1.ConcurrentHashmap簡介
在使用HashMap時在多線程情況下擴容會出現CPU接近100%的情況，因爲hashmap並不是線程安全的，通常我們可以使用在java體系中古老的hashtable類，該類基本上所有的方法都採用synchronized進行線程安全的控制，可想而知，在高併發的情況下，每次只有一個線程能夠獲取對象監視器鎖，這樣的併發性能的確不令人滿意。另外一種方式通過Collections的Map<K,V> synchronizedMap(Map<K,V> m)將hashmap包裝成一個線程安全的map。比如SynchronzedMap的put方法源碼爲：
public V put(K key, V value) {
synchronized (mutex) {return m.put(key, value);}
}
實際上SynchronizedMap實現依然是採用synchronized獨佔式鎖進行線程安全的併發控制的。同樣，這種方案的性能也是令人不太滿意的。針對這種境況，Doug Lea大師不遺餘力的爲我們創造了一些線程安全的併發容器，讓每一個java開發人員倍感幸福。相對於hashmap來說，ConcurrentHashMap就是線程安全的map，其中利用了鎖分段的思想提高了併發度。
ConcurrentHashMap在JDK1.6的版本網上資料很多，有興趣的可以去看看。 JDK 1.6版本關鍵要素：
- segment繼承了ReentrantLock充當鎖的角色，爲每一個segment提供了線程安全的保障；
- segment維護了哈希散列表的若干個桶，每個桶由HashEntry構成的鏈表。
而到了JDK 1.8的ConcurrentHashMap就有了很大的變化，光是代碼量就足足增加了很多。1.8版本捨棄了segment，並且大量使用了synchronized，以及CAS無鎖操作以保證ConcurrentHashMap操作的線程安全性。至於爲什麼不用ReentrantLock而是Synchronzied呢？實際上，synchronzied做了很多的優化，包括偏向鎖，輕量級鎖，重量級鎖，可以依次向上升級鎖狀態，但不能降級，因此，使用synchronized相較於ReentrantLock的性能會持平甚至在某些情況更優，具體的性能測試可以去網上查閱一些資料。另外，底層數據結構改變爲採用**數組+鏈表(紅黑樹)**的數據形式。
2.關鍵屬性及類
在瞭解ConcurrentHashMap的具體方法實現前，我們需要系統的來看一下幾個關鍵的地方。
2.1 ConcurrentHashMap的關鍵屬性
- table volatile Node<K,V>[] table://裝載Node的數組，作爲ConcurrentHashMap的數據容器，採用懶加載的方式，直到第一次插入數據的時候纔會進行初始化操作，數組的大小總是爲2的冪次方。
- nextTable volatile Node<K,V>[] nextTable; //擴容時使用，平時爲null，只有在擴容的時候才爲非null
- sizeCtl volatile int sizeCtl; 該屬性用來控制table數組的大小，根據是否初始化和是否正在擴容有幾種情況： 當值爲負數時：如果爲-1表示正在初始化，如果爲-N則表示當前正有N-1個線程進行擴容操作； 當值爲正數時：如果當前數組爲null的話表示table在初始化過程中，sizeCtl表示爲需要新建數組的長度； 若已經初始化了，表示當前數據容器（table數組）可用容量也可以理解成臨界值（插入節點數超過了該臨界值就需要擴容），具體指爲數組的長度n 乘以 加載因子loadFactor； 當值爲0時，即數組長度爲默認初始值。
- sun.misc.Unsafe U 在ConcurrentHashMapde的實現中可以看到大量的U.compareAndSwapXXXX的方法去修改ConcurrentHashMap的一些屬性。這些方法實際上是利用了CAS算法保證了線程安全性，這是一種樂觀策略，假設每一次操作都不會產生衝突，當且僅當衝突發生的時候再去嘗試。而CAS操作依賴於現代處理器指令集，通過底層CMPXCHG指令實現。CAS(V,O,N)核心思想爲：若當前變量實際值V與期望的舊值O相同，則表明該變量沒被其他線程進行修改，因此可以安全的將新值N賦值給變量；若當前變量實際值V與期望的舊值O不相同，則表明該變量已經被其他線程做了處理，此時將新值N賦給變量操作就是不安全的，在進行重試。而在大量的同步組件和併發容器的實現中使用CAS是通過sun.misc.Unsafe類實現的，該類提供了一些可以直接操控內存和線程的底層操作，可以理解爲java中的“指針”。該成員變量的獲取是在靜態代碼塊中：
static {
try {
U = sun.misc.Unsafe.getUnsafe();
.......
