HashMap的死循環

前言

在《Map——HashMap》中我們詳細介紹了HashMap的使用，HashMap是一個數組鏈表，當一個key/Value對被加入時，首先會通過Hash算法定位出這個鍵值對要被放入的桶，然後就把它插到相應桶中。如果這個桶中已經有元素了，那麼發生了碰撞，這樣會在這個桶中形成一個鏈表。一般來說，當有數據要插入HashMap時，都會檢查容量有沒有超過設定的thredhold，如果超過，需要增大HashMap的尺寸，但是這樣一來，就需要對整個HashMap裏的節點進行重哈希操作。

從前我們的Java代碼因爲一些原因使用了HashMap這個東西，但是當時的程序是單線程的，一切都沒有問題。後來，我們的程序性能有問題，所以需要變成多線程的，於是，變成多線程後到了線上，發現程序經常佔了100%的CPU，查看堆棧，你會發現程序都Hang在了HashMap.get()這個方法上了，重啓程序後問題消失。但是過段時間又會來。而且，這個問題在測試環境裏可能很難重現。

我們簡單的看一下我們自己的代碼，我們就知道HashMap被多個線程操作。而Java的文檔說HashMap是非線程安全的，應該用ConcurrentHashMap。

我們在此闡述一下HashMap線程不安全的典型表現 —— 死循環

Hash表數據結構

簡單地說一下HashMap這個經典的數據結構。

HashMap通常會用一個指針數組（假設爲table[]）來做分散所有的key，當一個key被加入時，會通過Hash算法通過key算出這個數組的下標i，然後就把這個<key, value>插到table[i]中，如果有兩個不同的key被算在了同一個i，那麼就叫衝突，又叫碰撞，這樣會在table[i]上形成一個鏈表。

我們知道，如果table[]的尺寸很小，比如只有2個，如果要放進10個keys的話，那麼碰撞非常頻繁，於是一個O(1)的查找算法，就變成了鏈表遍歷，性能變成了O(n)，這是Hash表的缺陷（可參看《Hash Collision DoS 問題》）。

所以，Hash表的尺寸和容量非常的重要。一般來說，Hash表這個容器當有數據要插入時，都會檢查容量有沒有超過設定的thredhold，如果超過，需要增大Hash表的尺寸，但是這樣一來，整個Hash表裏的無素都需要被重算一遍。這叫rehash，這個成本相當的大。

HashMap的rehash源代碼

Put一個Key,Value對到Hash表中：

public V put(K key, V value)
{
    ......
    //算Hash值
    int hash = hash(key.hashCode());
    int i = indexFor(hash, table.length);
    //如果該key已被插入，則替換掉舊的value （鏈接操作）
    for (Entry<K,V> e = table[i]; e != null; e = e.next) {
        Object k;
        if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }
    modCount++;
    //該key不存在，需要增加一個結點
    addEntry(hash, key, value, i);
    return null;
}

檢查容量是否超標

void addEntry(int hash, K key, V value, int bucketIndex)
{
    Entry<K,V> e = table[bucketIndex];
    table[bucketIndex] = new Entry<K,V>(hash, key, value, e);
    //查看當前的size是否超過了我們設定的閾值threshold，如果超過，需要resize
    if (size++ >= threshold)
        resize(2 * table.length);
}

新建一個更大尺寸的hash表，然後把數據從老的Hash表中遷移到新的Hash表中。

void resize(int newCapacity)
{
    Entry[] oldTable = table;
    int oldCapacity = oldTable.length;
    ......
    //創建一個新的Hash Table
    Entry[] newTable = new Entry[newCapacity];
    //將Old Hash Table上的數據遷移到New Hash Table上
    transfer(newTable);
    table = newTable;
    threshold = (int)(newCapacity * loadFactor);
}

遷移的源代碼

void transfer(Entry[] newTable)
{
    Entry[] src = table;
    int newCapacity = newTable.length;
    //下面這段代碼的意思是：
    //  從OldTable裏摘一個元素出來，然後放到NewTable中
    for (int j = 0; j < src.length; j++) {
        Entry<K,V> e = src[j];
        if (e != null) {
            src[j] = null;
            do {
                Entry<K,V> next = e.next;
                int i = indexFor(e.hash, newCapacity);
                e.next = newTable[i];
                newTable[i] = e;
                e = next;
            } while (e != null);
        }
    }
}

正常的ReHash的過程

畫了個圖做了個演示。

我假設了我們的hash算法就是簡單的用key mod 一下表的大小（也就是數組的長度）。

最上面的是old hash 表，其中的Hash表的size=2, 所以key = 3, 7, 5，在mod 2以後都衝突在table[1]這裏了。

接下來的三個步驟是Hash表 resize成4，然後所有的<key,value> 重新rehash的過程

併發下的Rehash

1）假設我們有兩個線程。

我們再回頭看一下我們的 transfer代碼中的這個細節：
do {
    Entry<K,V> next = e.next; // <--假設線程一執行到這裏就被調度掛起了
    int i = indexFor(e.hash, newCapacity);
    e.next = newTable[i];
    newTable[i] = e;
    e = next;
} while (e != null);
而我們的線程二執行完成了。於是我們有下面的這個樣子。

注意，因爲Thread1的 e 指向了key(3)，而next指向了key(7)，其在線程二rehash後，指向了線程二重組後的鏈表。我們可以看到鏈表的順序被反轉後。

2）線程一被調度回來執行。

先是執行 newTalbe[i] = e;

然後是e = next，導致了e指向了key(7)，

而下一次循環的next = e.next導致了next指向了key(3)

3）一切安好。

線程一接着工作。把key(7)摘下來，放到newTable[i]的第一個，然後把e和next往下移。

4）環形鏈接出現。

e.next = newTable[i] 導致 key(3).next 指向了 key(7)

注意：此時的key(7).next 已經指向了key(3)，環形鏈表就這樣出現了。

於是，當我們的線程一調用到，HashTable.get(11)時，悲劇就出現了——Infinite Loop。