码迷,mamicode.com
首页 > 其他好文 > 详细

ConcurrentHashMap的JDK1.8实现

时间:2018-05-22 15:08:18      阅读:221      评论:0      收藏:0      [点我收藏+]

标签:不同的   mapping   enc   简化   插入   表结构   查询   pac   情况   

今天我们介绍一下ConcurrentHashMap在JDK1.8中的实现。
基本结构

        ConcurrentHashMap在1.8中的实现,相比于1.7的版本基本上全部都变掉了。首先,取消了Segment分段锁的数据结构,取而代之的是数组+链表(红黑树)的结构。而对于锁的粒度,调整为对每个数组元素加锁(Node)。然后是定位节点的hash算法被简化了,这样带来的弊端是Hash冲突会加剧。因此在链表节点数量大于8时,会将链表转化为红黑树进行存储。这样一来,查询的时间复杂度就会由原先的O(n)变为O(logN)。下面是其基本结构:

技术分享图片

相关属性

  1. private transient volatile int sizeCtl;  

        sizeCtl用于table[]的初始化和扩容操作,不同值的代表状态如下:

  • -1:table[]正在初始化。
  • -N:表示有N-1个线程正在进行扩容操作。

        非负情况:

  1. 如果table[]未初始化,则表示table需要初始化的大小。
  2. 如果初始化完成,则表示table[]扩容的阀值,默认是table[]容量的0.75 倍。
  1. private static finalint DEFAULT_CONCURRENCY_LEVEL = 16;  
  • DEFAULT_CONCURRENCY_LEVEL:表示默认的并发级别,也就是table[]的默认大小。
  1. private static final float LOAD_FACTOR = 0.75f;  
  • LOAD_FACTOR:默认的负载因子。
  1. static final int TREEIFY_THRESHOLD = 8;  
  • TREEIFY_THRESHOLD:链表转红黑树的阀值,当table[i]下面的链表长度大于8时就转化为红黑树结构。
  1. static final int UNTREEIFY_THRESHOLD = 6;  
  • UNTREEIFY_THRESHOLD:红黑树转链表的阀值,当链表长度<=6时转为链表(扩容时)。

构造函数

  1. public ConcurrentHashMap(int initialCapacity,  
  2.                          float loadFactor, int concurrencyLevel) {  
  3.     if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0)  
  4.         throw new IllegalArgumentException();  
  5.     if (initialCapacity < concurrencyLevel)   // 初始化容量至少要为concurrencyLevel  
  6.         initialCapacity = concurrencyLevel;  
  7.     long size = (long)(1.0 + (long)initialCapacity / loadFactor);  
  8.     int cap = (size >= (long)MAXIMUM_CAPACITY) ?  
  9.         MAXIMUM_CAPACITY : tableSizeFor((int)size);  
  10.     this.sizeCtl = cap;  
  11. }  

        从上面代码可以看出,在创建ConcurrentHashMap时,并没有初始化table[]数组,只对Map容量,并发级别等做了赋值操作。
相关节点

  1. Node:该类用于构造table[],只读节点(不提供修改方法)。
  2. TreeBin:红黑树结构。
  3. TreeNode:红黑树节点。
  4. ForwardingNode:临时节点(扩容时使用)。

put()操作

  1. public V put(K key, V value) {  
  2.     return putVal(key, value, false);  
  3. }  
  4.   
  5. final V putVal(K key, V value, boolean onlyIfAbsent) {  
  6.     if (key == null || value == null) throw new NullPointerException();  
  7.     int hash = spread(key.hashCode());  
  8.     int binCount = 0;  
  9.     for (Node<K,V>[] tab = table;;) {  
  10.         Node<K,V> f; int n, i, fh;  
  11.         if (tab == null || (n = tab.length) == 0)// 若table[]未创建,则初始化  
  12.             tab = initTable();  
  13.         else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {// table[i]后面无节点时,直接创建Node(无锁操作)  
  14.             if (casTabAt(tab, i, null,  
  15.                          new Node<K,V>(hash, key, value, null)))  
  16.                 break;                   // no lock when adding to empty bin  
  17.         }  
  18.         else if ((fh = f.hash) == MOVED)// 如果当前正在扩容,则帮助扩容并返回最新table[]  
  19.             tab = helpTransfer(tab, f);  
  20.         else {// 在链表或者红黑树中追加节点  
  21.             V oldVal = null;  
  22.             synchronized (f) {// 这里并没有使用ReentrantLock,说明synchronized已经足够优化了  
  23.                 if (tabAt(tab, i) == f) {  
  24.                     if (fh >= 0) {// 如果为链表结构  
  25.                         binCount = 1;  
  26.                         for (Node<K,V> e = f;; ++binCount) {  
  27.                             K ek;  
  28.                             if (e.hash == hash &&  
  29.                                 ((ek = e.key) == key ||  
  30.                                  (ek != null && key.equals(ek)))) {// 找到key,替换value  
  31.                                 oldVal = e.val;  
  32.                                 if (!onlyIfAbsent)  
  33.                                     e.val = value;  
  34.                                 break;  
  35.                             }  
  36.                             Node<K,V> pred = e;  
  37.                             if ((e = e.next) == null) {// 在尾部插入Node  
  38.                                 pred.next = new Node<K,V>(hash, key,  
  39.                                                           value, null);  
  40.                                 break;  
  41.                             }  
  42.                         }  
  43.                     }  
  44.                     else if (f instanceof TreeBin) {// 如果为红黑树  
  45.                         Node<K,V> p;  
  46.                         binCount = 2;  
  47.                         if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,  
  48.                                                        value)) != null) {  
  49.                             oldVal = p.val;  
  50.                             if (!onlyIfAbsent)  
  51.                                 p.val = value;  
  52.                         }  
  53.                     }  
  54.                 }  
  55.             }  
  56.             if (binCount != 0) {  
  57.                 if (binCount >= TREEIFY_THRESHOLD)// 到达阀值,变为红黑树结构  
  58.                     treeifyBin(tab, i);  
  59.                 if (oldVal != null)  
  60.                     return oldVal;  
  61.                 break;  
  62.             }  
  63.         }  
  64.     }  
  65.     addCount(1L, binCount);  
  66.     return null;  
  67. }  