} catch (Exception e) {
throw new Error(e);
}
}
2.2 ConcurrentHashMap中關鍵內部類
Node Node類實現了Map.Entry接口，主要存放key-value對，並且具有next域
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
volatile V val;
volatile Node<K,V> next;
......
}
另外可以看出很多屬性都是用volatile進行修飾的，也就是爲了保證內存可見性。
TreeNode 樹節點，繼承於承載數據的Node類。而紅黑樹的操作是針對TreeBin類的，從該類的註釋也可以看出，也就是TreeBin會將TreeNode進行再一次封裝
**
* Nodes for use in TreeBins
*/
static final class TreeNode<K,V> extends Node<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
......
}
TreeBin 這個類並不負責包裝用戶的key、value信息，而是包裝的很多TreeNode節點。實際的ConcurrentHashMap“數組”中，存放的是TreeBin對象，而不是TreeNode對象。
static final class TreeBin<K,V> extends Node<K,V> {
TreeNode<K,V> root;
volatile TreeNode<K,V> first;
volatile Thread waiter;
volatile int lockState;
// values for lockState
static final int WRITER = 1; // set while holding write lock
static final int WAITER = 2; // set when waiting for write lock
static final int READER = 4; // increment value for setting read lock
......
}
ForwardingNode 在擴容時纔會出現的特殊節點，其key,value,hash全部爲null。並擁有nextTable指針引用新的table數組。
static final class ForwardingNode<K,V> extends Node<K,V> {
final Node<K,V>[] nextTable;
ForwardingNode(Node<K,V>[] tab) {
super(MOVED, null, null, null);
this.nextTable = tab;
}
.....
}
2.3 CAS關鍵操作
在上面我們提及到在ConcurrentHashMap中會大量使用CAS修改它的屬性和一些操作。因此，在理解ConcurrentHashMap的方法前我們需要了解下面幾個常用的利用CAS算法來保障線程安全的操作。
tabAt
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);
}
該方法用來獲取table數組中索引爲i的Node元素。
casTabAt
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);
}
利用CAS操作設置table數組中索引爲i的元素
setTabAt
static final <K,V> void setTabAt(Node<K,V>[] tab, int i, Node<K,V> v) {
U.putObjectVolatile(tab, ((long)i << ASHIFT) + ABASE, v);
}
該方法用來設置table數組中索引爲i的元素
3. 重點方法講解
在熟悉上面的這核心信息之後，我們接下來就來依次看看幾個常用的方法是怎樣實現的。
3.1 實例構造器方法
在使用ConcurrentHashMap第一件事自然而然就是new 出來一個ConcurrentHashMap對象，一共提供瞭如下幾個構造器方法：
// 1. 構造一個空的map，即table數組還未初始化，初始化放在第一次插入數據時，默認大小爲16
ConcurrentHashMap()
// 2. 給定map的大小
ConcurrentHashMap(int initialCapacity)
// 3. 給定一個map
ConcurrentHashMap(Map<? extends K, ? extends V> m)
// 4. 給定map的大小以及加載因子
ConcurrentHashMap(int initialCapacity, float loadFactor)
// 5. 給定map大小，加載因子以及併發度（預計同時操作數據的線程）
ConcurrentHashMap(int initialCapacity,float loadFactor, int concurrencyLevel)
ConcurrentHashMap一共給我們提供了5種構造器方法，具體使用請看註釋，我們來看看第2種構造器，傳入指定大小時的情況，該構造器源碼爲：
public ConcurrentHashMap(int initialCapacity) {
//1. 小於0直接拋異常
if (initialCapacity < 0)
throw new IllegalArgumentException();
//2. 判斷是否超過了允許的最大值，超過了話則取最大值，否則再對該值進一步處理
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
//3. 賦值給sizeCtl
this.sizeCtl = cap;
}
這段代碼的邏輯請看註釋，很容易理解，如果小於0就直接拋出異常，如果指定值大於了所允許的最大值的話就取最大值，否則，在對指定值做進一步處理。最後將cap賦值給sizeCtl,關於sizeCtl的說明請看上面的說明，當調用構造器方法之後，sizeCtl的大小應該就代表了ConcurrentHashMap的大小，即table數組長度。tableSizeFor做了哪些事情了？源碼爲：
/**
* Returns a power of two table size for the given desired capacity.
