标签：控制 oat blog force none node节点 因子 不可 等于
一、简介前面的一篇文章我们介绍了ConcurrentHashMap1.7版本版本的源码介绍，我们知道1.7版本的ConcurrentHashMap采用的是分段锁的思想，提高了锁的数量，提高了并发的特性，但是也有其局限性，例如就是并发的数量也就是锁的数量是不可改变的等；我们今天要介绍的1.8版本的ConcurrentHashMap其实也是采用了多锁的思想，不过在1.8中没有了segments这些东西了，每次锁住的数组中的一个元素或者桶（其实也就是数组或者树的头结点），然后锁也和1.7发生变了，使用的是Synchronized锁，1.8中的锁是随着数组的长度发生变化的，提升了并发的数量的灵活性，还有就是1.8的数据结构也发生了一些变化，采用的是数组+链表+红黑树（链表到达阈值会树化），结构如下图所示：
二、基本成员
先介绍一些基本成员，只有了解了这些成员的概念后，才能去更好的去理解方法。
ConcurrentHashMap的一些成员变量
/** node数组的最大容量 2^30 */
private static final int MAXIMUM_CAPACITY = 1 << 30;
/** 默认初始化值16,必须是2的冥 */
private static final int DEFAULT_CAPACITY = 16;
/** 虚拟机限制的最大数组长度，在ArrayList中有说过，jdk1.8新引入的,需要与toArrar()相关方法关联 */
static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
/** 并发数量,1.7遗留,兼容以前版本 */
private static final int DEFAULT_CONCURRENCY_LEVEL = 16;
/** 负载因子,兼容以前版本,构造方法中指定的参数是不会被用作loadFactor的，为了计算方便，统一使用 n - (n >> 2) 代替浮点乘法 *0.75 */
private static final float LOAD_FACTOR = 0.75f;
/** 链表转红黑树,阈值>=8 */
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;
/** 链表转红黑树的阈值,64(map容量小于64时,链表转红黑树时先进行扩容) */
static final int MIN_TREEIFY_CAPACITY = 64;
/** 下面这三个和多线程协助扩容有关 */
/** // 扩容操作中，transfer这个步骤是允许多线程的，这个常量表示一个线程执行transfer时，最少要对连续的16个hash桶进行transfer
// （不足16就按16算，多控制下正负号就行）
private static final int MIN_TRANSFER_STRIDE = 16;
/** 生成sizeCtl所使用的bit位数 */
private static int RESIZE_STAMP_BITS = 16;
/** 参与扩容的最大线程数 */
private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1;
/** 移位量，把生成戳移位后保存在sizeCtl中当做扩容线程计数的基数，相反方向移位后能够反解出生成
戳 */
private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;
/*
* Encodings for Node hash fields. See above for explanation.
*/
static final int MOVED = -1; // 表示正在转移
static final int TREEBIN = -2; // 表示已经转换为树
static final int RESERVED = -3; // hash for transient reservations
static final int HASH_BITS = 0x7fffffff; // usable bits of normal node hash
/** 可用处理器数量 */
static final int NCPU = Runtime.getRuntime().availableProcessors();
/** 用于存放node数组 */
transient volatile Node<K,V>[] table;
/**
* baseCount为并发低时,直接使用cas设置成功的值
* 并发高,cas竞争失败,把值放在counterCells数组里面的counterCell里面
* 所以map.size = baseCount + (每个counterCell里面的值累加)
*/
private transient volatile long baseCount;
/**
* 控制标识符，用来控制table的初始化和扩容的操作，不同的值有不同的含义
* 当为负数时：-1代表正在初始化，-N就代表在扩容，-N-RS-2就代表有多少个线程在协助扩容
* 当为0时：代表当时的table还没有被初始化
* 当为正数时：表示初始化或者下一次进行扩容的大小
*/
private transient volatile int sizeCtl;
/**
* 通过cas实现的锁,0 无锁,1 有锁
*/
private transient volatile int cellsBusy;
/**
* counterCells数组,具体的值在每个counterCell里面
*/
private transient volatile CounterCell[] counterCells;
Node,内部类，主要用于存储键值，有ForwardingNode、ReservationNode、TreeNode和TreeBin四个子类，具体在后面代码用到的时候讲。
static class Node<K,V> implements Entry<K,V> {
final int hash;
final K key;
// val和next 在扩容时可能发生变化,加上volatile关键字,提供可见性与重排序
volatile V val;
volatile Node<K,V> next;
// 不允许修改val
public final V setValue(V value) {
throw new UnsupportedOperationException();
}三、主要方法
上面介绍了一些基本成员，主要介绍一些常用方法，只有红黑树相关方法占时不讲（还没有搞明白红黑树，嘿嘿）。
