• ConcurrentHashMap底层原理分析(put方法)

    ConcurrentHashMap底层原理分析

    一、简介

    1. ConcurrentHashMap是J.U.C包里提供的一个线程安全且高效的HashMap，类继承关系如图：
      ConcurrentHashMap类图
    2. ConcurrentHashMap基本结构：
      基本结构

    内部维护一个存放Node结点的数组，即table。数组的每个位置代表了一个桶，table可以包含4种不同类型的桶：Node、TreeBin、ForwardingNode、ReservationNode。

    1. ConcurrentHashMap包含五种结点：
    • Node结点：普通的Entry结点，以链表形式存储实际数据；
    static class Node<K, V> implements Map.Entry<K, V> {
final int hash;
final K key;
volatile V val;
volatile Node<K, V> next;   // 链表指针

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 int hashCode() {
    return key.hashCode() ^ val.hashCode();
}

//链表查找
Node<K, V> find(int h, Object k) {...}

...
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22

    数据会先以链表的形式存放在Node结点中，当结点到达一定数目时，链表会转化成红黑树，因为链表查找的平均时间复杂度为O(n)，而红黑树为O(logn)，这样可以提高查找效率。

    • TreeNode结点：红黑树的结点，存储实际数据；
    static final class TreeNode<K, V> extends Node<K, V> {
    boolean red;

    TreeNode<K, V> parent;
    TreeNode<K, V> left;
    TreeNode<K, V> right;
    TreeNode<K, V> prev;

    TreeNode(int hash, K key, V val, Node<K, V> next,
             TreeNode<K, V> parent) {
        super(hash, key, val, next);
        this.parent = parent;
    }

    //以当前结点为根结点，开始遍历查找指定key
    Node<K, V> find(int h, Object k) {...}

    ...
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • TreeBin结点：提供了红黑树相关的操作，以及加解锁操作；
    static final class TreeBin<K, V> extends Node<K, V> {
    TreeNode<K, V> root;                // 红黑树结构的根结点
    volatile TreeNode<K, V> first;      // 链表结构的头结点
    volatile Thread waiter;             // 最近的一个设置WAITER标识位的线程

    volatile int lockState;             // 整体的锁状态标识位，0表示未加锁

    static final int WRITER = 1;        // 二进制001，红黑树的写锁状态
    static final int WAITER = 2;        // 二进制010，红黑树的等待获取写锁状态
    static final int READER = 4;        // 二进制100，红黑树的读锁状态，读可以并发，每多一个读线程，lockState都加上一个READER值

    //在hashCode相等并且不是Comparable类型时，用此方法判断大小
    static int tieBreakOrder(Object a, Object b) {...}

    //将以b为头结点的链表转换为红黑树
    TreeBin(TreeNode<K, V> b) {...}

    //对红黑树的根结点加写锁
    private final void lockRoot() {...}

    //释放写锁
    private final void unlockRoot() {...}

    /**
     * 从根结点开始遍历查找，找到“相等”的结点就返回它，没找到就返回null
     * 当存在写锁时，以链表方式进行查找
     * 两种特殊情况下以链表的方式进行查找:
     *  1. 有线程正持有写锁，这样做能够不阻塞读线程
     *  2. 有线程等待获取写锁，不再继续加读锁，相当于“写优先”模式
     */
    final Node<K, V> find(int h, Object k) {...}

     //查找指定key对应的结点,如果未找到，则插入.
    final TreeNode<K, V> putTreeVal(int h, K k, V v) {...}

    /**
     * 删除红黑树的结点：
     * 1. 红黑树规模太小时，返回true，然后进行 树 -> 链表 的转化;
     * 2. 红黑树规模足够时，不用变换成链表，但删除结点时需要加写锁.
     */
    final boolean removeTreeNode(TreeNode<K, V> p) {...}

    ...
}

    • 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
    • ForwardingNode结点：在扩展时使用，是一种临时结点，hash值固定为-1,不存储实际数据。扩展时如果旧table某一个桶中的结点已经全部迁移到新的table了，则在这个桶中放置一个FowardingNode结点。另外作为转发结点，在扩容期间如果遇到查询操作，会将该查询转发到nextTable，即新table上，不会阻塞查询；
    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;
    }

    // 在新的数组nextTable上进行查找
    Node<K, V> find(int h, Object k) {...}
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11

