原文出處http://cmsblogs.com/ 『chenssy』
到目前爲止，我們在Java世界裏看到了兩種實現key-value的數據結構：Hash、TreeMap，這兩種數據結構各自都有着優缺點。
Hash表：插入、查找最快，爲O(1)；如使用鏈表實現則可實現無鎖；數據有序化需要顯式的排序操作。
紅黑樹：插入、查找爲O(logn)，但常數項較小；無鎖實現的複雜性很高，一般需要加鎖；數據天然有序。
然而，這次介紹第三種實現key-value的數據結構：SkipList。SkipList有着不低於紅黑樹的效率，但是其原理和實現的複雜度要比紅黑樹簡單多了。
SkipList
什麼是SkipList？Skip List ，稱之爲跳錶，它是一種可以替代平衡樹的數據結構，其數據元素默認按照key值升序，天然有序。Skip list讓已排序的數據分佈在多層鏈表中，以0-1隨機數決定一個數據的向上攀升與否，通過“空間來換取時間”的一個算法，在每個節點中增加了向前的指針，在插入、刪除、查找時可以忽略一些不可能涉及到的結點，從而提高了效率。
我們先看一個簡單的鏈表，如下：
如果我們需要查詢9、21、30，則需要比較次數爲3 + 6 + 8 = 17 次，那麼有沒有優化方案呢？有！我們將該鏈表中的某些元素提煉出來作爲一個比較“索引”，如下：
我們先與這些索引進行比較來決定下一個元素是往右還是下走，由於存在“索引”的緣故，導致在檢索的時候會大大減少比較的次數。當然元素不是很多，很難體現出優勢，當元素足夠多的時候，這種索引結構就會大顯身手。
SkipList的特性
SkipList具備如下特性：
由很多層結構組成，level是通過一定的概率隨機產生的
每一層都是一個有序的鏈表，默認是升序，也可以根據創建映射時所提供的Comparator進行排序，具體取決於使用的構造方法
最底層(Level 1)的鏈表包含所有元素
如果一個元素出現在Level i 的鏈表中，則它在Level i 之下的鏈表也都會出現
每個節點包含兩個指針，一個指向同一鏈表中的下一個元素，一個指向下面一層的元素
我們將上圖再做一些擴展就可以變成一個典型的SkipList結構了
SkipList的查找
SkipListd的查找算法較爲簡單，對於上面我們我們要查找元素21，其過程如下：
比較3，大於，往後找（9），
比9大，繼續往後找（25），但是比25小，則從9的下一層開始找（16）
16的後面節點依然爲25，則繼續從16的下一層找
找到21
如圖
紅色虛線代表路徑。
SkipList的插入
SkipList的插入操作主要包括：
查找合適的位置。這裏需要明確一點就是在確認新節點要佔據的層次K時，採用丟硬幣的方式，完全隨機。如果佔據的層次K大於鏈表的層次，則重新申請新的層，否則插入指定層次
申請新的節點
調整指針
假定我們要插入的元素爲23，經過查找可以確認她是位於25後，9、16、21前。當然需要考慮申請的層次K。
如果層次K > 3
需要申請新層次（Level 4）
如果層次 K = 2
直接在Level 2 層插入即可
這裏會涉及到以個算法：通過丟硬幣決定層次K，該算法我們通過後面ConcurrentSkipListMap源碼來分析。還有一個需要注意的地方就是，在K層插入元素後，需要確保所有小於K層的層次都應該出現新節點。
SkipList的刪除
刪除節點和插入節點思路基本一致：找到節點，刪除節點，調整指針。
比如刪除節點9，如下：
ConcurrentSkipListMap
通過上面我們知道SkipList採用空間換時間的算法，其插入和查找的效率O(logn)，其效率不低於紅黑樹，但是其原理和實現的複雜度要比紅黑樹簡單多了。一般來說會操作鏈表List，就會對SkipList毫無壓力。
ConcurrentSkipListMap其內部採用SkipLis數據結構實現。爲了實現SkipList，ConcurrentSkipListMap提供了三個內部類來構建這樣的鏈表結構：Node、Index、HeadIndex。其中Node表示最底層的單鏈表有序節點、Index表示爲基於Node的索引層，HeadIndex用來維護索引層次。到這裏我們可以這樣說ConcurrentSkipListMap是通過HeadIndex維護索引層次，通過Index從最上層開始往下層查找，一步一步縮小查詢範圍，最後到達最底層Node時，就只需要比較很小一部分數據了。在JDK中的關係如下圖：
** Node **
static final class Node<K,V> {
final K key;
volatile Object value;
volatile ConcurrentSkipListMap.Node<K, V> next;
/** 省略些許代碼 */
}static final class Node<K,V> {
final K key;
volatile Object value;
volatile ConcurrentSkipListMap.Node<K, V> next;
/** 省略些許代碼 */
}Node的結構和一般的單鏈表毫無區別，key-value和一個指向下一個節點的next。
Index
static class Index<K,V> {
final ConcurrentSkipListMap.Node<K,V> node;
final ConcurrentSkipListMap.Index<K,V> down;
volatile ConcurrentSkipListMap.Index<K,V> right;
/** 省略些許代碼 */
}static class Index<K,V> {
final ConcurrentSkipListMap.Node<K,V> node;
final ConcurrentSkipListMap.Index<K,V> down;
volatile ConcurrentSkipListMap.Index<K,V> right;
/** 省略些許代碼 */
}Index提供了一個基於Node節點的索引Node，一個指向下一個Index的right，一個指向下層的down節點。
HeadIndex
static final class HeadIndex<K,V> extends Index<K,V> {
final int level; //索引層，從1開始，Node單鏈表層爲0