①、构造方法
**
* 无参构造
*/
public ConcurrentHashMap() {
}
/**
* 指定初始化大小的构造,不能小于0
* @param initialCapacity
*/
public ConcurrentHashMap(int initialCapacity) {
if (initialCapacity < 0)
throw new IllegalArgumentException();
// cap必须是2的n次方，
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
this.sizeCtl = cap;
}
②、初始化方法（采用延迟初始化，在put方法里面）
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
while ((tab = table) == null || tab.length == 0) { // 空的table 才能初始化
if ((sc = sizeCtl) < 0) // 表示其它线程正在初始化或者扩容
// 当前线程把执行权交给其它线程（拥有相同优先级的线程），然后变成可运行状态
Thread.yield(); // lost initialization race; just spin
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) { // 原子操作表示把SIZECTL设置为-1,正在初始化
try {
if ((tab = table) == null || tab.length == 0) {
int n = (sc > 0) ? sc : DEFAULT_CAPACITY; // 初始化大小
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n]; // 初始化
table = tab = nt;
sc = n - (n >>> 2); // 下一次扩容阈值 n*0,75
}
} finally {
sizeCtl = sc;
}
break;
}
}
return tab;
}③、put方法（重要，其中的扩容方法比较难理解）
分析：
1）、我们可以通过源码判断key和value不允许为null。
2）、需要判断table有没有初始化，没有调用initTable初始化，然后接着循环。
3）、判断key的hash（调用spread方法）的位置有没有值，证明是第一个，使用cas设置，为什么cas,可能不止一个线程。
4）、判断当前线程的hash是不是MOVED，其实就是节点是不是ForwardingNode节点，ForwardingNode代表正在扩容，至于为什么会是ForwardingNode，这个在扩容的方法里面再讲，如果是ForwardingNode节点就协助扩容，也就是当前也去扩容，然后扩容完毕，在执行循环，协助扩容执行helpTransfer方法。
5）、如果不是扩容、table也初始化了和hash位置也有值了，那证明当前hash的位置是链表或者树，接下来锁住这个节点，进行链表或者树的节点的追加，如果存在相同的key，就替换，最后释放锁。
6）、判断链表的节点数，有没有大于等于8，满足就树化，调用treeifyBin方法，这个方法会在树化前判断大于等于64吗，没有就扩容，调用tryPresize方法，有就树化。
7）、修改节点的数量，调用addCount方法。
public V put(K key, V value) {
return putVal(key, value, false);
}
/** Implementation for put and putIfAbsent */
final V putVal(K key, V value, boolean onlyIfAbsent) {
// 不允许key或者value 为null
if (key == null || value == null) throw new NullPointerException();
// 获取hash
int hash = spread(key.hashCode());
int binCount = 0;
// 遍历table,死循环,直到插入成功
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
if (tab == null || (n = tab.length) == 0) // table 还没有初始化
tab = initTable(); // 初始化
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { // 当前位置为空 ,直接插入
if (casTabAt(tab, i, null, // 使用cas来进行设置
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
else if ((fh = f.hash) == MOVED) // 如果在进行扩容,则先进行协助扩容
tab = helpTransfer(tab, f);
else {
V oldVal = null;
// 没有在扩容,头结点也不是空,
// 锁住链表或者树的头节点
synchronized (f) {
if (tabAt(tab, i) == f) {
if (fh >= 0) { // 普通Node的hash值为key的hash值大于零，而ForwardingNode的是-1，TreeBin是-2
binCount = 1;
// 遍历链表
for (Node<K,V> e = f;; ++binCount) {
K ek;
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) { // 找到了相同的key
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value; // 替换value 结束循环
break;
}
Node<K,V> pred = e;
if ((e = e.next) == null) { // 找到最后一个节点
pred.next = new Node<K,V>(hash, key,
value, null); // 把当前节点设置为最后一个节点的next
break;
}
}
}
else if (f instanceof TreeBin) { // 如果是树结构
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) { // 树节点插入,存在就替换