        从上面代码可以看出,put的步骤大致如下:

  1. 参数校验。
  2. 若table[]未创建,则初始化。
  3. 当table[i]后面无节点时,直接创建Node(无锁操作)。
  4. 如果当前正在扩容,则帮助扩容并返回最新table[]。
  5. 然后在链表或者红黑树中追加节点。
  6. 最后还回去判断是否到达阀值,如到达变为红黑树结构。

        除了上述步骤以外,还有一点我们留意到的是,代码中加锁片段用的是synchronized关键字,而不是像1.7中的ReentrantLock。这一点也说明了,synchronized在新版本的JDK中优化的程度和ReentrantLock差不多了。
get()操作

  1. public V get(Object key) {  
  2.     Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;  
  3.     int h = spread(key.hashCode());// 定位到table[]中的i  
  4.     if ((tab = table) != null && (n = tab.length) > 0 &&  
  5.         (e = tabAt(tab, (n - 1) & h)) != null) {// 若table[i]存在  
  6.         if ((eh = e.hash) == h) {// 比较链表头部  
  7.             if ((ek = e.key) == key || (ek != null && key.equals(ek)))  
  8.                 return e.val;  
  9.         }  
  10.         else if (eh < 0)// 若为红黑树,查找树  
  11.             return (p = e.find(h, key)) != null ? p.val : null;  
  12.         while ((e = e.next) != null) {// 循环链表查找  
  13.             if (e.hash == h &&  
  14.                 ((ek = e.key) == key || (ek != null && key.equals(ek))))  
  15.                 return e.val;  
  16.         }  
  17.     }  
  18.     return null;// 未找到  
  19. }  

        get()方法的流程相对简单一点,从上面代码可以看出以下步骤:

  1. 首先定位到table[]中的i。
  2. 若table[i]存在,则继续查找。
  3. 首先比较链表头部,如果是则返回。
  4. 然后如果为红黑树,查找树。
  5. 最后再循环链表查找。

        从上面步骤可以看出,ConcurrentHashMap的get操作上面并没有加锁。所以在多线程操作的过程中,并不能完全的保证一致性。这里和1.7当中类似,是弱一致性的体现。
size()操作

  1. // 1.2时加入  
  2. public int size() {  
  3.     long n = sumCount();  
  4.     return ((n < 0L) ? 0 :  
  5.             (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :  
  6.             (int)n);  
  7. }  
  8. // 1.8加入的API  
  9. public long mappingCount() {  
  10.     long n = sumCount();  
  11.     return (n < 0L) ? 0L : n; // ignore transient negative values  
  12. }  
  13.   
  14. final long sumCount() {  
  15.     CounterCell[] as = counterCells; CounterCell a;  
  16.     long sum = baseCount;  
  17.     if (as != null) {  
  18.         for (int i = 0; i < as.length; ++i) {  
  19.             if ((a = as[i]) != null)  
  20.                 sum += a.value;  
  21.         }  
  22.     }  
  23.     return sum;  
  24. }  

        从上面代码可以看出来,JDK1.8中新增了一个mappingCount()的API。这个API与size()不同的就是返回值是Long类型,这样就不受Integer.MAX_VALUE的大小限制了。
        两个方法都同时调用了,sumCount()方法。对于每个table[i]都有一个CounterCell与之对应,上面方法做了求和之后就返回了。从而可以看出,size()和mappingCount()返回的都是一个估计值(这一点与JDK1.7里面的实现不同,1.7里面使用了加锁的方式实现。这里面也可以看出JDK1.8牺牲了精度,来换取更高的效率。)

ConcurrentHashMap的JDK1.8实现

标签:不同的   mapping   enc   简化   插入   表结构   查询   pac   情况   

原文地址:https://www.cnblogs.com/tiancai/p/9071512.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!