致:

                public long mappingCount() {
                    long n = sumCount();
                    return (n < 0L) ? 0L : n; // ignore transient negative values
                }

扩容操作

当ConcurrentHashMap中table元素个数达到了容量阈值(sizeCtl)时,则需要进行扩容操作。在put操作时最后一个会调用addCount(long x, int check),该方法主要做两个工作:1.更新baseCount;2.检测是否需要扩容操作。如下:

                private final void addCount(long x, int check) {
                    CounterCell[] as; long b, s;
                    // 更新baseCount
            
                    //check >= 0 :则需要进行扩容操作
                    if (check >= 0) {
                        Node<K,V>[] tab, nt; int n, sc;
                        while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
                                (n = tab.length) < MAXIMUM_CAPACITY) {
                            int rs = resizeStamp(n);
                            if (sc < 0) {
                                if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
                                        sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
                                        transferIndex <= 0)
                                    break;
                                if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
                                    transfer(tab, nt);
                            }
            
                            //当前线程是唯一的或是第一个发起扩容的线程  此时nextTable=null
                            else if (U.compareAndSwapInt(this, SIZECTL, sc,
                                    (rs << RESIZE_STAMP_SHIFT) + 2))
                                transfer(tab, null);
                            s = sumCount();
                        }
                    }
                }

transfer()方法为ConcurrentHashMap扩容操作的核心方法。由于ConcurrentHashMap支持多线程扩容,而且也没有进行加锁,所以实现会变得有点儿复杂。整个扩容操作分为两步:

  1. 构建一个nextTable,其大小为原来大小的两倍,这个步骤是在单线程环境下完成的
  2. 将原来table里面的内容复制到nextTable中,这个步骤是允许多线程操作的,所以性能得到提升,减少了扩容的时间消耗

我们先来看看源代码,然后再一步一步分析:

                private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
                    int n = tab.length, stride;
                    // 每核处理的量小于16,则强制赋值16
                    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];        //构建一个nextTable对象,其容量为原来容量的两倍
                            nextTab = nt;
                        } catch (Throwable ex) {      // try to cope with OOME
                            sizeCtl = Integer.MAX_VALUE;
                            return;
                        }
                        nextTable = nextTab;
                        transferIndex = n;
                    }
                    int nextn = nextTab.length;
                    // 连接点指针,用于标志位(fwd的hash值为-1,fwd.nextTable=nextTab)
                    ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
                    // 当advance == true时,表明该节点已经处理过了
                    boolean advance = true;
                    boolean finishing = false; // to ensure sweep before committing nextTab
                    for (int i = 0, bound = 0;;) {
                        Node<K,V> f; int fh;
                        // 控制 --i ,遍历原hash表中的节点
                        while (advance) {
                            int nextIndex, nextBound;
                            if (--i >= bound || finishing)
                                advance = false;
                            else if ((nextIndex = transferIndex) <= 0) {
                                i = -1;
                                advance = false;
                            }
                            // 用CAS计算得到的transferIndex
                            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;
                            // 已经完成所有节点复制了
                            if (finishing) {
                                nextTable = null;
                                table = nextTab;        // table 指向nextTable
                                sizeCtl = (n << 1) - (n >>> 1);     // sizeCtl阈值为原来的1.5倍
                                return;     // 跳出死循环,
                            }
                            // CAS 更扩容阈值,在这里面sizectl值减一,说明新加入一个线程参与到扩容操作
                            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
                            }
                        }
                        // 遍历的节点为null,则放入到ForwardingNode 指针节点
                        else if ((f = tabAt(tab, i)) == null)
                            advance = casTabAt(tab, i, null, fwd);
                        // f.hash == -1 表示遍历到了ForwardingNode节点,意味着该节点已经处理过了
                        // 这里是控制并发扩容的核心
                        else if ((fh = f.hash) == MOVED)
                            advance = true; // already processed
                        else {
                            // 节点加锁
                            synchronized (f) {
                                // 节点复制工作
                                if (tabAt(tab, i) == f) {
                                    Node<K,V> ln, hn;
                                    // fh >= 0 ,表示为链表节点
                                    if (fh >= 0) {
                                        // 构造两个链表  一个是原链表  另一个是原链表的反序排列
                                        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);
                                        }
                                        // 在nextTable i 位置处插上链表
                                        setTabAt(nextTab, i, ln);
                                        // 在nextTable i + n 位置处插上链表
                                        setTabAt(nextTab, i + n, hn);
                                        // 在table i 位置处插上ForwardingNode 表示该节点已经处理过了
                                        setTabAt(tab, i, fwd);
                                        // advance = true 可以执行--i动作,遍历节点
                                        advance = true;
                                    }
                                    // 如果是TreeBin,则按照红黑树进行处理,处理逻辑与上面一致
                                    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;
                                            }
                                        }
            