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD) // 如果链表大于等于8,树化
treeifyBin(tab, i); // 树化
if (oldVal != null) // 证明存在相同的key,是替换return旧值
return oldVal;
break;
}
}
}
addCount(1L, binCount); //数量加1
return null;
}注：上面的put方法用到了initTable、helpTransfer、treeifyBin、tryPresize和addCount方法，接下来我们按照程序的流程讲解下这个几个方法。
initTable方法，这个在前文讲过了。
helpTransfer方法帮助扩容
分析：
1）、这里得讲一下resizeStamp方法Integer.numberOfLeadingZeros(n) | (1 << (RESIZE_STAMP_BITS - 1))，其实这个方法就是获取table的length的二进制的最高位的前面0的个数，然后|上2^15,举个例子吧，假如现在的length为16，那么二进制是多少了16是2^4,所以二进制10000，所以其实就是27 | 2 ^ 15,这里还得顺便讲一下MAXIMUM_CAPACITY = 1 << 30（为什么是2^30了），因为这是正数的最大值，那么再给这个数加上一些值会发生什么了（其实这可能就是为什么要去二进制最高位前面0的个数的原因）。
2）、怎么判断的扩容已经开始了，我们知道sizectl为-1是代表正在初始化，大于0表示已经初始化，如下方法也判断了size小于0，那么什么时候sizectl还会为负数了，其实开始扩容的时候（参考addCount和tryPresize方法，方方法里面都有(rs << RESIZE_STAMP_SHIFT) + 2，这里rs就是上面的resizeStamp的返回值，其实就是左移16位，int的正数的最大值是2^30,再给他加值会变成负数，对rs右移在累加显然已经大于了2^30，所以他是负数），由此判断出扩容已经开始。
3）、什么时候协助扩容了，当前是扩容开始了，但是还没结束，所以下面的满足sc小于的里面的第一if就是判断扩容有没有完成，第二if就是使用cas加入协助扩容的过程。
4）、transfer方法，我们在后面详解。
/**
* 帮助扩容
*/
final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
Node<K,V>[] nextTab; int sc;
// 原table不等于空,当前节点必须是fwd节点,nextTab已经初始化
if (tab != null && (f instanceof ForwardingNode) &&
(nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) {
// 其实就是去tab.length二进制最高位前面有多少个0，然后 | 1 << 15
int rs = resizeStamp(tab.length);
// nextTab和成员变量一样,table也一样,sizeCtl<0,表示在扩容
while (nextTab == nextTable && table == tab &&
(sc = sizeCtl) < 0) {
// sc >>> RESIZE_STAMP_SHIFT) != rs 说明扩容完毕或者有其它协助扩容者
// sc == rs + 1 表示只剩下最后一个扩容线程了，其它都扩容完毕了
// transferIndex <= 0 扩容结束了
// sc == rs + MAX_RESIZERS 到达最大值
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || transferIndex <= 0)
break;
// 当前线程参加扩容,sc+1
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
transfer(tab, nextTab);
break;
}
}
return nextTab;
}
return table;
}
treeifyBin方法，在table的length小于64时会调用tryPresize 先进行扩容，调用tryPresize方法，在下文会进行解释。
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) // 当前table的length小于64，就扩容
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;
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));
}
}
}
}
}
tryPresize 方法，这里的逻辑和helpTransfer都差不多，至于transfer方法主菜我们在后面上。
private final void tryPresize(int size) {
// 计算扩容的size
int c = (size >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY :
tableSizeFor(size + (size >>> 1) + 1);
int sc;
// 证明table已经初始了或者还没有初始化
while ((sc = sizeCtl) >= 0) {
Node<K,V>[] tab = table; int n;
if (tab == null || (n = tab.length) == 0) {// 证明还没有初始化，需要初始化
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;
}
}
}
// 大于最大容量返回
else if (c <= sc || n >= MAXIMUM_CAPACITY)
break;
// 已经初始化，并且没有大于最大容量
else if (tab == table) {
int rs = resizeStamp(n);
// 判断是否需要协助扩容
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);
}
// 开始扩容
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
}
}
}transfer扩容方法，比较难理解的一个方法
分析：
1）、看stride这个参数其实就是算每个线程处理的数量，和CPU有关，最小是16.