* See Hackers Delight, sec 3.2
*/
private static final int tableSizeFor(int c) {
int n = c - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
通過註釋就很清楚了，該方法會將調用構造器方法時指定的大小轉換成一個2的冪次方數，也就是說ConcurrentHashMap的大小一定是2的冪次方，比如，當指定大小爲18時，爲了滿足2的冪次方特性，實際上concurrentHashMapd的大小爲2的5次方（32）。另外，需要注意的是，調用構造器方法的時候並未構造出table數組（可以理解爲ConcurrentHashMap的數據容器），只是算出table數組的長度，當第一次向ConcurrentHashMap插入數據的時候才真正的完成初始化創建table數組的工作。
3.2 initTable方法
直接上源碼：
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
while ((tab = table) == null || tab.length == 0) {
if ((sc = sizeCtl) < 0)
// 1. 保證只有一個線程正在進行初始化操作
Thread.yield(); // lost initialization race; just spin
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
if ((tab = table) == null || tab.length == 0) {
// 2. 得出數組的大小
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
// 3. 這裏才真正的初始化數組
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
// 4. 計算數組中可用的大小：實際大小n*0.75（加載因子）
sc = n - (n >>> 2);
}
} finally {
sizeCtl = sc;
}
break;
}
}
return tab;
}
代碼的邏輯請見註釋，有可能存在一個情況是多個線程同時走到這個方法中，爲了保證能夠正確初始化，在第1步中會先通過if進行判斷，若當前已經有一個線程正在初始化即sizeCtl值變爲-1，這個時候其他線程在If判斷爲true從而調用Thread.yield()讓出CPU時間片。正在進行初始化的線程會調用U.compareAndSwapInt方法將sizeCtl改爲-1即正在初始化的狀態。另外還需要注意的事情是，在第四步中會進一步計算數組中可用的大小即爲數組實際大小n乘以加載因子0.75.可以看看這裏乘以0.75是怎麼算的，0.75爲四分之三，這裏n - (n >>> 2)是不是剛好是n-(1/4)n=(3/4)n，挺有意思的吧:)。如果選擇是無參的構造器的話，這裏在new Node數組的時候會使用默認大小爲DEFAULT_CAPACITY（16），然後乘以加載因子0.75爲12，也就是說數組的可用大小爲12。
3.3 put方法
使用ConcurrentHashMap最長用的也應該是put和get方法了吧，我們先來看看put方法是怎樣實現的。調用put方法時實際具體實現是putVal方法，源碼如下：
/** Implementation for put and putIfAbsent */
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) throw new NullPointerException();
//1. 計算key的hash值
int hash = spread(key.hashCode());
int binCount = 0;
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
//2. 如果當前table還沒有初始化先調用initTable方法將tab進行初始化
if (tab == null || (n = tab.length) == 0)
tab = initTable();
//3. tab中索引爲i的位置的元素爲null，則直接使用CAS將值插入即可
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
//4. 當前正在擴容
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
else {
V oldVal = null;
synchronized (f) {
if (tabAt(tab, i) == f) {
//5. 當前爲鏈表，在鏈表中插入新的鍵值對
if (fh >= 0) {
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
}
Node<K,V> pred = e;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
// 6.當前爲紅黑樹，將新的鍵值對插入到紅黑樹中
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
// 7.插入完鍵值對後再根據實際大小看是否需要轉換成紅黑樹
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
//8.對當前容量大小進行檢查，如果超過了臨界值（實際大小*加載因子）就需要擴容
addCount(1L, binCount);
return null;
}