HeadIndex(Node<K,V> node, Index<K,V> down, Index<K,V> right, int level) {
super(node, down, right);
this.level = level;
}
}static final class HeadIndex<K,V> extends Index<K,V> {
final int level; //索引層，從1開始，Node單鏈表層爲0
HeadIndex(Node<K,V> node, Index<K,V> down, Index<K,V> right, int level) {
super(node, down, right);
this.level = level;
}
}HeadIndex內部就一個level來定義層級。
ConcurrentSkipListMap提供了四個構造函數，每個構造函數都會調用initialize()方法進行初始化工作。
final void initialize() {
keySet = null;
entrySet = null;
values = null;
descendingMap = null;
randomSeed = seedGenerator.nextInt() | 0x0100; // ensure nonzero
head = new ConcurrentSkipListMap.HeadIndex<K,V>(new ConcurrentSkipListMap.Node<K,V>(null, BASE_HEADER, null),
null, null, 1);
}final void initialize() {
keySet = null;
entrySet = null;
values = null;
descendingMap = null;
randomSeed = seedGenerator.nextInt() | 0x0100; // ensure nonzero
head = new ConcurrentSkipListMap.HeadIndex<K,V>(new ConcurrentSkipListMap.Node<K,V>(null, BASE_HEADER, null),
null, null, 1);
}注意，initialize()方法不僅僅只在構造函數中被調用，如clone，clear、readObject時都會調用該方法進行初始化步驟。這裏需要注意randomSeed的初始化。
private transient int randomSeed; randomSeed = seedGenerator.nextInt() | 0x0100; // ensure nonzeroprivate transient int randomSeed; randomSeed = seedGenerator.nextInt() | 0x0100; // ensure nonzero
randomSeed一個簡單的隨機數生成器（在後面介紹）。
put操作
CoucurrentSkipListMap提供了put()方法用於將指定值與此映射中的指定鍵關聯。源碼如下：
public V put(K key, V value) {
if (value == null)
throw new NullPointerException();
return doPut(key, value, false);
}public V put(K key, V value) {
if (value == null)
throw new NullPointerException();
return doPut(key, value, false);
}首先判斷value如果爲null，則拋出NullPointerException，否則調用doPut方法，其實如果各位看過JDK的源碼的話，應該對這樣的操作很熟悉了，JDK源碼裏面很多方法都是先做一些必要性的驗證後，然後通過調用do**()方法進行真正的操作。
doPut()方法內容較多，我們分步分析。
private V doPut(K key, V value, boolean onlyIfAbsent) {
Node<K,V> z; // added node
if (key == null)
throw new NullPointerException();
// 比較器
Comparator<? super K> cmp = comparator;
outer: for (;;) {
for (Node<K, V> b = findPredecessor(key, cmp), n = b.next; ; ) {
/** 省略代碼 */private V doPut(K key, V value, boolean onlyIfAbsent) {
Node<K,V> z; // added node
if (key == null)
throw new NullPointerException();
// 比較器
Comparator<? super K> cmp = comparator;
outer: for (;;) {
for (Node<K, V> b = findPredecessor(key, cmp), n = b.next; ; ) {
/** 省略代碼 */doPut()方法有三個參數，除了key,value外還有一個boolean類型的onlyIfAbsent，該參數作用與如果存在當前key時，該做何動作。當onlyIfAbsent爲false時，替換value，爲true時，則返回該value。用代碼解釋爲：
if (!map.containsKey(key)) return map.put(key, value); else return map.get(key);if (!map.containsKey(key)) return map.put(key, value); else return map.get(key);