2）、初始化一个原来二倍的新table就是 nextTable，然后这个过程可能会出错，n<<1可能为负数，设置nextTable和transferIndex，其中transferIndex就是原table的长度。
3）、初始化一个ForwardingNode节点在后面会用到。
4）、死循环for，这个循环就是为每个线程分配任务，然后每个线程处理各自的任务，倒叙分配，举个例子，加入table.length=32,现在的stride为16，第一个线程其实就是32到16（不包含32，因为是索引），第二个线程就是0-15，参考这一段代码（(U.compareAndSwapInt (this, TRANSFERINDEX, nextIndex,nextBound = (nextIndex > stride ?nextIndex - stride : 0)))），然后遍历每个段，处理节点，知道处理完成，具体逻辑参考代码注释。
/**
* 扩容方法
*/
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
int n = tab.length, stride;
// n >>> 3(也就是除以8) / cpu个数,每个cpu的每个线程负责的迁移的数量
// 这样的目的是为了每个cpu处理的桶一样多,避免出现任务转移不均匀的现象,如果桶少的话,默认一个cpu(一个线程)处理16个桶
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
// 扩容table 没有初始化
if (nextTab == null) { // initiating
try {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1]; // 初始化原来的length两倍的table
nextTab = nt;
} catch (Throwable ex) { // try to cope with OOME
// 初始化失败,使用integer的最大值
sizeCtl = Integer.MAX_VALUE;
return; // 结束
}
// 更新成员变量
nextTable = nextTab;
// 更新转移下标,就是运来的table的length
transferIndex = n;
}
// 新table的length
int nextn = nextTab.length;
// 创建一个fwd节点,用于占位.当别的节点发现这个槽位中有fwd节点时,则跳过这个节点
// 它的hash为MOVED
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
// 首次推进为true,如果为true说明需要再次推进一个目标(i--),反之如果是false,那么就不能推进下标,需要将当前的下标处理完毕
boolean advance = true;
// 完成状态,如果为true,就结束方法
boolean finishing = false; // to ensure sweep before committing nextTab
// 死循环,因为是倒着遍历,所以i是点前线程的最大位置(i---),bound是边界,也就是区间里面的最小值
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
// 如果当前线程可以向后推进,这个循环就是控制i递减.同时每个线程都会进入这里取得自己需要转移的桶的下标区间
// 1. true
while (advance) {
int nextIndex, nextBound;
// 1. -1 >= 0,false
if (--i >= bound || finishing)
advance = false;
//transferIndex <= 0 说明已经没有需要迁移的桶了
// 1.nextIndex = 16 <= 0
else if ((nextIndex = transferIndex) <= 0) {
i = -1;
advance = false;
}
//更新 transferIndex
//为当前线程分配任务，处理的桶结点区间为（nextBound,nextIndex）
// 1.16 > 16 ? 16 -16 : 0 区间 16 到0
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ?