put方法的代碼量有點長，我們按照上面的分解的步驟一步步來看。從整體而言，爲了解決線程安全的問題，ConcurrentHashMap使用了synchronzied和CAS的方式。在之前瞭解過HashMap以及1.8版本之前的ConcurrenHashMap都應該知道ConcurrentHashMap結構圖，爲了方面下面的講解這裏先直接給出，如果對這有疑問的話，可以在網上隨便搜搜即可。
如圖（圖片摘自網絡），ConcurrentHashMap是一個哈希桶數組，如果不出現哈希衝突的時候，每個元素均勻的分佈在哈希桶數組中。當出現哈希衝突的時候，是標準的鏈地址的解決方式，將hash值相同的節點構成鏈表的形式，稱爲“拉鍊法”，另外，在1.8版本中爲了防止拉鍊過長，當鏈表的長度大於8的時候會將鏈表轉換成紅黑樹。table數組中的每個元素實際上是單鏈表的頭結點或者紅黑樹的根節點。當插入鍵值對時首先應該定位到要插入的桶，即插入table數組的索引i處。那麼，怎樣計算得出索引i呢？當然是根據key的hashCode值。
1.spread()重哈希，以減小Hash衝突
我們知道對於一個hash表來說，hash值分散的不夠均勻的話會大大增加哈希衝突的概率，從而影響到hash表的性能。因此通過spread方法進行了一次重hash從而大大減小哈希衝突的可能性。spread方法爲：
static final int spread(int h) {
return (h ^ (h >>> 16)) & HASH_BITS;
}
該方法主要是將key的hashCode的低16位與高16位進行異或運算，這樣不僅能夠使得hash值能夠分散能夠均勻減小hash衝突的概率，另外只用到了異或運算，在性能開銷上也能兼顧，做到平衡的trade-off。
2.初始化table
緊接着到第2步，會判斷當前table數組是否初始化了，沒有的話就調用initTable進行初始化，該方法在上面已經講過了。
3.能否直接將新值插入到table數組中
從上面的結構示意圖就可以看出存在這樣一種情況，如果插入值待插入的位置剛好所在的table數組爲null的話就可以直接將值插入即可。那麼怎樣根據hash確定在table中待插入的索引i呢？很顯然可以通過hash值與數組的長度取模操作，從而確定新值插入到數組的哪個位置。而之前我們提過ConcurrentHashMap的大小總是2的冪次方，(n - 1) & hash運算等價於對長度n取模，也就是hash%n，但是位運算比取模運算的效率要高很多，Doug lea大師在設計併發容器的時候也是將性能優化到了極致，令人欽佩。
確定好數組的索引i後，就可以tabAt()方法（該方法在上面已經說明了，有疑問可以回過頭去看看）獲取該位置上的元素，如果當前Node f爲null的話，就可以直接用casTabAt方法將新值插入即可。
4.當前是否正在擴容
如果當前節點不爲null，且該節點爲特殊節點（forwardingNode）的話，就說明當前concurrentHashMap正在進行擴容操作，關於擴容操作，下面會作爲一個具體的方法進行講解。那麼怎樣確定當前的這個Node是不是特殊的節點了？是通過判斷該節點的hash值是不是等於-1（MOVED）,代碼爲(fh = f.hash) == MOVED，對MOVED的解釋在源碼上也寫的很清楚了：
static final int MOVED = -1; // hash for forwarding nodes
5.當table[i]爲鏈表的頭結點，在鏈表中插入新值
在table[i]不爲null並且不爲forwardingNode時，並且當前Node f的hash值大於0（fh >= 0）的話說明當前節點f爲當前桶的所有的節點組成的鏈表的頭結點。那麼接下來，要想向ConcurrentHashMap插入新值的話就是向這個鏈表插入新值。通過synchronized (f)的方式進行加鎖以實現線程安全性。往鏈表中插入節點的部分代碼爲：
if (fh >= 0) {
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
// 找到hash值相同的key,覆蓋舊值即可
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
}
Node<K,V> pred = e;
if ((e = e.next) == null) {
//如果到鏈表末尾仍未找到，則直接將新值插入到鏈表末尾即可
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
這部分代碼很好理解，就是兩種情況：1. 在鏈表中如果找到了與待插入的鍵值對的key相同的節點，就直接覆蓋即可；2. 如果直到找到了鏈表的末尾都沒有找到的話，就直接將待插入的鍵值對追加到鏈表的末尾即可
6.當table[i]爲紅黑樹的根節點，在紅黑樹中插入新值
按照之前的數組+鏈表的設計方案，這裏存在一個問題，即使負載因子和Hash算法設計的再合理，也免不了會出現拉鍊過長的情況，一旦出現拉鍊過長，甚至在極端情況下，查找一個節點會出現時間複雜度爲O(n)的情況，則會嚴重影響ConcurrentHashMap的性能，於是，在JDK1.8版本中，對數據結構做了進一步的優化，引入了紅黑樹。而當鏈表長度太長（默認超過8）時，鏈表就轉換爲紅黑樹，利用紅黑樹快速增刪改查的特點提高ConcurrentHashMap的性能，其中會用到紅黑樹的插入、刪除、查找等算法。當table[i]爲紅黑樹的樹節點時的操作爲：
if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
首先在if中通過f instanceof TreeBin判斷當前table[i]是否是樹節點，這下也正好驗證了我們在最上面介紹時說的TreeBin會對TreeNode做進一步封裝，對紅黑樹進行操作的時候針對的是TreeBin而不是TreeNode。這段代碼很簡單，調用putTreeVal方法完成向紅黑樹插入新節點，同樣的邏輯，如果在紅黑樹中存在於待插入鍵值對的Key相同（hash值相等並且equals方法判斷爲true）的節點的話，就覆蓋舊值，否則就向紅黑樹追加新節點。
