本文将主要讲述 JDK1.8 版本 的 ConcurrentHashMap，其内部结构和很多的哈希优化算法，都是和 JDK1.8 版本的 HashMap是一样的，所以在阅读本文之前，一定要先了解 HashMap，可以参考 HashMap 相关；另外 ConcurrentHashMap 中同样有红黑树，这部分可以先不看不影响整体结构把握，有兴趣的可以查看 红黑树；
一、ConcurrentHashMap 结构概述
1. 整体概述
CHM 的源码有 6k 多行，包含的内容多，精巧，不容易理解；建议在查看源码的时候，可以首先把握整体结构脉络，对于一些精巧的优化，哈希技巧可以先了解目的就可以了，不用深究；对整体把握比较清楚后，在逐步分析，可以比较快速的看懂；
JDK1.8 版本中的 CHM，和 JDK1.7 版本的差别非常大，在查看资料的时候要注意区分，1.7 中主要是使用 Segment 分段锁 来解决并发问题的；而在 1.8 中则完全没有这些稍显臃肿的结构，其结构基本和 HashMap 是一样的，都是 数组 + 链表 + 红黑树，如图所示：
其主要区别就在 CHM 支持并发：
- 使用 Unsafe 方法操作数组内部元素，保证可见性；（U.getObjectVolatile、U.compareAndSwapObject、U.putObjectVolatile）；
- 在更新和移动节点的时候，直接锁住对应的哈希桶，锁粒度更小，且动态扩展；
- 针对扩容慢操作进行优化，
- 首先扩容过程的中，节点首先移动到过度表 nextTable ，所有节点移动完毕时替换散列表 table；
- 移动时先将散列表定长等分，然后逆序依次领取任务扩容，设置 sizeCtl 标记正在扩容；
- 移动完成一个哈希桶或者遇到空桶时，将其标记为 ForwardingNode 节点，并指向 nextTable ；
- 后有其他线程在操作哈希表时，遇到 ForwardingNode 节点，则先帮助扩容（继续领取分段任务），扩容完成后再继续之前的操作；
- 优化哈希表计数器，采用 LongAdder、Striped64 类似思想；
- 以及大量的哈希算法优化和状态变量优化；
以上讲的这些不太清楚也没有关系，主要是有一个印象，大致清楚 CHM 的实现方向，具体细节后面还会结合源码详细讲解；
2. 类定义和成员变量
public class ConcurrentHashMap<K,V>
extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {
private static final int MAXIMUM_CAPACITY = 1 << 30; // 最大容量
private static final int DEFAULT_CAPACITY = 16; // 默认初始化容量
private static final int DEFAULT_CONCURRENCY_LEVEL = 16; // 并发级别，为兼容1.7，实际未用
private static final float LOAD_FACTOR = 0.75f; // 固定负载系数，n - (n >>> 2)
static final int TREEIFY_THRESHOLD = 8; // 链表超过8时，转为红黑树
static final int UNTREEIFY_THRESHOLD = 6; // 红黑树低于6时，转为链表
static final int MIN_TREEIFY_CAPACITY = 64; // 树化最小容量，容量小于64时，先扩容
private static final int MIN_TRANSFER_STRIDE = 16; // 扩容时拆分散列表，最小步长
private static int RESIZE_STAMP_BITS = 16;
private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1; // 可参与扩容的最大线程
static final int NCPU = Runtime.getRuntime().availableProcessors(); // CPU 数
transient volatile Node<K,V>[] table; // 散列表
private transient volatile Node<K,V>[] nextTable; // 扩容时的过度表
private transient volatile int sizeCtl; // 最重要的状态变量，下面详讲
private transient volatile int transferIndex; // 扩容进度指示
private transient volatile long baseCount; // 计数器，基础基数
private transient volatile int cellsBusy; // 计数器，并发标记
private transient volatile CounterCell[] counterCells; // 计数器，并发累计
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)); // 注意这里不是0.75，后面介绍
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); // 注意这里的初始化
int cap = (size >= (long)MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : tableSizeFor((int)size);
this.sizeCtl = cap;
}
...
