• Java 并发编程之ConcurrentHashMap源码详解

    Java 并发编程之ConcurrentHashMap原理详解

    文章目录

    原理剖析

    HashMap通常的实现方式是“数组+链表”，这种方式被称为“拉链法”。 ConcurrentHashMap在这个基本原理之上进行了各种优化。

    ⾸先是所有数据都放在⼀个⼤的HashMap中，其次是引入了红黑树。

    其原理如下图所示：

    在这里插入图片描述

    如果头节点是Node类型，则尾随它的就是⼀个普通的链表。如果头节点是TreeNode类型，它的后面就是⼀颗红黑树， TreeNode是Node的子类。

    链表和红黑树之间可以相互转换：初始的时候是链表，当链表中的元素超过某个阈值时，把链表转换成红黑树。反之，当红黑树中的元素个数小于某个阈值时，再转换为链表。

    那为什么要做这种设计呢？

    1. 使⽤红黑树，当⼀个槽里有很多元素时，其查询和更新速度会比链表快很多， Hash冲突的问题由此得到较好的解决。
    2. 加锁的粒度，并非整个ConcurrentHashMap，而是对每个头节点分别加锁，即并发度，就是Node数组的⻓度，初始长度为16。
    3. 并发扩容，这是难度最大的。当⼀个线程要扩容Node数组的时候，其他线程还要读写，因此处理过程很复杂，后面会详细分析。

    总结

    由上述对比可以总结出来：这种设计⼀方面降低了Hash冲突，另⼀方面也提升了并发度。

    下面从构造方法开始，一步步深入分析其实现过程

    源码剖析

    一、构造方法分析

    /**
     * Creates a new, empty map with an initial table size based on
     * the given number of elements ({@code initialCapacity}), table
     * density ({@code loadFactor}), and number of concurrently
     * updating threads ({@code concurrencyLevel}).
     *
     * @param initialCapacity the initial capacity. The implementation
     * performs internal sizing to accommodate this many elements,
     * given the specified load factor.
     * @param loadFactor the load factor (table density) for
     * establishing the initial table size
     * @param concurrencyLevel the estimated number of concurrently
     * updating threads. The implementation may use this value as
     * a sizing hint.
     * @throws IllegalArgumentException if the initial capacity is
     * negative or the load factor or concurrencyLevel are
     * nonpositive
     */
    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
            // 如果设置的初始化容量小于预估的并发更新线程数，则初始容量设为该预估的并发线程数
            initialCapacity = concurrencyLevel;   // as estimated threads
        long size = (long)(1.0 + (long)initialCapacity / loadFactor);
        int cap = (size >= (long)MAXIMUM_CAPACITY) ?
            MAXIMUM_CAPACITY : tableSizeFor((int)size);
        // 表初始化和调整大小控件
        // 在表初始化方法中，用于CAS操作控制并发线程的初始化过程:如果为-1，则表正在初始化或调整大小
        this.sizeCtl = cap;
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32

    在上面的代码中，变量cap就是Node数组的长度，保持为2的整数次方。 tableSizeFor()方法是根据传入的初始容量，计算出⼀个合适的数组长度。具体而言： 1.5倍的初始容量+1，再往上取最接近的2的整数次方，作为数组长度cap的初始值。

    这里的 sizeCtl，其含义是用于控制在初始化或者并发扩容时候的线程数，只不过其初始值设置成cap。

    二、初始化

    在上面的构造方法里只计算了数组的初始⼤小，并没有对数组进行初始化。当多个线程都往里面放入元素的时候，再进行初始化。这就存在⼀个问题：多个线程重复初始化。下面看⼀下是如何处理的。

    /**
     * Initializes table, using the size recorded in sizeCtl.
     */
    private final Node<K,V>[] initTable() {
        Node<K,V>[] tab; int sc;
        while ((tab = table) == null || tab.length == 0) {
            // 跟下面else中的cas操作对应
            // 如果sizeCtl被修改为-1，说明此时有线程在初始化操作，因此当前线程自悬等待
            if ((sc = sizeCtl) < 0)
                Thread.yield(); // lost initialization race; just spin
            // 利用CAS操作来解决多线程下的初始化操作
            // CAS操作成功的线程会把sizeCtl的值置为-1，从而使其他线程yield等待
            else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
                try {
                    if ((tab = table) == null || tab.length == 0) {
                        int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
                        @SuppressWarnings("unchecked")
                        // Node数组初始化，初始容量为n
                        Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
                        table = tab = nt;
                        // 初始化成功后，sizeCtl=n-(n>>>2)=0.75n
                        // 表示下一次扩容的阈值:n-n/4
                        sc = n - (n >>> 2);
                    }
                } finally {
                    // sizeCtl赋新值，为上面计算出的下一次扩容的阈值
                    sizeCtl = sc;
                }
                break;
            }
        }
        return tab;
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33