首先判斷key是否爲null，如果爲null，則拋出NullPointerException，從這裏我們可以確認ConcurrentSkipList是不支持key或者value爲null的。然後調用findPredecessor()方法，傳入key來確認位置。findPredecessor()方法其實就是確認key要插入的位置。
private Node<K,V> findPredecessor(Object key, Comparator<? super K> cmp) {
if (key == null)
throw new NullPointerException(); // don't postpone errors
for (;;) {
// 從head節點開始，head是level最高級別的headIndex
for (Index<K,V> q = head, r = q.right, d;;) {
// r != null，表示該節點右邊還有節點，需要比較
if (r != null) {
Node<K,V> n = r.node;
K k = n.key;
// value == null，表示該節點已經被刪除了
// 通過unlink()方法過濾掉該節點
if (n.value == null) {
//刪掉r節點
if (!q.unlink(r))
break; // restart
r = q.right; // reread r
continue;
}
// value != null，節點存在
// 如果key 大於r節點的key 則往前進一步
if (cpr(cmp, key, k) > 0) {
q = r;
r = r.right;
continue;
}
}
// 到達最右邊，如果dowm == null，表示指針已經達到最下層了，直接返回該節點
if ((d = q.down) == null)
return q.node;
q = d;
r = d.right;
}
}
}private Node<K,V> findPredecessor(Object key, Comparator<? super K> cmp) {
if (key == null)
throw new NullPointerException(); // don't postpone errors
for (;;) {
// 從head節點開始，head是level最高級別的headIndex
for (Index<K,V> q = head, r = q.right, d;;) {
// r != null，表示該節點右邊還有節點，需要比較
if (r != null) {
Node<K,V> n = r.node;
K k = n.key;
// value == null，表示該節點已經被刪除了
// 通過unlink()方法過濾掉該節點
if (n.value == null) {
//刪掉r節點
if (!q.unlink(r))
break; // restart
r = q.right; // reread r
continue;
}
// value != null，節點存在
// 如果key 大於r節點的key 則往前進一步
if (cpr(cmp, key, k) > 0) {
q = r;
r = r.right;
continue;
}
}
// 到達最右邊，如果dowm == null，表示指針已經達到最下層了，直接返回該節點
if ((d = q.down) == null)
return q.node;
q = d;
r = d.right;
}
}
}findPredecessor()方法意思非常明確：尋找前輩。從最高層的headIndex開始向右一步一步比較，直到right爲null或者右邊節點的Node的key大於當前key爲止，然後再向下尋找，依次重複該過程，直到down爲null爲止，即找到了前輩，看返回的結果注意是Node，不是Item，所以插入的位置應該是最底層的Node鏈表。
在這個過程中ConcurrentSkipListMap賦予了該方法一個其他的功能，就是通過判斷節點的value是否爲null，如果爲null，表示該節點已經被刪除了，通過調用unlink()方法刪除該節點。
final boolean unlink(Index<K,V> succ) {
return node.value != null && casRight(succ, succ.right);
}final boolean unlink(Index<K,V> succ) {
return node.value != null && casRight(succ, succ.right);
}刪除節點過程非常簡單，更改下right指針即可。
通過findPredecessor()找到前輩節點後，做什麼呢？看下面：
for (Node<K,V> b = findPredecessor(key, cmp), n = b.next;;) {
// 前輩節點的next != null
if (n != null) {
Object v; int c;
Node<K,V> f = n.next;
// 不一致讀，主要原因是併發，有節點捷足先登
if (n != b.next) // inconsistent read
break;
// n.value == null，該節點已經被刪除了
if ((v = n.value) == null) { // n is deleted
n.helpDelete(b, f);
break;
}
// 前輩節點b已經被刪除
if (b.value == null || v == n) // b is deleted
break;
// 節點大於，往前移
if ((c = cpr(cmp, key, n.key)) > 0) {
b = n;
n = f;
continue;
}
// c == 0 表示，找到一個key相等的節點，根據onlyIfAbsent參數來做判斷
// onlyIfAbsent ==false，則通過casValue，替換value
// onlyIfAbsent == true，返回該value
if (c == 0) {
if (onlyIfAbsent || n.casValue(v, value)) {
@SuppressWarnings("unchecked") V vv = (V)v;
return vv;