    读操作碰到ForwardingNode时，将操作转发到扩容后的新table数组上去执行；写操作碰到它时，则尝试协助扩容。

    • ReservationNode结点：保留结点，hash值固定为-3，不存储实际数据，只在computeIfAbsent和compute这两个方法充当占位符加锁使用；
    1. ConcurrentHashMap提供了5个构造器，但是构造器内部只是计算了table的初始容量（赋值给sizeCtrl），并没有创建table的操作，只有在首次插入键值对的时候才会进行初始化table数组的操作。

    如果new实例时传入初始大小initialCapacity，那会调用tableSizeFor返回大于initialCapacity的最小2次幂值，并把这个值设置到sizeCtrl。

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

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

    代码各个阶段的结果如下图所示：
    初始化Map大小

    如果传入初始大小initialCapacity和负载因子loadFactor，则还需要通过1+initialCapacity/loadFactor计算出实际的初始化大小。一个结点在桶中出现的概率符合泊松分布，使用0.75作为负载因子，可以降低结点在某一个桶中出现的概率，降低hash冲突，也就降低了查询时间，同时也不会因为负载因子过小导致table过大，占用过多的内存。

    二、常量

    private static final int MAXIMUM_CAPACITY = 1 << 30;   //最大容量

private static final int DEFAULT_CAPACITY = 16;        //默认初始容量

private static final float LOAD_FACTOR = 0.75f;        //负载因子，恒定为0.75

static final int TREEIFY_THRESHOLD = 8;                //链表转树的阈值，即链接结点数大于8时， 链表转换为树

static final int UNTREEIFY_THRESHOLD = 6;              //树转链表的阈值，即树结点树小于6时，树转换为链表

static final int MIN_TREEIFY_CAPACITY = 64;            //只有键值对数量大于MIN_TREEIFY_CAPACITY，链表才能转变成树

private static final int MIN_TRANSFER_STRIDE = 16;     //只有键值对数量小于MIN_TRANSFER_STRIDE，树才能转变成链表
 
private static int RESIZE_STAMP_BITS = 16;             //用于在扩容时生成唯一的随机数

private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1; // 可同时进行扩容操作的最大线程数

private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS; // 扩容用

static final int MOVED = -1;                           // 标识ForwardingNode结点（在扩容时才会出现，不存储实际数据）
static final int TREEBIN = -2;                         // 标识红黑树的根结点
static final int RESERVED = -3;                        // 标识ReservationNode结点
static final int HASH_BITS = 0x7fffffff;               // usable bits of normal node hash

static final int NCPU = Runtime.getRuntime().availableProcessors(); // CPU核心数，扩容时使用

    • 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

    三、字段定义

    transient volatile Node<K, V>[] table; //Node数组，标识整个Map，首次插入元素时创建，大小总是2的幂次

private transient volatile Node<K, V>[] nextTable; //扩容后的新Node数组，只有在扩容时才非空

/**
 * 控制table的初始化和扩容
 * 0  : 初始默认值
 * -1 : 有线程正在进行table的初始化
 * >0 : table初始化时使用的容量，或初始化/扩容完成后的阈值
 * -(1 + nThreads) : 表示有nThreads个线程正在执行扩容
 */
private transient volatile int sizeCtl;

private transient volatile int transferIndex;//扩容时需要用到的一个下标变量

private transient volatile long baseCount;//计数基值,当没有线程竞争时，计数将加到该变量上

private transient volatile CounterCell[] counterCells;//计数数组，出现并发冲突时使用

private transient volatile int cellsBusy;//自旋标识位，用于CounterCell[]扩容时使用。

// 视图相关字段
private transient KeySetView<K, V> keySet;
private transient ValuesView<K, V> values;
private transient EntrySetView<K, V> entrySet;

    • 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

    四、put方法源码分析

    从put()方法切入，实际调用了putVal()方法，主要做了以下事情：

    1. 如果key和value为null时，抛出NullPointerException
    2. 调用扰动函数获取哈希值，对key的hashCode进行高16位不变，低16位和高16位进行异或操作，然后将得出的值去掉符号位。
    	static final int HASH_BITS = 0x7fffffff;
    
    static final int spread(int h) {
        return (h ^ (h >>> 16)) & HASH_BITS;
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    1. 遍历table，进行以下判断：
    • 如果table为空，则开始初始化数组。当sizeCtrl小于0时，表示已经有线程正在进行初始化，此时让出当前线程的CPU占用权；否则通过CAS将sizeCtrl设置成-1，表示当前线程已经开始初始化table。创建一个大小为16（默认大小，如果sizeCtrl大于0，则使用sizeCtrl作为table大小，new一个ConcurrentHashMap的时候会设置sizeCtrl作为初始大小）的Node数组赋值给table，并把sizeCtrl设置成0.75，然后进行下一步。
    transient volatile Node<K,V>[] table;
private transient volatile int sizeCtl;
private static final int DEFAULT_CAPACITY = 16;