    通过上面的代码可以看到，多个线程的竞争是通过对sizeCtl进行CAS操作实现的。如果某个线程成功地把 sizeCtl设置为-1，它就拥有了初始化的权利，进⼊初始化的代码模块，等到初始化完成，再把sizeCtl设置回去。其他线程则⼀直执行while循环，自旋等待，直到数组不为null，即当初始化结束时，退出整个方法。

    因为初始化的⼯作量很小，所以此处选择的策略是让其他线程⼀直等待，而没有帮助其初始化。

    三、put()实现分析

    /** Implementation for put and putIfAbsent */
    final V putVal(K key, V value, boolean onlyIfAbsent) {
        if (key == null || value == null) throw new NullPointerException();
        int hash = spread(key.hashCode());
        int binCount = 0;
        for (Node<K,V>[] tab = table;;) {
            Node<K,V> f; int n, i, fh;
            // 分支1，整个数组初始化
            if (tab == null || (n = tab.length) == 0)
                tab = initTable();
            // 分支2：第i个元素初始化
            // 这里调用tabAt方法获取到Node数组第i个位置下的值，如果为空，则初始化当前插入元素插入到数组第i个索引位置
            else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
                // 利用CAS方法尝试插入，如果CAS操作成功，说明当前元素已经插入到第i个索引位置，则break退出。
                if (casTabAt(tab, i, null,
                             new Node<K,V>(hash, key, value, null)))
                    break;                   // no lock when adding to empty bin
            }
            // 分支3：尝试扩容
            else if ((fh = f.hash) == MOVED)
                tab = helpTransfer(tab, f);
            // 分支4：插入元素到链尾，或红黑树中
            else {
                V oldVal = null;
                // 重点，利用synchronized关键字加锁。
                // 同时，可以看到，锁的粒度是Node数组中节点的粒度，也就是只锁数组中每个Node节点，其他Node节点仍然可以访问
                synchronized (f) {
                    if (tabAt(tab, i) == f) {
                        if (fh >= 0) {
                            binCount = 1;
                            for (Node<K,V> e = f;; ++binCount) {
                                K ek;
                                // 这里是更新的旧值的功能
                                // 在插入的过程中，如果发现插入元素与已有元素相同，则用新的value值替换旧的value值
                                // 这里的相同指 当且仅当两个元素的hashcode相同，且key值相同
                                if (e.hash == hash &&
                                    ((ek = e.key) == key ||
                                     (ek != null && key.equals(ek)))) {
                                    oldVal = e.val;
                                    if (!onlyIfAbsent)
                                        // 将插入的新value替换已有元素的旧value
                                        e.val = value;
                                    break;
                                }
                                Node<K,V> pred = e;
                                // 这里e=e.next来遍历某一Node节点下的链表/红黑树
                                if ((e = e.next) == null) {
                                    // 如果走到链尾，则将新元素插入到链尾
                                    pred.next = new Node<K,V>(hash, key,
                                                              value, null);
                                    break;
                                }
                            }
                        }
                        // 当fh<0时，表示当前节点下时红黑树
                        else if (f instanceof TreeBin) {
                            Node<K,V> p;
                            binCount = 2;
                            // 将元素插入红黑树中，同样的，如果树中已有当前元素，则返回对应TreeNode元素对象，否则，返回null
                            if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
                                                           value)) != null) {
                                oldVal = p.val;
                                if (!onlyIfAbsent)
                                    // 如果已有元素，则更新旧值
                                    p.val = value;
                            }
                        }
                    }
                }
                // binCount保存了节点是链表时的元素个数
                if (binCount != 0) {
                    // 如果链表的元素个数大于设置的阈值=8，则会转成红黑树的操作
                    if (binCount >= TREEIFY_THRESHOLD)
                        treeifyBin(tab, i);
                    if (oldVal != null)
                        // 如果put过程是更新操作，会返回旧值
                        return oldVal;
                    break;
                }
            }
        }
        // 容器中总元素个数+1（sizeCtl+1）
        addCount(1L, binCount);
        return null;
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85