}
break; // restart if lost race to replace value
}
// else c < 0; fall through
}
// 將key-value包裝成一個node，插入
z = new Node<K,V>(key, value, n);
if (!b.casNext(n, z))
break; // restart if lost race to append to b
break outer;
}for (Node<K,V> b = findPredecessor(key, cmp), n = b.next;;) {
// 前輩節點的next != null
if (n != null) {
Object v; int c;
Node<K,V> f = n.next;
// 不一致讀，主要原因是併發，有節點捷足先登
if (n != b.next) // inconsistent read
break;
// n.value == null，該節點已經被刪除了
if ((v = n.value) == null) { // n is deleted
n.helpDelete(b, f);
break;
}
// 前輩節點b已經被刪除
if (b.value == null || v == n) // b is deleted
break;
// 節點大於，往前移
if ((c = cpr(cmp, key, n.key)) > 0) {
b = n;
n = f;
continue;
}
// c == 0 表示，找到一個key相等的節點，根據onlyIfAbsent參數來做判斷
// onlyIfAbsent ==false，則通過casValue，替換value
// onlyIfAbsent == true，返回該value
if (c == 0) {
if (onlyIfAbsent || n.casValue(v, value)) {
@SuppressWarnings("unchecked") V vv = (V)v;
return vv;
}
break; // restart if lost race to replace value
}
// else c < 0; fall through
}
// 將key-value包裝成一個node，插入
z = new Node<K,V>(key, value, n);
if (!b.casNext(n, z))
break; // restart if lost race to append to b
break outer;
}找到合適的位置後，就是在該位置插入節點咯。插入節點的過程比較簡單，就是將key-value包裝成一個Node，然後通過casNext()方法加入到鏈表當中。當然是插入之前需要進行一系列的校驗工作。
在最下層插入節點後，下一步工作是什麼？新建索引。前面博主提過，在插入節點的時候，會根據採用拋硬幣的方式來決定新節點所插入的層次，由於存在併發的可能，ConcurrentSkipListMap採用ThreadLocalRandom來生成隨機數。如下：
int rnd = ThreadLocalRandom.nextSecondarySeed(); rnd = ThreadLocalRandom.nextSecondarySeed();
拋硬幣決定層次的思想很簡單，就是通過拋硬幣如果硬幣爲正面則層次level + 1 ，否則停止，如下：
// 拋硬幣決定層次 while (((rnd >>>= 1) & 1) != 0) ++level;// 拋硬幣決定層次 while (((rnd >>>= 1) & 1) != 0) ++level;
在闡述SkipList插入節點的時候說明了，決定的層次level會分爲兩種情況進行處理，一是如果層次level大於最大的層次話則需要新增一層，否則就在相應層次以及小於該level的層次進行節點新增處理。
level <= headIndex.level
// 如果決定的層次level比最高層次head.level小，直接生成最高層次的index
// 由於需要確認每一層次的down，所以需要從最下層依次往上生成
if (level <= (max = h.level)) {
for (int i = 1; i <= level; ++i)
idx = new ConcurrentSkipListMap.Index<K,V>(z, idx, null);
}// 如果決定的層次level比最高層次head.level小，直接生成最高層次的index
// 由於需要確認每一層次的down，所以需要從最下層依次往上生成
if (level <= (max = h.level)) {
for (int i = 1; i <= level; ++i)
idx = new ConcurrentSkipListMap.Index<K,V>(z, idx, null);
}
從底層開始，小於level的每一層都初始化一個index，每次的node都指向新加入的node，down指向下一層的item，右側next全部爲null。整個處理過程非常簡單：爲小於level的每一層初始化一個index，然後加入到原來的index鏈條中去。
level > headIndex.level
// leve > head.level 則新增一層
else { // try to grow by one level
// 新增一層
level = max + 1;
// 初始化 level個item節點
@SuppressWarnings("unchecked")
ConcurrentSkipListMap.Index<K,V>[] idxs =
(ConcurrentSkipListMap.Index<K,V>[])new ConcurrentSkipListMap.Index<?,?>[level+1];
for (int i = 1; i <= level; ++i)
idxs[i] = idx = new ConcurrentSkipListMap.Index<K,V>(z, idx, null);
//
for (;;) {
h = head;
int oldLevel = h.level;