private final Node<K,V>[] initTable() {
    Node<K,V>[] tab; int sc;
    while ((tab = table) == null || tab.length == 0) {
        if ((sc = sizeCtl) < 0)
            Thread.yield(); // lost initialization race; just spin
        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<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
                    table = tab = nt;
                    sc = n - (n >>> 2); //设置sizeCtrl = 0.75 * table.length
                }
            } finally {
                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
    • 如果已经table已经初始化，但是table中索引为(n-1)&hash的位置没有值。则将Node节点CAS进table中索引为(n-1)&hash的位置。
    private static final long ABASE;
private static final int ASHIFT;

Class<?> ak = Node[].class;
ABASE = U.arrayBaseOffset(ak);
int scale = U.arrayIndexScale(ak);
if ((scale & (scale - 1)) != 0)
    throw new Error("data type scale not a power of two");
ASHIFT = 31 - Integer.numberOfLeadingZeros(scale);

transient volatile Node<K,V>[] table;

static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) {
    //table虽然是volatile变量，但对于其他线程只是引用可见，table里的元素不可见，因此需要调用getObjectVolatile保证每次拿到的数据都是最新的。
    return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE);
}

static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i,
                                    Node<K,V> c, Node<K,V> v) {
    // 更新Node数组上的元素
    return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v);
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22

    由于是通过(n-1)&hash查找元素，因此需要保证n(即table长度)为2的N次幂才能让key均匀分布，减少哈希冲突。

    • 如果table中索引为(n-1)&hash的位置有值，且该位置的元素hash属性为MOVED，说明此时table正在扩容，当前线程可以协助数据迁移，参考addCount方法。
    static final int MOVED     = -1;

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) {//有其他线程正在扩容
           //以下情况不需要扩容
            if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
                sc == rs + MAX_RESIZERS || transferIndex <= 0)
                break;
            //将sizeCtrl加1，然后开始扩容+数据迁移
            if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
                transfer(tab, nextTab);
                break;
            }
        }
        return nextTab;
    }
    return table;
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23

    扩容状态下其他线程对集合进行插入、修改、删除、合并、compute等操作时遇到 ForwardingNode 结点会调用该方法。

    • 如果插入的节点不在table上，则遍历链表或者红黑树，如果存在相同哈希值和Key的节点时更新Node/TreeNode的value，否则插入新的Node/TreeNode结点。

    使用同步锁synchronized，插入相同hash的元素时会阻塞。

    • 如果链表长度大于8，则将链表转换成红黑树，但是如果table的长度小于64，则只将table扩容一倍，不转换成红黑树，这是为了避免table建立初期，多个键值对恰好放入同一个链表中导致不必要的转换。
    static final int TREEIFY_THRESHOLD = 8;
static final int MIN_TREEIFY_CAPACITY = 64;
private static final int MAXIMUM_CAPACITY = 1 << 30;

private final void treeifyBin(Node<K,V>[] tab, int index) {
    Node<K,V> b; int n, sc;
    if (tab != null) {
        //table的容量小于64时，直接进行table扩容，不进行红黑树转换
        if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
            tryPresize(n << 1);
            
        //table的容量大于等于64时，将链表转换成红黑树
        else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
            synchronized (b) {//给桶的第一个元素加锁
                if (tabAt(tab, index) == b) {
                    TreeNode<K,V> hd = null, tl = null;
                    
                    //遍历链表，建立红黑树
                    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;
                    }
                    //将TreeNode封装成TreeBin，并放到table[index]中
                    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
    • 33
    • 34
    • 35
    1. 更改计数以及扩容，这里先讨论计数的部分，扩容部分后面再做介绍。如果没有并发，直接累加baseCount，如果存在并发，则累加counterCells。
    private final void addCount(long x, int check) {
    CounterCell[] as;
    long b, s;
    if ((as = counterCells) != null ||
            // 首先尝试更新baseCount
            !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {

        // 更新失败,说明出现并发冲突,则将计数值累加到CounterCells[ThreadLocalRandom.getProbe() & counterCells的长度]
        CounterCell a;
        long v;
        int m;
        boolean uncontended = true;
        if (as == null || (m = as.length - 1) < 0 ||
                //根据线程安全的随机数和counterCells长度计算元素索引
                (a = as[ThreadLocalRandom.getProbe() & m]) == null ||   
                !(uncontended = U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
            // 计数值累加到CounterCells失败
            fullAddCount(x, uncontended);
            return;
        }
        if (check <= 1)
            return;
        s = sumCount();
    }