nextIndex - stride : 0))) {
bound = nextBound; // 0
i = nextIndex - 1;// 15
advance = false;
}
}
// i = 15 nextn = 32
// i < 0 ,表示数据迁移已经完成
// i >= n 和 i + n >= nextn 表示最后一个线程也执行完成了,扩容完成了
// 第二个if里面的i=n
if (i < 0 || i >= n || i + n >= nextn) {
int sc;
if (finishing) { // 完成扩容
nextTable = null; // 删除成员变量
table = nextTab; // 更新table
sizeCtl = (n << 1) - (n >>> 1); // 更新阈值
return;
}
if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) { // 表示一个线程退出扩容
if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT) // 说明还有其他线程正在扩容
return; // 当前线程结束
// 当前线程为最后一个线程,负责在检查一个整个队列
finishing = advance = true; //
i = n; // recheck before commit
}
}
// 待迁移桶为null,用cas把当前节点设置为ForwardingNode节点,表示已经处理
else if ((f = tabAt(tab, i)) == null) // 第一个线程 获取i处的数据为null,
advance = casTabAt(tab, i, null, fwd);// 设置当前节点为 fwd 节点
else if ((fh = f.hash) == MOVED) // 如果当前节点为 MOVED,说明已经处理过了,直接跳过
advance = true; // already processed
else {
// 节点不为空,锁住i位置的头结点
synchronized (f) {
if (tabAt(tab, i) == f) {
Node<K,V> ln, hn;
if (fh >= 0) { // 表示是链表
int runBit = fh & n; // fn表示f.hash & n ,表示获取原来table的位置
Node<K,V> lastRun = f; // lastRun = f
for (Node<K,V> p = f.next; p != null; p = p.next) {
int b = p.hash & n; // 获取节点的位置
if (b != runBit) { // 如果这个节点和上一个节点的位置不一样,记录节点和位置
runBit = b; // 当前节点的位置
lastRun = p; // 当前节点
}
}
// 不管runBit有没有发生变化,只可能是0或者n,
// ln表示的不变化的节点
// hn表示的是变化节点的位置
if (runBit == 0) { // 如果是0,那么ln=lastRun就是位置没有变的这条链 hn=null变化链需要遍历重组
ln = lastRun;
hn = null;
}
else { // 如果当前节点不是0,hn=lastRun这个变化链,ln=null没有变化的链需要遍历重组
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);
}
// 原来位置
setTabAt(nextTab, i, ln);
// 变化位置
setTabAt(nextTab, i + n, hn);
// 原来table的位置设置fwd节点，表示扩容
setTabAt(tab, i, fwd);
advance = true;
}
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;
}
}
}
}
}
}addCount主要是用于修改map的size，和扩容用的，这里我们只看后半部分扩容部分，修改count部分在map的size方法讲解
private final void addCount(long x, int check) {
CounterCell[] as; long b, s;
// 尝试使用cas更新baseCount失败
if ((as = counterCells) != null ||
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
CounterCell a; long v; int m;
boolean uncontended = true;
// 在counterCells没有初始化,或者尝试cas更新当前线程的CounterCell失败时
// 调用fullAddCount更新
if (as == null || (m = as.length - 1) < 0 ||
(a = as[ThreadLocalRandom.getProbe() & m]) == null ||
!(uncontended =
U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
fullAddCount(x, uncontended);
return;
}
if (check <= 1)
return;
s = sumCount();
}
// check >= 0,新加入一个值
if (check >= 0) {
Node<K,V>[] tab, nt; int n, sc;
// s代表了 现在map的数据量
// sc= 12 ,证明刚刚初始化,没有进行扩容
while (s >= (long)(sc = sizeCtl) && (tab = table) != null && // 当前容量大于sc,table已经有值,table的cap小于最大cap
(n = tab.length) < MAXIMUM_CAPACITY) {
int rs = resizeStamp(n); // 这一步不好理解，
// Integer.numberOfLeadingZeros(n) 其实就是最高位前面有多少个0,n代表table的长度
// | (1 << (RESIZE_STAMP_BITS - 1)) 2^15 二进制16位，第16位1，其余15位0
// 其实就是相加
// 表示正在扩容
if (sc < 0) {
// sc >>> RESIZE_STAMP_SHIFT // 扩容结束
// 只有最后一个线程在扩容
// sc == rs + MAX_RESIZERS 达到最大数
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex <= 0)
break;