// 層次擴大了，需要重新開始（有新線程節點加入）
if (level <= oldLevel) // lost race to add level
break;
// 新的頭結點HeadIndex
ConcurrentSkipListMap.HeadIndex<K,V> newh = h;
ConcurrentSkipListMap.Node<K,V> oldbase = h.node;
// 生成新的HeadIndex節點，該HeadIndex指向新增層次
for (int j = oldLevel+1; j <= level; ++j)
newh = new ConcurrentSkipListMap.HeadIndex<K,V>(oldbase, newh, idxs[j], j);
// HeadIndex CAS替換
if (casHead(h, newh)) {
h = newh;
idx = idxs[level = oldLevel];
break;
}
}// leve > head.level 則新增一層
else { // try to grow by one level
// 新增一層
level = max + 1;
// 初始化 level個item節點
@SuppressWarnings("unchecked")
ConcurrentSkipListMap.Index<K,V>[] idxs =
(ConcurrentSkipListMap.Index<K,V>[])new ConcurrentSkipListMap.Index<?,?>[level+1];
for (int i = 1; i <= level; ++i)
idxs[i] = idx = new ConcurrentSkipListMap.Index<K,V>(z, idx, null);
//
for (;;) {
h = head;
int oldLevel = h.level;
// 層次擴大了，需要重新開始（有新線程節點加入）
if (level <= oldLevel) // lost race to add level
break;
// 新的頭結點HeadIndex
ConcurrentSkipListMap.HeadIndex<K,V> newh = h;
ConcurrentSkipListMap.Node<K,V> oldbase = h.node;
// 生成新的HeadIndex節點，該HeadIndex指向新增層次
for (int j = oldLevel+1; j <= level; ++j)
newh = new ConcurrentSkipListMap.HeadIndex<K,V>(oldbase, newh, idxs[j], j);
// HeadIndex CAS替換
if (casHead(h, newh)) {
h = newh;
idx = idxs[level = oldLevel];
break;
}
}當拋硬幣決定的level大於最大層次level時，需要新增一層進行處理。處理邏輯如下：
初始化一個對應的index數組，大小爲level + 1，然後爲每個單位都創建一個index，箇中參數爲：Node爲新增的Z，down爲下一層index，right爲null
通過for循環來進行擴容操作。從最高層進行處理，新增一個HeadIndex，箇中參數：節點Node，down都爲最高層的Node和HeadIndex，right爲剛剛創建的對應層次的index，level爲相對應的層次level。最後通過CAS把當前的head與新加入層的head進行替換。
通過上面步驟我們發現，儘管已經找到了前輩節點，也將node插入了，也確定確定了層次並生成了相應的Index，但是並沒有將這些Index插入到相應的層次當中，所以下面的代碼就是將index插入到相對應的層當中。
// 從插入的層次level開始
splice: for (int insertionLevel = level;;) {
int j = h.level;
// 從headIndex開始
for (ConcurrentSkipListMap.Index<K,V> q = h, r = q.right, t = idx;;) {
if (q == null || t == null)
break splice;
// r != null；這裏是找到相應層次的插入節點位置，注意這裏只橫向找
if (r != null) {
ConcurrentSkipListMap.Node<K,V> n = r.node;
int c = cpr(cmp, key, n.key);
// n.value == null ，解除關係，r右移
if (n.value == null) {
if (!q.unlink(r))
break;
r = q.right;
continue;
}
// key > n.key 右移
if (c > 0) {
q = r;
r = r.right;
continue;
}
}
// 上面找到節點要插入的位置，這裏就插入
// 當前層是最頂層
if (j == insertionLevel) {
// 建立聯繫
if (!q.link(r, t))
break; // restart
if (t.node.value == null) {
findNode(key);
break splice;
}
// 標誌的插入層 -- ，如果== 0 ，表示已經到底了，插入完畢，退出循環
if (--insertionLevel == 0)
break splice;
}
// 上面節點已經插入完畢了，插入下一個節點
if (--j >= insertionLevel && j < level)
t = t.down;
q = q.down;
r = q.right;
}
}// 從插入的層次level開始
splice: for (int insertionLevel = level;;) {
int j = h.level;
// 從headIndex開始
for (ConcurrentSkipListMap.Index<K,V> q = h, r = q.right, t = idx;;) {