    其中调用的几个方法为：

    	// 其中h是key的hashCode()得到的
	// h ^ (h >>> 16)就是让高16位与低16位进行异或，目的是使得计算出来的哈希值更加散列。
	// & HASH_BITS(二进制是31个1)就是为了让最终得到的哈希值始终是一个正数。
    static final int spread(int h) {
        return (h ^ (h >>> 16)) & HASH_BITS;
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    关键步骤分析：

    • synchronized (f)：通过源码分析知道，ConcurrentHashMap并发的同步锁是加在Node数组中每个索引位置的节点上的，意味着每个数组元素有一把锁，并发度等于数组的长度。

    • f = tabAt(tab, i = (n - 1) & hash。这里为了获取插入元素在Node数组中的索引位置，不是用的hash%n，而是采用了(n-1) & hash的方式。上面在对原理进行剖析时分析过，hashmap类的容器大小都是2的整数倍，因此(n-1)相当于除了高位为0外，其余位都为1。由于n=2^m，hashcode / n 相当于右移m位，而根据二进制求余的方法可知，这右移的m位就是余数。那么问题就在于如何获取这m位。由于n是2的整数幂，则n-1用二进制表示的位数就等于m，比如：n=8=2^3, 则n-1=7=0111、n=16=2^4，则n-1=15=0 1111。可以发现1的位数即等于m的幂数。这里的原因就在n是2的整数幂，所以n的二进制表示的1的位置，在m+1的位置，因此用n-1=m就可以获取到该取余所需的位数。

    • put()方法过程中，如果插入的元素是ConcurrentHashMap中已有的，则会更新现在的值。这里判断相同的方法是：当且仅当两个元素的hashcode相同 且 key相同。

    • binCount字段保存了节点是链表时的元素个数。在插入的过程中，binCount字段会对链表的长度计数，如果链表的元素个数大于设置的阈值=8，则会转成红黑树的操作。

    四、扩容

    扩容的实现是最复杂的，下面从treeifyBin()的源码方法讲起

    /**
     * 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) {
            if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
                // 数组长度小于阈值64，不做红黑树转换，直接扩容
                tryPresize(n << 1);
            else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
                // 链表转换为红黑树
                synchronized (b) {
                    if (tabAt(tab, index) == b) {
                        TreeNode<K,V> hd = null, tl = null;
                        // 遍历链表，初始化红黑树
                        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));
                    }
                }
            }
        }
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32

    在上面的代码中， MIN_TREEIFY_CAPACITY=64，意味着当数组的长度没有超过64的时候，数组的每个节点里都是链表，只会扩容，不会转换成红⿊树。只有当数组长度大于或等于64时（static final int MIN_TREEIFY_CAPACITY = 64;），才考虑把链表转换成红黑树。

    上面方法在扩容时，调用了tryPresize方法，来进行扩容，接下来看一下这个方法内部实现：

    private final void tryPresize(int size) {
        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;
            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);
                        }
                    } finally {
                        sizeCtl = sc;
                    }
                }
            }
            else if (c <= sc || n >= MAXIMUM_CAPACITY)
                break;
            else if (tab == table) {
                int rs = resizeStamp(n);
                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);
            }
        }
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40