7.根據當前節點個數進行調整
當完成數據新節點插入之後，會進一步對當前鏈表大小進行調整，這部分代碼爲：
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
很容易理解，如果當前鏈表節點個數大於等於8（TREEIFY_THRESHOLD）的時候，就會調用treeifyBin方法將tabel[i]（第i個散列桶）拉鍊轉換成紅黑樹。
至此，關於Put方法的邏輯就基本說的差不多了，現在來做一些總結：
put()的整體流程：
- 首先對於每一個放入的值，首先利用spread方法對key的hashcode進行一次hash計算，由此來確定這個值在 table中的位置；
- 如果當前table數組還未初始化，先將table數組進行初始化操作；
- 如果這個位置是null的，那麼使用CAS操作直接放入；
- 如果這個位置存在結點，說明發生了hash碰撞，首先判斷這個節點的類型。如果該節點fh==MOVED(代表forwardingNode,數組正在進行擴容)的話，說明正在進行擴容；
- 如果是鏈表節點（fh>0）,則得到的結點就是hash值相同的節點組成的鏈表的頭節點。需要依次向後遍歷確定這個新加入的值所在位置。如果遇到key相同的節點，則只需要覆蓋該結點的value值即可。否則依次向後遍歷，直到鏈表尾插入這個結點；
- 如果這個節點的類型是TreeBin的話，直接調用紅黑樹的插入方法進行插入新的節點；
- 插入完節點之後再次檢查鏈表長度，如果長度大於8，就把這個鏈表轉換成紅黑樹；
- 對當前容量大小進行檢查，如果超過了臨界值（實際大小*加載因子）就需要擴容。
3.4 get方法
看完了put方法再來看get方法就很容易了，用逆向思維去看就好，這樣存的話我反過來這麼取就好了。get方法源碼爲：
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
// 1. 重hash
int h = spread(key.hashCode());
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
// 2. table[i]桶節點的key與查找的key相同，則直接返回
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
// 3. 當前節點hash小於0說明爲樹節點，在紅黑樹中查找即可
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
while ((e = e.next) != null) {
//4. 從鏈表中查找，查找到則返回該節點的value，否則就返回null即可
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
代碼的邏輯請看註釋，首先先看當前的hash桶數組節點即table[i]是否爲查找的節點，若是則直接返回；若不是，則繼續再看當前是不是樹節點？通過看節點的hash值是否爲小於0，如果小於0則爲樹節點。如果是樹節點在紅黑樹中查找節點；如果不是樹節點，那就只剩下爲鏈表的形式的一種可能性了，就向後遍歷查找節點，若查找到則返回節點的value即可，若沒有找到就返回null。
3.5 transfer方法
當ConcurrentHashMap容量不足的時候，需要對table進行擴容。這個方法的基本思想跟HashMap是很像的，但是由於它是支持併發擴容的，所以要複雜的多。原因是它支持多線程進行擴容操作，而並沒有加鎖。我想這樣做的目的不僅僅是爲了滿足concurrent的要求，而是希望利用併發處理去減少擴容帶來的時間影響。transfer方法源碼爲：
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; // subdivide range
//1. 新建Node數組，容量爲之前的兩倍
if (nextTab == null) { // initiating
try {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];
nextTab = nt;
} catch (Throwable ex) { // try to cope with OOME
sizeCtl = Integer.MAX_VALUE;
return;
}
nextTable = nextTab;
transferIndex = n;
}
int nextn = nextTab.length;
//2. 新建forwardingNode引用，在之後會用到
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
boolean advance = true;
boolean finishing = false; // to ensure sweep before committing nextTab
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
// 3. 確定遍歷中的索引i
while (advance) {
int nextIndex, nextBound;
if (--i >= bound || finishing)
advance = false;
else if ((nextIndex = transferIndex) <= 0) {
i = -1;
advance = false;
}
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ?