if (q == null || t == null)
break splice;
// r != null；這裏是找到相應層次的插入節點位置，注意這裏只橫向找
if (r != null) {
ConcurrentSkipListMap.Node<K,V> n = r.node;
int c = cpr(cmp, key, n.key);
// n.value == null ，解除關係，r右移
if (n.value == null) {
if (!q.unlink(r))
break;
r = q.right;
continue;
}
// key > n.key 右移
if (c > 0) {
q = r;
r = r.right;
continue;
}
}
// 上面找到節點要插入的位置，這裏就插入
// 當前層是最頂層
if (j == insertionLevel) {
// 建立聯繫
if (!q.link(r, t))
break; // restart
if (t.node.value == null) {
findNode(key);
break splice;
}
// 標誌的插入層 -- ，如果== 0 ，表示已經到底了，插入完畢，退出循環
if (--insertionLevel == 0)
break splice;
}
// 上面節點已經插入完畢了，插入下一個節點
if (--j >= insertionLevel && j < level)
t = t.down;
q = q.down;
r = q.right;
}
}這段代碼分爲兩部分看，一部分是找到相應層次的該節點插入的位置，第二部分在該位置插入，然後下移。
至此，ConcurrentSkipListMap的put操作到此就結束了。代碼量有點兒多，這裏總結下：
首先通過findPredecessor()方法找到前輩節點Node
根據返回的前輩節點以及key-value，新建Node節點，同時通過CAS設置next
設置節點Node，再設置索引節點。採取拋硬幣方式決定層次，如果所決定的層次大於現存的最大層次，則新增一層，然後新建一個Item鏈表。
最後，將新建的Item鏈表插入到SkipList結構中。
get操作
相比於put操作 ，get操作會簡單很多，其過程其實就只相當於put操作的第一步：
private V doGet(Object key) {
if (key == null)
throw new NullPointerException();
Comparator<? super K> cmp = comparator;
outer: for (;;) {
for (ConcurrentSkipListMap.Node<K,V> b = findPredecessor(key, cmp), n = b.next;;) {
Object v; int c;
if (n == null)
break outer;
ConcurrentSkipListMap.Node<K,V> f = n.next;
if (n != b.next) // inconsistent read
break;
if ((v = n.value) == null) { // n is deleted
n.helpDelete(b, f);
break;
}
if (b.value == null || v == n) // b is deleted
break;
if ((c = cpr(cmp, key, n.key)) == 0) {
@SuppressWarnings("unchecked") V vv = (V)v;
return vv;
}
if (c < 0)
break outer;
b = n;
n = f;
}
}
return null;
}private V doGet(Object key) {
if (key == null)
throw new NullPointerException();
Comparator<? super K> cmp = comparator;
outer: for (;;) {
for (ConcurrentSkipListMap.Node<K,V> b = findPredecessor(key, cmp), n = b.next;;) {
Object v; int c;
if (n == null)
break outer;
ConcurrentSkipListMap.Node<K,V> f = n.next;
if (n != b.next) // inconsistent read
break;
if ((v = n.value) == null) { // n is deleted
n.helpDelete(b, f);
break;
}
if (b.value == null || v == n) // b is deleted
break;
if ((c = cpr(cmp, key, n.key)) == 0) {
@SuppressWarnings("unchecked") V vv = (V)v;
return vv;
}
if (c < 0)
break outer;
b = n;
n = f;
}
}
return null;
}與put操作第一步相似，首先調用findPredecessor()方法找到前輩節點，然後順着right一直往右找即可，同時在這個過程中同樣承擔了一個刪除value爲null的節點的職責。
remove操作
remove操作爲刪除指定key節點，如下：
public V remove(Object key) {
return doRemove(key, null);
}public V remove(Object key) {
return doRemove(key, null);
}直接調用doRemove()方法，這裏remove有兩個參數，一個是key，另外一個是value，所以doRemove方法即提供remove key，也提供同時滿足key-value。
final V doRemove(Object key, Object value) {
if (key == null)
throw new NullPointerException();