}上面有几个重要的地方这里单独讲：
LOAD_FACTOR:
这里的负载系数，同 HashMap 等其他 Map 的系数有明显区别：
通常的系数默认 0.75，可以由构造函数传入，当节点数 size 超过 loadFactor * capacity 时扩容；
而 CMH 的系数则固定 0.75（使用
n - (n >>> 2)表示），构造函数传入的系数只影响初始化容量，见第5个构造函数；上面第二个构造函数中，
initialCapacity + (initialCapacity >>> 1) + 1)，这里居然不是使用的默认0.75，可以看作bug，也可视作优化，见
sizeCtl:
sizeCtl 是 CHM 中最重要的状态变量，其中包括很多中状态，这里先整体介绍帮助后面源码理解；
sizeCtl = 0 ：初始值，还未指定初始容量；
sizeCtl > 0 ：
- table 未初始化，表示初始化容量；
- table 已初始化，表示扩容阈值（0.75n）；
sizeCtl = -1 ：表示正在初始化；
sizeCtl < -1 ：表示正在扩容，具体结构如图所示：
计算代码如下：
/*
* n=64
* Integer.numberOfLeadingZeros(n)＝26
* resizeStamp(64) = 0001 1010 | 1000 0000 0000 0000 = 1000 0000 0001 1010
*/
static final int resizeStamp(int n) {
return Integer.numberOfLeadingZeros(n) | (1 << (RESIZE_STAMP_BITS - 1));
}所以 resizeStamp(64) << RESIZE_STAMP_SHIFT) + 2 ，表示扩容目标为 64，有一个线程正在扩容；
3. Node 节点
static class Node<K,V> implements Map.Entry<K,V> { // 哈希表普通节点
final int hash;
final K key;
volatile V val;
volatile Node<K,V> next;
Node<K,V> find(int h, Object k) {} // 主要在扩容时，利用多态查询已转移节点
}
static final class ForwardingNode<K,V> extends Node<K,V> { // 标识扩容节点
final Node<K,V>[] nextTable; // 指向成员变量 ConcurrentHashMap.nextTable
ForwardingNode(Node<K,V>[] tab) {
super(MOVED, null, null, null); // hash = -1，快速确定 ForwardingNode 节点
this.nextTable = tab;
}
Node<K,V> find(int h, Object k) {}
}
static final class TreeBin<K,V> extends Node<K,V> { // 红黑树根节点
TreeBin(TreeNode<K,V> b) {
super(TREEBIN, null, null, null); // hash = -2，快速确定红黑树，
...
}
}
static final class TreeNode<K,V> extends Node<K,V> { } // 红黑树普通节点，其 hash 同 Node 普通节点 > 0；4. 哈希计算
static final int MOVED = -1; // hash for forwarding nodes
static final int TREEBIN = -2; // hash for roots of trees
static final int RESERVED = -3; // hash for transient reservations
static final int HASH_BITS = 0x7fffffff; // usable bits of normal node hash
// 让高位16位，参与哈希桶定位运算的同时，保证 hash 为正
static final int spread(int h) {
return (h ^ (h >>> 16)) & HASH_BITS;
}除此之外还有，
- tableSizeFor : 将容量转为大于n，且最小的2的幂；
- 除留余数法 ：
hash % length = hash & (length-1)； - 扩容后哈希桶定位：
(e.hash & oldCap)，0 - 位置不变，1 - 原来的位置 + oldCap；
以上这些哈希优化的具体原理，都在之前的博客讲过了，就不在重复了，HashMap 相关；
5. 哈希桶可见性
我们都知道一个数组即使声明为 volatile，也只能保证这个数组引用本身的可见性，其内部元素的可见性是无法保证的，如果每次都加锁，则效率必然大大降低，在 CHM 中则使用 Unsafe 方法来保证：
static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) {
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) {
return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v);
}
static final <K,V> void setTabAt(Node<K,V>[] tab, int i, Node<K,V> v) {
U.putObjectVolatile(tab, ((long)i << ASHIFT) + ABASE, v);
}二、源码解析
1. initTable 方法
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(); // 有其他线程在初始化
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) { // 设置状态 -1
try {
if ((tab = table) == null || tab.length == 0) {
int n = (sc > 0) ? sc : DEFAULT_CAPACITY; // 注意此时的 sizeCtl 表示初始容量，完毕后表示扩容阈值
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
sc = n - (n >>> 2); // 同 0.75n
}
} finally {
sizeCtl = sc; // 注意这里没有 CAS 更新，这就是状态变量的高明了，因为前面设置了 -1，此时这里没有竞争
}
break;
}
}
return tab;
}2. get 方法
get 方法可能看代码不是很长，但是他却能 保证无锁状态下的内存一致性 ，他的每一句代码都要仔细理解，多设想一下如果发生竞争会怎样，如此才能有所得；
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
int h = spread(key.hashCode()); // 计算 hash