nextIndex - stride : 0))) {
bound = nextBound;
i = nextIndex - 1;
advance = false;
}
}
//4.將原數組中的元素複製到新數組中去
//4.5 for循環退出，擴容結束脩改sizeCtl屬性
if (i < 0 || i >= n || i + n >= nextn) {
int sc;
if (finishing) {
nextTable = null;
table = nextTab;
sizeCtl = (n << 1) - (n >>> 1);
return;
}
if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {
if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)
return;
finishing = advance = true;
i = n; // recheck before commit
}
}
//4.1 當前數組中第i個元素爲null，用CAS設置成特殊節點forwardingNode(可以理解成佔位符)
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
//4.2 如果遍歷到ForwardingNode節點 說明這個點已經被處理過了 直接跳過 這裏是控制併發擴容的核心
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
else {
synchronized (f) {
if (tabAt(tab, i) == f) {
Node<K,V> ln, hn;
if (fh >= 0) {
//4.3 處理當前節點爲鏈表的頭結點的情況，構造兩個鏈表，一個是原鏈表 另一個是原鏈表的反序排列
int runBit = fh & n;
Node<K,V> lastRun = f;
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;
}
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);
}
//在nextTable的i位置上插入一個鏈表
setTabAt(nextTab, i, ln);
//在nextTable的i+n的位置上插入另一個鏈表
setTabAt(nextTab, i + n, hn);
//在table的i位置上插入forwardNode節點 表示已經處理過該節點
setTabAt(tab, i, fwd);
//設置advance爲true 返回到上面的while循環中 就可以執行i--操作
advance = true;
}
//4.4 處理當前節點是TreeBin時的情況，操作和上面的類似
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;
}
}
}
}
}
}
代碼邏輯請看註釋,整個擴容操作分爲兩個部分：
第一部分是構建一個nextTable,它的容量是原來的兩倍，這個操作是單線程完成的。新建table數組的代碼爲:Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1],在原容量大小的基礎上右移一位。
第二個部分就是將原來table中的元素複製到nextTable中，主要是遍歷複製的過程。 根據運算得到當前遍歷的數組的位置i，然後利用tabAt方法獲得i位置的元素再進行判斷：
- 如果這個位置爲空，就在原table中的i位置放入forwardNode節點，這個也是觸發併發擴容的關鍵點；
- 如果這個位置是Node節點（fh>=0），如果它是一個鏈表的頭節點，就構造一個反序鏈表，把他們分別放在nextTable的i和i+n的位置上
- 如果這個位置是TreeBin節點（fh<0），也做一個反序處理，並且判斷是否需要untreefi，把處理的結果分別放在nextTable的i和i+n的位置上
- 遍歷過所有的節點以後就完成了複製工作，這時讓nextTable作爲新的table，並且更新sizeCtl爲新容量的0.75倍 ，完成擴容。設置爲新容量的0.75倍代碼爲 sizeCtl = (n << 1) - (n >>> 1)，仔細體會下是不是很巧妙，n<<1相當於n右移一位表示n的兩倍即2n,n>>>1左移一位相當於n除以2即0.5n,然後兩者相減爲2n-0.5n=1.5n,是不是剛好等於新容量的0.75倍即2n*0.75=1.5n。最後用一個示意圖來進行總結（圖片摘自網絡）：
![在這裏插入圖片描述]()
3.6 與size相關的一些方法
對於ConcurrentHashMap來說，這個table裏到底裝了多少東西其實是個不確定的數量，因爲不可能在調用size()方法的時候像GC的“stop the world”一樣讓其他線程都停下來讓你去統計，因此只能說這個數量是個估計值。對於這個估計值，ConcurrentHashMap也是大費周章才計算出來的。
爲了統計元素個數，ConcurrentHashMap定義了一些變量和一個內部類
/**
* A padded cell for distributing counts. Adapted from LongAdder
* and Striped64. See their internal docs for explanation.