// sc 加1,表示有一个线程,协助参加了扩容
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
transfer(tab, nt);
}
// 表示没有正在进行扩容,开始扩容
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
s = sumCount();
}
}
}④、get方法(get方法的逻辑相对就要简单点了，请看代码注释)
// get方法
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
// 获取hash值
int h = spread(key.hashCode());
// table不为null,table已经初始化,通过hash查找的node不为nul
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
if ((eh = e.hash) == h) { // hash相等
if ((ek = e.key) == key || (ek != null && key.equals(ek))) // 找到了相同的key
return e.val; // 返回当前e的value
}
else if (eh < 0) // hash小于0,说明是特殊节点（TreeBin或ForwardingNode）调用find
return (p = e.find(h, key)) != null ? p.val : null;
// 不是上面的情况,那就是链表了,遍历链表
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}⑤、size方法（和1.7的处理方式截然不同）
public int size() {
long n = sumCount();
return ((n < 0L) ? 0 :
(n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :
(int)n);
}
final long sumCount() {
CounterCell[] as = counterCells; CounterCell a;
long sum = baseCount;
if (as != null) {
for (int i = 0; i < as.length; ++i) {
if ((a = as[i]) != null)
sum += a.value;
}
}
return sum;
}CounterCell[]这个数组就是记录的map的count,这里就不得不讲一下addCount方法的前半部分，只有理解了每次添加一个元素，count是怎么处理的，才能明白为什么要有这个数组
CounterCell 内部类
static final class CounterCell {
volatile long value;
CounterCell(long x) { value = x; }
}addCount方法，只看前半部分，我们可以看出其实修改map的count，先是使用cas修改basecount，然后可能存在多个线程同时修改，所以会失败，失败就用CounterCell[]数组处理，调用fullAddCount方法。
/**
*
* @param x 1L
* @param check 默认值是0,等于0时,代表插入为null
* 不等于0时,check等于2代表了树,其它代表了链表
*/
private final void addCount(long x, int check) {
CounterCell[] as; long b, s;
// 尝试使用cas更新baseCount失败
if ((as = counterCells) != null ||
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
CounterCell a; long v; int m;
boolean uncontended = true;
// 在counterCells没有初始化,或者尝试cas更新当前线程的CounterCell失败时
// 调用fullAddCount更新
if (as == null || (m = as.length - 1) < 0 ||
(a = as[ThreadLocalRandom.getProbe() & m]) == null ||
!(uncontended =
U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
fullAddCount(x, uncontended);
return;
}
if (check <= 1)
return;
s = sumCount();
}
}
}
fullAddCount，主要用来记录竞争导致的basecount修改失败的这些操作，其实主要就是把这些失败的次数记录在CounterCell[]数组里面，然后在统计size时，就是basecount+CounterCell[]里面的次数。
分析：CounterCell[]可以看做是一个map,因为好多处理方法和map类似，我们先来看下数组的长度，默认是2，其实是可以扩容的，每次扩容2倍（扩容不能超过cpu的数量），然后怎么插入值了，和map类似都需要确定位置，那么怎么确定位置了，map是通过key的hashcode，而这个数组是通过一个并发随机数ThreadLocalRandom来说生成一个随机数，然后通过这随机数&数组的长度减一确定位置，是不是很map一样，还有就是他没有链表这个概念，那冲突了怎么办了，其实就是累加，这个数组还有锁的概念就是cellsBusy，因为这里可能也是多个线程来执行，等于零就表示没有锁，等于一就表示有锁，在插入新值、扩容和创建数组这些操作都需要获取锁，具体的方法的概念就到这里，具体的逻辑参考代码注释。
/**
*
* @param x 需要更新的值
* @param wasUncontended 是否发生竞争
*/
private final void fullAddCount(long x, boolean wasUncontended) {
int h;
// 初始化一个随机值
// ThreadLocalRandom是JDK 7之后提供并发产生随机数，能够解决多个线程发生的竞争争夺。
if ((h = ThreadLocalRandom.getProbe()) == 0) {
// 为当前线程初始化一个随机值
ThreadLocalRandom.localInit(); // force initialization
// 获取这个值
h = ThreadLocalRandom.getProbe();
// 由于重新生成了probe，未冲突标志位设置为true
wasUncontended = true;
}