if ((tab = table) != null && (n = tab.length) > 0 && // 确保 table 已经初始化
// 确保对应的哈希桶不为空，注意这里是 Volatile 语义获取；因为扩容的时候，是完全拷贝，所以只要不为空，则链表必然完整
(e = tabAt(tab, (n - 1) & h)) != null) {
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
// hash < 0，则必然在扩容，原来位置的节点可能全部移动到 i + oldCap 位置，所以利用多态到 nextTable 中查找
else if (eh < 0) return (p = e.find(h, key)) != null ? p.val : null;
while ((e = e.next) != null) { // 遍历链表
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}3. putVal 方法
注意 CHM 的 key 和 value 都不能为空
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) throw new NullPointerException();
int hash = spread(key.hashCode()); // hash 计算
int binCount = 0; // 状态变量，主要表示查找链表节点数，最后判断是否转为红黑树
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
if (tab == null || (n = tab.length) == 0) tab = initTable(); // 初始化
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { // cas 获取哈希桶
if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null))) // cas 更新，失败时继续循环更新
break; // no lock when adding to empty bin
}
else if ((fh = f.hash) == MOVED) tab = helpTransfer(tab, f); // 正在扩容的时候，先帮助扩容
else {
V oldVal = null;
synchronized (f) { // 注意这里只锁定了一个哈希桶，所以比 1.7 中的 Segment 分段锁 粒度更低
if (tabAt(tab, i) == f) { // 确认该哈希桶是否已经移动
if (fh >= 0) { // hash >=0 则必然是普通节点，直接遍历链表即可
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
if(e.hash == hash && ((ek = e.key) == key || (ek != null && key.equals(ek)))) { // 查找成功
oldVal = e.val;
if (!onlyIfAbsent) e.val = value;
break;
}
Node<K,V> pred = e;
if ((e = e.next) == null) { // 查找失败时，直接在末尾添加新节点
pred.next = new Node<K,V>(hash, key, value, null);
break;
}
}
}
else if (f instanceof TreeBin) { // 树根节点
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key, value)) != null) { // 红黑树查找
oldVal = p.val;
if (!onlyIfAbsent) p.val = value;
}
}
}
}
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD) treeifyBin(tab, i); // 如果链表长度大于8，转为红黑树
if (oldVal != null)
return oldVal;
break;
}
}
}
addCount(1L, binCount); // 计数加一，注意这里使用的是计数器，普通的 Atomic 变量仍然可能称为性能瓶颈；
return null;
}其具体流程如图所示：
4. 扩容
扩容操作一直都是比较慢的操作，而 CHM 中巧妙的利用任务划分，使得多个线程可能同时参与扩容；另外扩容条件也有两个：
- 有链表长度超过 8，但是容量小于 64 的时候，发生扩容；
- 节点数超过阈值的时候，发生扩容；
其扩容的过程可描述为：
- 首先扩容过程的中，节点首先移动到过度表 nextTable ，所有节点移动完毕时替换散列表 table；
- 移动时先将散列表定长等分，然后逆序依次领取任务扩容，设置 sizeCtl 标记正在扩容；
- 移动完成一个哈希桶或者遇到空桶时，将其标记为 ForwardingNode 节点，并指向 nextTable ；
- 后有其他线程在操作哈希表时，遇到 ForwardingNode 节点，则先帮助扩容（继续领取分段任务），扩容完成后再继续之前的操作；
图形化表示如下：
源码分析如下：
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; // 根据 CPU 数量计算任务步长
if (nextTab == null) { // 初始化 nextTab
try {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1]; // 扩容一倍
nextTab = nt;
} catch (Throwable ex) {
sizeCtl = Integer.MAX_VALUE; // 发生 OOM 时，不再扩容
return;
}
nextTable = nextTab;
transferIndex = n;
}
int nextn = nextTab.length;
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab); // 标记空桶，或已经转移完毕的桶
boolean advance = true;
boolean finishing = false; // to ensure sweep before committing nextTab
for (int i = 0, bound = 0;;) { // 逆向遍历扩容
Node<K,V> f; int fh;
while (advance) { // 向前获取哈希桶
int nextIndex, nextBound;
if (--i >= bound || finishing) // 已经取到哈希桶，或已完成时退出
advance = false;
else if ((nextIndex = transferIndex) <= 0) { // 遍历到达头节点，已经没有待迁移的桶，线程准备退出