*/
@sun.misc.Contended static final class CounterCell {
volatile long value;
CounterCell(long x) { value = x; }
}
/******************************************/
/**
* 實際上保存的是hashmap中的元素個數 利用CAS鎖進行更新
但它並不用返回當前hashmap的元素個數
*/
private transient volatile long baseCount;
/**
* Spinlock (locked via CAS) used when resizing and/or creating CounterCells.
*/
private transient volatile int cellsBusy;
/**
* Table of counter cells. When non-null, size is a power of 2.
*/
private transient volatile CounterCell[] counterCells;
mappingCount與size方法
mappingCount與size方法的類似 從給出的註釋來看，應該使用mappingCount代替size方法 兩個方法都沒有直接返回basecount 而是統計一次這個值，而這個值其實也是一個大概的數值，因此可能在統計的時候有其他線程正在執行插入或刪除操作。
public int size() {
long n = sumCount();
return ((n < 0L) ? 0 :
(n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :
(int)n);
}
/**
* Returns the number of mappings. This method should be used
* instead of {@link #size} because a ConcurrentHashMap may
* contain more mappings than can be represented as an int. The
* value returned is an estimate; the actual count may differ if
* there are concurrent insertions or removals.
*
* @return the number of mappings
* @since 1.8
*/
public long mappingCount() {
long n = sumCount();
return (n < 0L) ? 0L : n; // ignore transient negative values
}
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;//所有counter的值求和
}
}
return sum;
}
addCount方法
在put方法結尾處調用了addCount方法，把當前ConcurrentHashMap的元素個數+1這個方法一共做了兩件事,更新baseCount的值，檢測是否進行擴容。
private final void addCount(long x, int check) {
CounterCell[] as; long b, s;
//利用CAS方法更新baseCount的值
if ((as = counterCells) != null ||
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
CounterCell a; long v; int m;
boolean uncontended = true;
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();
}
//如果check值大於等於0 則需要檢驗是否需要進行擴容操作
if (check >= 0) {
Node<K,V>[] tab, nt; int n, sc;
while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
(n = tab.length) < MAXIMUM_CAPACITY) {
int rs = resizeStamp(n);
//
if (sc < 0) {
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex <= 0)
break;
//如果已經有其他線程在執行擴容操作
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
transfer(tab, nt);
}
//當前線程是唯一的或是第一個發起擴容的線程 此時nextTable=null
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
s = sumCount();
}
}
}
4. 總結
JDK6,7中的ConcurrentHashmap主要使用Segment來實現減小鎖粒度，分割成若干個Segment，在put的時候需要鎖住Segment，get時候不加鎖，使用volatile來保證可見性，當要統計全局時（比如size），首先會嘗試多次計算modcount來確定，這幾次嘗試中，是否有其他線程進行了修改操作，如果沒有，則直接返回size。如果有，則需要依次鎖住所有的Segment來計算。
1.8之前put定位節點時要先定位到具體的segment，然後再在segment中定位到具體的桶。而在1.8的時候摒棄了segment臃腫的設計，直接針對的是Node[] tale數組中的每一個桶，進一步減小了鎖粒度。並且防止拉鍊過長導致性能下降，當鏈表長度大於8的時候採用紅黑樹的設計。
主要設計上的變化有以下幾點:
- 不採用segment而採用node，鎖住node來實現減小鎖粒度。
- 設計了MOVED狀態 當resize的中過程中 線程2還在put數據，線程2會幫助resize。
- 使用3個CAS操作來確保node的一些操作的原子性，這種方式代替了鎖。
- sizeCtl的不同值來代表不同含義，起到了控制的作用。
- 採用synchronized而不是ReentrantLock
更多關於1.7版本與1.8版本的ConcurrentHashMap的實現對比，可以參考這篇文章。