Comparator<? super K> cmp = comparator;
outer: for (;;) {
for (ConcurrentSkipListMap.Node<K,V> b = findPredecessor(key, cmp), n = b.next;;) {
Object v; int c;
if (n == null)
break outer;
ConcurrentSkipListMap.Node<K,V> f = n.next;
// 不一致讀，重新開始
if (n != b.next) // inconsistent read
break;
// n節點已刪除
if ((v = n.value) == null) { // n is deleted
n.helpDelete(b, f);
break;
}
// b節點已刪除
if (b.value == null || v == n) // b is deleted
break;
if ((c = cpr(cmp, key, n.key)) < 0)
break outer;
// 右移
if (c > 0) {
b = n;
n = f;
continue;
}
/*
* 找到節點
*/
// value != null 表示需要同時校驗key-value值
if (value != null && !value.equals(v))
break outer;
// CAS替換value
if (!n.casValue(v, null))
break;
if (!n.appendMarker(f) || !b.casNext(n, f))
findNode(key); // retry via findNode
else {
// 清理節點
findPredecessor(key, cmp); // clean index
// head.right == null表示該層已經沒有節點，刪掉該層
if (head.right == null)
tryReduceLevel();
}
@SuppressWarnings("unchecked") V vv = (V)v;
return vv;
}
}
return null;
}final V doRemove(Object key, Object value) {
if (key == null)
throw new NullPointerException();
Comparator<? super K> cmp = comparator;
outer: for (;;) {
for (ConcurrentSkipListMap.Node<K,V> b = findPredecessor(key, cmp), n = b.next;;) {
Object v; int c;
if (n == null)
break outer;
ConcurrentSkipListMap.Node<K,V> f = n.next;
// 不一致讀，重新開始
if (n != b.next) // inconsistent read
break;
// n節點已刪除
if ((v = n.value) == null) { // n is deleted
n.helpDelete(b, f);
break;
}
// b節點已刪除
if (b.value == null || v == n) // b is deleted
break;
if ((c = cpr(cmp, key, n.key)) < 0)
break outer;
// 右移
if (c > 0) {
b = n;
n = f;
continue;
}
/*
* 找到節點
*/
// value != null 表示需要同時校驗key-value值
if (value != null && !value.equals(v))
break outer;
// CAS替換value
if (!n.casValue(v, null))
break;
if (!n.appendMarker(f) || !b.casNext(n, f))
findNode(key); // retry via findNode
else {
// 清理節點
findPredecessor(key, cmp); // clean index
// head.right == null表示該層已經沒有節點，刪掉該層
if (head.right == null)
tryReduceLevel();
}
@SuppressWarnings("unchecked") V vv = (V)v;
return vv;
}
}
return null;
}調用findPredecessor()方法找到前輩節點，然後通過右移，然後比較，找到後利用CAS把value替換爲null，然後判斷該節點是不是這層唯一的index，如果是的話，調用tryReduceLevel()方法把這層幹掉，完成刪除。
其實從這裏可以看出，remove方法僅僅是把Node的value設置null，並沒有真正刪除該節點Node，其實從上面的put操作、get操作我們可以看出，他們在尋找節點的時候都會判斷節點的value是否爲null，如果爲null，則調用unLink()方法取消關聯關係，如下：
if (n.value == null) {
if (!q.unlink(r))
break; // restart
r = q.right; // reread r
continue;
}if (n.value == null) {
if (!q.unlink(r))
break; // restart
r = q.right; // reread r
continue;
}size操作
ConcurrentSkipListMap的size()操作和ConcurrentHashMap不同，它並沒有維護一個全局變量來統計元素的個數，所以每次調用該方法的時候都需要去遍歷。
public int size() {
long count = 0;
for (Node<K,V> n = findFirst(); n != null; n = n.next) {
if (n.getValidValue() != null)
++count;