i = -1;
advance = false;
}
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ? nextIndex - stride : 0))) { // 当前任务完成，领取下一批哈希桶
bound = nextBound;
i = nextIndex - 1; // 索引指向下一批哈希桶
advance = false;
}
}
// i < 0 ：表示扩容结束，已经没有待移动的哈希桶
// i >= n ：扩容结束，再次检查确认
// i + n >= nextn ： 在使用 nextTable 替换 table 时，有线程进入扩容就会出现
if (i < 0 || i >= n || i + n >= nextn) { // 完成扩容准备退出
int sc;
if (finishing) { // 两次检查，只有最后一个扩容线程退出时，才更新变量
nextTable = null;
table = nextTab;
sizeCtl = (n << 1) - (n >>> 1); // 0.75*2*n
return;
}
if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) { // 扩容线程减一
if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT) return; // 不是最后一个线程，直接退出
finishing = advance = true; // 最后一个线程，再次检查
i = n; // recheck before commit
}
}
else if ((f = tabAt(tab, i)) == null) // 当前节点为空，直接标记为 ForwardingNode，然后继续获取下一个桶
advance = casTabAt(tab, i, null, fwd);
// 之前的线程已经完成该桶的移动，直接跳过，正常情况下自己的任务区间，不会出现 ForwardingNode 节点，
else if ((fh = f.hash) == MOVED) // 此处为极端条件下的健壮性检查
advance = true; // already processed
// 开始处理链表
else {
// 注意在 get 的时候，可以无锁获取，是因为扩容是全拷贝节点，完成后最后在更新哈希桶
// 而在 put 的时候，是直接将节点加入尾部，获取修改其中的值，此时如果允许 put 操作，最后就会发生脏读，
// 所以 put 和 transfer，需要竞争同一把锁，也就是对应的哈希桶，以保证内存一致性效果
synchronized (f) {
if (tabAt(tab, i) == f) { // 确认锁定的是同一个桶
Node<K,V> ln, hn;
if (fh >= 0) { // 正常节点
int runBit = fh & n; // hash & n，判断扩容后的索引
Node<K,V> lastRun = f;
// 此处找到链表最后扩容后处于同一位置的连续节点，这样最后一节就不用再一次复制了
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;
}
// 依次将链表拆分成，lo、hi 两条链表，即位置不变的链表，和位置 + oldCap 的链表
// 注意最后一节链表没有new，而是直接使用原来的节点
// 同时链表的顺序也被打乱了，lastRun 到最后为正序，前面一节为逆序
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); // 插入 lo 链表
setTabAt(nextTab, i + n, hn); // 插入 hi 链表
setTabAt(tab, i, fwd); // 哈希桶移动完成，标记为 ForwardingNode 节点
advance = true; // 继续获取下一个桶
}
else if (f instanceof TreeBin) { // 拆分红黑树
TreeBin<K,V> t = (TreeBin<K,V>)f;
TreeNode<K,V> lo = null, loTail = null; // 为避免最后在反向遍历，先留头结点的引用，
TreeNode<K,V> hi = null, hiTail = null; // 因为顺序的链表，可以加速红黑树构造
int lc = 0, hc = 0; // 同样记录 lo，hi 链表的长度
for (Node<K,V> e = t.first; e != null; e = e.next) { // 中序遍历红黑树
int h = e.hash;
TreeNode<K,V> p = new TreeNode<K,V>(h, e.key, e.val, null, null); // 构造红黑树节点
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;
}
}
// 判断是否需要将其转化为红黑树，同时如果只有一条链，那么就可以不用在构造
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;
}
}
}
}
}
}还有其他相关方法不是很复杂，就不详细讲了，比如 tryPresize，helpTransfer，addCount
5. 计数器
当获取 Map.size 的时候，如果使用 Atomic 变量，很容易导致过度竞争，产生性能瓶颈，所以 CHM 中使用了，计数器的方式：
public int size() {
long n = sumCount();
return ((n < 0L) ? 0 : (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE : (int)n);
}private transient volatile CounterCell[] counterCells; // 计数器
@sun.misc.Contended static final class CounterCell { // @sun.misc.Contended 避免伪缓存
volatile long value;
CounterCell(long x) { value = x; }
}
final long sumCount() {
CounterCell[] as = counterCells; CounterCell a;
long sum = baseCount;
if (as != null) {
for (int i = 0; i < as.length; ++i) { // 累计计数
if ((a = as[i]) != null)
sum += a.value;
}
}
return sum;
}具体细节还比较多，之后在单独开一篇博客详细讲解；
总结
- 首先 JDK1.8 的 CHM，没有使用 Segment 分段锁，而是直接锁定单个哈希桶
- 对数组中的哈希桶使用 CAS 操作，保证其可见性
- 对扩容是用，任务拆分，多线程同时扩容的方式，加速扩容
- 对 size 使用计数器思想
- CHM 中对状态变量的应用，使得很多操作都得以无所化进行