    ...（扩容的内容第七节再讨论）
}

    • 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

    如果累加counterCells失败，则会调用fullAddCount()方法，代码逻辑如下：

    • 如果线程安全的随机数为0，则重新生成随机数；
    if ((h = ThreadLocalRandom.getProbe()) == 0) {
    ThreadLocalRandom.localInit(); 
    h = ThreadLocalRandom.getProbe();
    wasUncontended = true;//表示当前不存在锁竞争
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 如果counterCells已经初始化，尝试加锁，然后将计数插入或者更新counterCells中，如果失败则进行扩容（原来的2倍）；
    //counterCells[(n-1)&h]没有被使用(n为counterCells的长度)，尝试加锁，然后将计数插入counterCells
if ((a = as[(n - 1) & h]) == null) {
    if (cellsBusy == 0) {//counterCells没有加锁 
        CounterCell r = new CounterCell(x); 
        if (cellsBusy == 0 &&
            //尝试加锁，通过CAS将cellsBusy从0设置为1
            U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
            boolean created = false;
            try {             
                CounterCell[] rs; int m, j;
                if ((rs = counterCells) != null &&
                    (m = rs.length) > 0 &&
                    rs[j = (m - 1) & h] == null) {//重新判断一次
                    rs[j] = r;//将创建的CounterCell赋值到counterCells[(n-1)&h]
                    created = true;
                }
            } finally {
                cellsBusy = 0;//释放锁
            }
            if (created)//如果创建的CounterCell加到counterCells则停止自旋
                break;
            continue; 
        }
    }
    collide = false;//counterCells扩展标识，锁被占用时不需要扩展
}
else if (!wasUncontended)//待研究。。。
    wasUncontended = true; 
//如果counterCells[(n - 1) & h]已被使用，则把计数累加到该CounterCell的value值
else if (U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))
    break;
//当counterCells大小大于CPU核数后，不再进行扩容
else if (counterCells != as || n >= NCPU)
    collide = false; 
else if (!collide)
    collide = true;
//如果更新CounterCell失败，则尝试加锁，然后扩容counterCells为原来的2倍
else if (cellsBusy == 0 &&
         U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
    try {
        if (counterCells == as) {
            CounterCell[] rs = new CounterCell[n << 1];//扩容后的大小为原来的2倍
            for (int i = 0; i < n; ++i)//将数据迁移到新的counterCells
                rs[i] = as[i];
            counterCells = rs;
        }
    } finally {
        cellsBusy = 0;//释放锁
    }
    collide = false;
    continue;               
}
h = ThreadLocalRandom.advanceProbe(h);

    • 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
    • 如果counterCells没有初始化且没有加锁，则尝试对它进行加锁，如果加锁成功就初始化counterCells，大小为2；
    else if (cellsBusy == 0 && counterCells == as &&
             U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
        boolean init = false;
        try {
            if (counterCells == as) {
                //初始化大小为2的CounterCell数组
                CounterCell[] rs = new CounterCell[2];
                //将创建的CounterCell存入CounterCell数组，存放索引为0或者1
                rs[h & 1] = new CounterCell(x);
                counterCells = rs;
                init = true;
            }
        } finally {
            //释放锁
            cellsBusy = 0;
        }
        if (init)
            break;
    }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 如果counterCells正在进行初始化，则尝试直接累加到baseCount上；
    else if (U.compareAndSwapLong(this, BASECOUNT, v = baseCount, v + x))
        break;

    • 1
    • 2

    五、结语

    本篇主要介绍了ConcurrentHashMap的基本原理，以及添加元素时如何保证一致性，写的比较零散。关于如何计数、如何获取元素、如何扩容有空再整理了。

    by alen.wen

  • 相关阅读:
    bp神经网络图像特征提取,神经网络如何提取特征
    个人商城系统开源（注册）
    【Spring】之初识
    高效数据传输：Java通过绑定快速将数据导出至Excel
    知识产权恶意侵权是什么意思
    Maven
    配置web服务器+编写简单页面+分析交互过程
    英国国家卫生服务遭受攻击，系统出现大面积故障
    大数据业务场景
    [官方培训]13-渲染输出理解及最佳实践 戴浩军 Epic 笔记
  • 原文地址：https://blog.csdn.net/vipshop_fin_dev/article/details/126682549