                                        // 扩容后树节点个数若<=6,将树转链表
                                        ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) :
                                                (hc != 0) ? new TreeBin<K,V>(lo) : t;
                                        hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) :
                                                (lc != 0) ? new TreeBin<K,V>(hi) : t;
                                        setTabAt(nextTab, i, ln);
                                        setTabAt(nextTab, i + n, hn);
                                        setTabAt(tab, i, fwd);
                                        advance = true;
                                    }
                                }
                            }
                        }
                    }
                }

上面的源码有点儿长,稍微复杂了一些,在这里我们抛弃它多线程环境,我们从单线程角度来看:

  1. 为每个内核分任务,并保证其不小于16

  2. 检查nextTable是否为null,如果是,则初始化nextTable,使其容量为table的两倍

  3. 死循环遍历节点,知道finished:节点从table复制到nextTable中,支持并发,请思路如下:

    • 如果节点 f 为null,则插入ForwardingNode(采用Unsafe.compareAndSwapObjectf方法实现),这个是触发并发扩容的关键
    • 如果f为链表的头节点(fh >= 0),则先构造一个反序链表,然后把他们分别放在nextTable的i和i + n位置,并将ForwardingNode 插入原节点位置,代表已经处理过了
    • 如果f为TreeBin节点,同样也是构造一个反序 ,同时需要判断是否需要进行unTreeify()操作,并把处理的结果分别插入到nextTable的i 和i+nw位置,并插入ForwardingNode 节点
  4. 所有节点复制完成后,则将table指向nextTable,同时更新sizeCtl = nextTable的0.75倍,完成扩容过程

在多线程环境下,ConcurrentHashMap用两点来保证正确性:ForwardingNode和synchronized。当一个线程遍历到的节点如果是ForwardingNode,则继续往后遍历,如果不是,则将该节点加锁,防止其他线程进入,完成后设置ForwardingNode节点,以便要其他线程可以看到该节点已经处理过了,如此交叉进行,高效而又安全。 下图是扩容的过程(来自:http://blog.csdn.net/u010723709/article/details/48007881):

202202131353400781.png

在put操作时如果发现fh.hash = -1,则表示正在进行扩容操作,则当前线程会协助进行扩容操作。

                        else if ((fh = f.hash) == MOVED)
                            tab = helpTransfer(tab, f);

helpTransfer()方法为协助扩容方法,当调用该方法的时候,nextTable一定已经创建了,所以该方法主要则是进行复制工作。如下:

                final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
                    Node<K,V>[] nextTab; int sc;
                    if (tab != null && (f instanceof ForwardingNode) &&
                            (nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) {
                        int rs = resizeStamp(tab.length);
                        while (nextTab == nextTable && table == tab &&
                                (sc = sizeCtl) < 0) {
                            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;
                }

转换红黑树

在put操作是,如果发现链表结构中的元素超过了TREEIFY_THRESHOLD(默认为8),则会把链表转换为红黑树,已便于提高查询效率。如下:

            if (binCount >= TREEIFY_THRESHOLD)
                treeifyBin(tab, i);

调用treeifyBin方法用与将链表转换为红黑树。

            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)//如果table.length<64 就扩大一倍 返回
                            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;
                                    //构造了一个TreeBin对象 把所有Node节点包装成TreeNode放进去
                                    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);//这里只是利用了TreeNode封装 而没有利用TreeNode的next域和parent域
                                        if ((p.prev = tl) == null)
                                            hd = p;
                                        else
                                            tl.next = p;
                                        tl = p;
                                    }
                                    //在原来index的位置 用TreeBin替换掉原来的Node对象
                                    setTabAt(tab, index, new TreeBin<K,V>(hd));
                                }
                            }
                        }
                    }
                }

从上面源码可以看出,构建红黑树的过程是同步的,进入同步后过程如下:

  1. 根据table中index位置Node链表,重新生成一个hd为头结点的TreeNode
  2. 根据hd头结点,生成TreeBin树结构,并用TreeBin替换掉原来的Node对象。

整个红黑树的构建过程有点儿复杂,关于ConcurrentHashMap 红黑树的构建过程,我们后续分析。 【注】:ConcurrentHashMap的扩容和链表转红黑树稍微复杂点,后续另起博文分析

阅读全文
  • 点赞