// 冲突标志位,决定了扩容还是不扩容
boolean collide = false; // True if last slot nonempty
for (;;) {
CounterCell[] as; CounterCell a; int n; long v;
// counterCells数组已经被初始化了
if ((as = counterCells) != null && (n = as.length) > 0) {
// 求在counterCells中的位置,与hash一样求%,因为counterCells数组长度是2的冥
if ((a = as[(n - 1) & h]) == null) { // 当前位置没有CounterCell
if (cellsBusy == 0) {// Try to attach new Cell
// 创建新的CounterCell
CounterCell r = new CounterCell(x); // Optimistic create
if (cellsBusy == 0 && // cellsBusy=0还没有加锁,使用cas进行加锁,cellsBusy设置为1
U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
boolean created = false;
try { // Recheck under lock
CounterCell[] rs; int m, j;
if ((rs = counterCells) != null &&
(m = rs.length) > 0 &&
rs[j = (m - 1) & h] == null) {
rs[j] = r; // 放进数组
created = true;
}
} finally {
cellsBusy = 0;
}
// 操作成功,退出死循环
if (created)
break;
continue; // Slot is now non-empty
}
}
collide = false;
}
// 在调用fullAddCount之前就发生了竞争
// 然后wasUncontended=true,未发生竞争,然后重新循环更新
else if (!wasUncontended) // CAS already known to fail
wasUncontended = true; // Continue after rehash
// 当前位置的CounterCell不为空,进行累加
else if (U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))
break;
// 数组被扩容了
// 数组大于了cpu数量
// 设置冲突标志, collide = false,防止扩容
else if (counterCells != as || n >= NCPU)
collide = false;
// 设置冲突标志，重新执行循环
// 如果下次循环执行到该分支，并且冲突标志仍然为true
// 那么会跳过该分支，到下一个分支进行扩容// At max size or stale
// 这个位置决定了扩容还是不扩容 false就不扩容,true就扩容
else if (!collide)
collide = true;
// 扩容,CAS设置cellsBusy值
else if (cellsBusy == 0 &&
U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
try {
if (counterCells == as) {// Expand table unless stale
// 容量扩大一倍
CounterCell[] rs = new CounterCell[n << 1];
for (int i = 0; i < n; ++i)
rs[i] = as[i];
counterCells = rs;
}
} finally {
cellsBusy = 0;
}
collide = false;
continue; // Retry with expanded table
}
// 为当前线程重新计算probe
h = ThreadLocalRandom.advanceProbe(h);
}
// 证明数组为空
// 获取锁,初始化数组
else if (cellsBusy == 0 && counterCells == as &&
U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
boolean init = false;
try { // Initialize table
if (counterCells == as) { // 没有被其它线程初始化
// 初始化,默认长度2
CounterCell[] rs = new CounterCell[2];
// 创建新的CounterCell(x),位置为rs[h&(2-1)]
rs[h & 1] = new CounterCell(x);
// 赋值给成员变量counterCells
counterCells = rs;
// 初始化成功
init = true;
}
} finally {
// 释放锁
cellsBusy = 0;
}
if (init)
// 结束循环
break;
}
// 证明在CounterCell上也存在竞争,那么尝试对baseCount进行更新
else if (U.compareAndSwapLong(this, BASECOUNT, v = baseCount, v + x))
break; // Fall back on using base
}
}四、总结
本文主要基于jdk1.8介绍了ConcurrentHashMap的一部分常用方法，主要讲了get、put和size者三个常用方法，其中比较难理解的是put方法，其中在扩容和协助扩容作者的设计让人眼前一亮，大师就是大师，绝对值得你去一探究竟，还有就是size也采用了分治的思想（不知道这个词合适不，个人理解），就是统计累加count时，没有竞争的单独处理，有竞争的单独处理，而没有采用自旋，极大的提升了效率；1.8和1.7 的区别很大，首先数据结构发生变化，其次锁也发生了变化、扩容侧率和size的统计等；最后附上学习学习Map和ConcurrentHashMap的一点小建议，如果想从1.7和1.8两个版本看，建议从这个方向(jdk版本一样，数据结构基本没有发生变化)HashMap 1.7>>ConcurrentHashMap 1.7>>HashMap 1.8>>[ConcurrentHashMap 1.8]()
参考 《Java 并发编程的艺术》
标签：控制 oat blog force none node节点 因子 不可 等于
原文地址：https://blog.51cto.com/14220760/2395683