}
return (count >= Integer.MAX_VALUE) ? Integer.MAX_VALUE : (int) count;
}public int size() {
long count = 0;
for (Node<K,V> n = findFirst(); n != null; n = n.next) {
if (n.getValidValue() != null)
++count;
}
return (count >= Integer.MAX_VALUE) ? Integer.MAX_VALUE : (int) count;
}調用findFirst()方法找到第一個Node，然後利用node的next去統計。最後返回統計數據，最多能返回Integer.MAX_VALUE。注意這裏在線程併發下是安全的。
ConcurrentSkipListMap過程其實不復雜，相比於ConcurrentHashMap而言，是簡單的不能再簡單了。對跳錶SkipList熟悉的話，ConcurrentSkipListMap 應該是盤中餐了。
Java併發編程：併發容器之CopyOnWriteArrayList（轉載）
原文鏈接：
http://ifeve.com/java-copy-on-write/
Copy-On-Write簡稱COW，是一種用於程序設計中的優化策略。其基本思路是，從一開始大家都在共享同一個內容，當某個人想要修改這個內容的時候，纔會真正把內容Copy出去形成一個新的內容然後再改，這是一種延時懶惰策略。從JDK1.5開始Java併發包裏提供了兩個使用CopyOnWrite機制實現的併發容器,它們是CopyOnWriteArrayList和CopyOnWriteArraySet。CopyOnWrite容器非常有用，可以在非常多的併發場景中使用到。
什麼是CopyOnWrite容器
CopyOnWrite容器即寫時複製的容器。通俗的理解是當我們往一個容器添加元素的時候，不直接往當前容器添加，而是先將當前容器進行Copy，複製出一個新的容器，然後新的容器裏添加元素，添加完元素之後，再將原容器的引用指向新的容器。這樣做的好處是我們可以對CopyOnWrite容器進行併發的讀，而不需要加鎖，因爲當前容器不會添加任何元素。所以CopyOnWrite容器也是一種讀寫分離的思想，讀和寫不同的容器。
CopyOnWriteArrayList的實現原理
在使用CopyOnWriteArrayList之前，我們先閱讀其源碼瞭解下它是如何實現的。以下代碼是向CopyOnWriteArrayList中add方法的實現（向CopyOnWriteArrayList裏添加元素），可以發現在添加的時候是需要加鎖的，否則多線程寫的時候會Copy出N個副本出來。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 |
|
讀的時候不需要加鎖，如果讀的時候有多個線程正在向CopyOnWriteArrayList添加數據，讀還是會讀到舊的數據，因爲寫的時候不會鎖住舊的CopyOnWriteArrayList。
1 2 3 |
|
JDK中並沒有提供CopyOnWriteMap，我們可以參考CopyOnWriteArrayList來實現一個，基本代碼如下：
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 |
|
實現很簡單，只要瞭解了CopyOnWrite機制，我們可以實現各種CopyOnWrite容器，並且在不同的應用場景中使用。
CopyOnWrite的應用場景
CopyOnWrite併發容器用於讀多寫少的併發場景。比如白名單，黑名單，商品類目的訪問和更新場景，假如我們有一個搜索網站，用戶在這個網站的搜索框中，輸入關鍵字搜索內容，但是某些關鍵字不允許被搜索。這些不能被搜索的關鍵字會被放在一個黑名單當中，黑名單每天晚上更新一次。當用戶搜索時，會檢查當前關鍵字在不在黑名單當中，如果在，則提示不能搜索。實現代碼如下：
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 |
|
代碼很簡單，但是使用CopyOnWriteMap需要注意兩件事情：
1. 減少擴容開銷。根據實際需要，初始化CopyOnWriteMap的大小，避免寫時CopyOnWriteMap擴容的開銷。
2. 使用批量添加。因爲每次添加，容器每次都會進行復制，所以減少添加次數，可以減少容器的複製次數。如使用上面代碼裏的addBlackList方法。
CopyOnWrite的缺點
CopyOnWrite容器有很多優點，但是同時也存在兩個問題，即內存佔用問題和數據一致性問題。所以在開發的時候需要注意一下。
內存佔用問題。因爲CopyOnWrite的寫時複製機制，所以在進行寫操作的時候，內存裏會同時駐紮兩個對象的內存，舊的對象和新寫入的對象（注意:在複製的時候只是複製容器裏的引用，只是在寫的時候會創建新對象添加到新容器裏，而舊容器的對象還在使用，所以有兩份對象內存）。如果這些對象佔用的內存比較大，比如說200M左右，那麼再寫入100M數據進去，內存就會佔用300M，那麼這個時候很有可能造成頻繁的Yong GC和Full GC。之前我們系統中使用了一個服務由於每晚使用CopyOnWrite機制更新大對象，造成了每晚15秒的Full GC，應用響應時間也隨之變長。
針對內存佔用問題，可以通過壓縮容器中的元素的方法來減少大對象的內存消耗，比如，如果元素全是10進制的數字，可以考慮把它壓縮成36進制或64進制。或者不使用CopyOnWrite容器，而使用其他的併發容器，如ConcurrentHashMap。
數據一致性問題。CopyOnWrite容器只能保證數據的最終一致性，不能保證數據的實時一致性。所以如果你希望寫入的的數據，馬上能讀到，請不要使用CopyOnWrite容器。
下面這篇文章驗證了CopyOnWriteArrayList和同步容器的性能：
http://blog.csdn.net/wind5shy/article/details/5396887
下面這篇文章簡單描述了CopyOnWriteArrayList的使用：
http://blog.csdn.net/imzoer/article/details/9751591