    tryPresize方法中最重要的一个方法就是transfer方法，也是扩容的主要方法：

    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)
            // 计算步长
            stride = MIN_TRANSFER_STRIDE; // subdivide range
    	// 初始化新的HashMap
        if (nextTab == null) {            // initiating
            try {
                @SuppressWarnings("unchecked")
                // 扩容两倍
                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;
            // 初始的transferIndex为旧的HashMap的数组长度
            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
        // 此处，i为遍历下标,bound为边界。
    	// 如果成功获取一个任务，则i=nextIndex-1
    	// bound = nextIndex-stride
    	// 如果获取不到，则i=0, bound=0
        for (int i = 0, bound = 0;;) {
            Node<K,V> f; int fh;
            // advance表示在从i=transferIndex-1遍历到bound位置的过程中，是否一直继续
            while (advance) {
                int nextIndex, nextBound;
                // 以下是哪个分支中的advance都是false，表示如果三个分支都不执行，才可以一直while循环
                // 目的在于当对transferIndex执行CAS操作不成功的时候，需要自旋，以期获取一个stride的迁移任务
                if (--i >= bound || finishing)
                    // 对数组遍历，通过这里的--i进行。如果成功执行了--i，就不需要继续while循环了，因为advance只能进一步。
                    advance = false;
                else if ((nextIndex = transferIndex) <= 0) {
                    // transferIndex <= 0，整个HashMap完成
                    i = -1;
                    advance = false;
                }
                // 对transferIndex执行CAS操作，即为当前线程分配1个stride
                // CAS操作成功，线程成功获取到一个stride的迁移任务
                // CAS操作不成功，线程没有抢到任务，会继续执行while循环，自旋。
                else if (U.compareAndSwapInt
                         (this, TRANSFERINDEX, nextIndex,
                          nextBound = (nextIndex > stride ?
                                       nextIndex - stride : 0))) {
                    bound = nextBound;
                    i = nextIndex - 1;
                    advance = false;
                }
            }
            // i越界，整个HashMap遍历完成
            if (i < 0 || i >= n || i + n >= nextn) {
                int sc;
                // finishing表示整个hashMap扩容完成
                if (finishing) {
                    nextTable = null;
                    // 将nextTab赋值给当前table
                    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
                }
            }
            // tab[i]迁移完毕，赋值一个ForwardingNode
            else if ((f = tabAt(tab, i)) == null)
                advance = casTabAt(tab, i, null, fwd);
            // tab[i]的位置已经在迁移过程中
            else if ((fh = f.hash) == MOVED)
                advance = true; // already processed
            else {
                // 对tab[i]进⾏迁移操作， tab[i]可能是⼀个链表或者红⿊树
                synchronized (f) {
                    if (tabAt(tab, i) == f) {
                        Node<K,V> ln, hn;
                        // 链表
                        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;
                                    // 表示lastRun之后的所有元素， hash值都是⼀样的
                                    // 记录下这个最后的位置
                                    lastRun = p;
                                }
                            }
                            if (runBit == 0) {
                                // 链表迁移的优化做法
                                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;
                        }
                        // 红⿊树，迁移做法和链表类似
                        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;
                        }
                    }
                }
            }
        }
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110
    • 111
    • 112
    • 113
    • 114
    • 115
    • 116
    • 117
    • 118
    • 119
    • 120
    • 121
    • 122
    • 123
    • 124
    • 125
    • 126
    • 127
    • 128
    • 129
    • 130
    • 131
    • 132
    • 133
    • 134
    • 135
    • 136
    • 137
    • 138
    • 139
    • 140
    • 141
    • 142
    • 143
    • 144
    • 145
    • 146
    • 147
    • 148
    • 149
    • 150
    • 151
    • 152
    • 153
    • 154
    • 155
    • 156
    • 157
    • 158
    • 159

    该⽅法非常复杂，下面⼀步步分析：

    1. 扩容的基本原理如下图，⾸先建⼀个新的HashMap，其数组长度是旧数组长度的2倍，然后把旧的元素逐个迁移过来。所以，上面的方法参数有2个，第1个参数tab是扩容之前的HashMap，第2个参数nextTab是扩容之后的HashMap。当nextTab=null的时候，⽅法最初会对nextTab进行初始化。这里有⼀个关键点要说明：该⽅法会被多个线程调⽤，所以每个线程只是扩容旧的HashMap部分，这就涉及如何划分任务的问题

    在这里插入图片描述

    1. 上图为多个线程并行扩容-任务划分示意图。旧数组的⻓度是N，每个线程扩容⼀段，⼀段的长度用变量stride（步长）来表示， transferIndex表示了整个数组扩容的进度。

      stride的计算公式如上面的代码所示，即：在单核模式下直接等于n，因为在单核模式下没有办法多个线程并⾏扩容，只需要1个线程来扩容整个数组；在多核模式下为 （n＞＞＞ 3） /NCPU，并且保证步⻓的最⼩值是16。显然，需要的线程个数约为n/stride。

      if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
            stride = MIN_TRANSFER_STRIDE; // subdivide range

      • 1
      • 2

      transferIndex是ConcurrentHashMap的⼀个成员变量，记录了扩容的进度。初始值为n，从大到小扩容，每次减stride个位置，最终减至n＜ =0，表示整个扩容完成。因此，从[0，transferIndex-1]的位置表示还没有分配到线程扩容的部分，从[transfexIndex， n-1]的位置表示已经分配给某个线程进行扩容，当前正在扩容中，或者已经扩容成功。因为transferIndex会被多个线程并发修改，每次减stride，所以需要通过CAS进⾏操作，如下面代码所示 ：

      else if (U.compareAndSwapInt
         (this, TRANSFERINDEX, nextIndex,
          nextBound = (nextIndex > stride ?
          nextIndex - stride : 0))) {

      • 1
      • 2
      • 3
      • 4

    在这里插入图片描述

    1. 在扩容未完成之前，有的数组下标对应的槽已经迁移到了新的HashMap里面，有的还在旧的 HashMap里面。这个时候，所有调用get（k， v）的线程还是会访问旧 HashMap，怎么处理呢？

      下图为扩容过程中的转发示意图：当Node[0]已经迁移成功，而其他Node还在迁移过程中时，如果有线程要读取Node[0]的数据，就会访问失败。为此，新建⼀个ForwardingNode，即转发节点，在这个节点⾥⾯记录的是新的 ConcurrentHashMap 的引⽤。这样，当线程访问到ForwardingNode之后，会去查询新的ConcurrentHashMap。

    2. 因为数组的⻓度 tab.length 是2的整数次方，每次扩容又是2倍。而Hash 函数是hashCode%tab.length，等价于hashCode&（tab.length-1）。这意味着：处于第i个位置的元素，在新的Hash表的数组中⼀定处于
      第i个或者第i+n个位置，如下图所示。举个简单的例⼦：假设数组长度是8，扩容之后是16：
      若hashCode=5， 5%8=0，扩容后， 5%16=0，位置保持不变；
      若hashCode=24， 24%8=0，扩容后， 24%16=8，后移8个位置；
      若hashCode=25， 25%8=1，扩容后， 25%16=9，后移8个位置；
      若hashCode=39， 39%8=7，扩容后， 39%8=7，位置保持不变；

      …

    在这里插入图片描述

    正因为有这样的规律，所以如下有代码：

    	setTabAt(nextTab, i, ln);
	setTabAt(nextTab, i + n, hn);
	setTabAt(tab, i, fwd);
	advance = true;

    • 1
    • 2
    • 3
    • 4

    也就是把tab[i]位置的链表或红黑树重新组装成两部分，⼀部分链接到nextTab[i]的位置，⼀部分链接到nextTab[i+n]的位置，如上图所示。然后把tab[i]的位置指向⼀个ForwardingNode节点。

    同时，当tab[i]后面是链表时，使⽤类似于JDK 8中在扩容时的优化方法，从lastRun往后的所有节点，不需依次拷贝，而是直接链接到新的链表头部。从lastRun往前的所有节点，需要依次拷贝。

    了解了核心的迁移函数transfer（tab， nextTab），再回头看tryPresize（int size）函数。这个函数的输入是整个Hash表的元素个数，在函数里面，根据需要对整个Hash表进行扩容。想要看明白这个函数，需要透彻地理解sizeCtl变量，下面这段注释摘自源码。

    /**
     * Table initialization and resizing control.  When negative, the
     * table is being initialized or resized: -1 for initialization,
     * else -(1 + the number of active resizing threads).  Otherwise,
     * when table is null, holds the initial table size to use upon
     * creation, or 0 for default. After initialization, holds the
     * next element count value upon which to resize the table.
     */
    private transient volatile int sizeCtl;

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9

    当sizeCtl=-1时，表示整个HashMap正在初始化；
    当sizeCtl=某个其他负数时，表示多个线程在对HashMap做并发扩容；
    当sizeCtl=cap时， tab=null，表示未初始之前的初始容量（如上面的构造函数所示）；
    扩容成功之后， sizeCtl存储的是下⼀次要扩容的阈值，即上面初始化代码中的n-（n＞＞＞ 2） =0.75n。
    所以， sizeCtl变量在Hash表处于不同状态时，表达不同的含义。明白了这个道理，再来看上面的tryPresize（int size）函数

    tryPresize（int size）是根据期望的元素个数对整个Hash表进行扩容，核心是调用transfer函数。在第⼀次扩容的时候， sizeCtl会被设置成⼀个很大的负数U.compareAndSwapInt（this， SIZECTL， sc，（rs << RESIZE_STAMP_SHIFT） +2）。之后每⼀个线程扩容的时候， sizeCtl 就加 1， U.compareAndSwapInt（this， SIZECTL， sc， sc+1），待扩容完成之后， sizeCtl减1

  • 相关阅读:
    art-template系列之前端页面使用
    C++——虚函数、虚析构函数、纯虚函数、抽象类
    element-ui使用el-date-picker日期组件常见场景
    【SQL屠夫系列】leetcode-176. 第二高的薪水
    电脑合并盘符
    【Linux网络编程】日志与守护进程
    ctfshow 萌新赛 给她
    2023年03月 Scratch（一级）真题解析#中国电子学会#全国青少年软件编程等级考试
    zdppy_amauth如何测试给用户批量绑定角色接口
    小白也能看懂的缓存雪崩、穿透、击穿
  • 原文地址：https://blog.csdn.net/Urbanears/article/details/128121012