ConcurrentHashMap 在 Java7 和 8 有何不同?
文章目录
前言
本章的部分内容在之前的文章 Java并发编程|第十篇:ConcurrentHashMap源码分析 也有提到,但是之前的文章更偏重于源码的分析,相对比较复杂和枯燥。而本章主要是针对面试的重点进行讨论,以及之前内容的总结与回顾。
1.Java 7
从图中我们可以看出,在 ConcurrentHashMap 内部进行了 Segment 分段,Segment 继承了 ReentrantLock,可以理解为一把锁,各个 Segment 之间都是相互独立上锁的,互不影响。相比于之前的 Hashtable 每次操作都需要把整个对象锁住而言,大大提高了并发效率。因为它的锁与锁之间是独立的,而不是整个对象只有一把锁。
每个 Segment 的底层数据结构与 HashMap 类似,仍然是数组和链表组成的拉链法结构。默认有 0~15 共 16 个 Segment,所以最多可以同时支持 16 个线程并发操作(操作分别分布在不同的 Segment 上)。16 这个默认值可以在初始化的时候设置为其他值,但是一旦确认初始化以后,是不可以扩容的。
2.Java 8
图中的节点有三种类型
- 第一种是最简单的,空着的位置代表当前还没有元素来填充。
- 第二种就是和 HashMap 非常类似的拉链法结构,在每一个槽中会首先填入第一个节点,但是后续如果计算出相同的 Hash 值,就用链表的形式往后进行延伸。
- 第三种结构就是红黑树结构,这是 Java 7 的 ConcurrentHashMap 中所没有的结构,在此之前我们可能也很少接触这样的数据结构。
当第二种情况的链表长度大于某一个阈值(默认为 8),且同时满足一定的容量要求的时候,ConcurrentHashMap 便会把这个链表从链表的形式转化为红黑树的形式,目的是进一步提高它的查找性能。所以,Java 8 的一个重要变化就是引入了红黑树的设计,由于红黑树并不是一种常见的数据结构,所以我们在此简要介绍一下红黑树。
红黑树的特点:
-
根节点是黑色的
-
每个叶子节点都是黑色的空节点(NIL),也就是说,叶子节点不存储数据
-
任何相邻的节点都不能同时为红色,也就是说,红色节点是被黑色节点隔开的
-
每个节点,从该节点到达其可达叶子节点的所有路径,都包含相同数目的黑色节点
红黑树是一种特殊平衡二叉查找树(AVL树),查找效率高,会自动平衡,防止极端不平衡从而影响查找效率的情况发生。
由于自平衡的特点,即左右子树高度几乎一致,所以其查找性能近似于二分查找,时间复杂度是 O(logn) ;反观链表,它的时间复杂度就不一样了,如果发生了最坏的情况,可能需要遍历整个链表才能找到目标元素,时间复杂度为 O(n),远远大于红黑树的 O(logn),尤其是在节点越来越多的情况下,O(logn) 体现出的优势会更加明显。
关于 O(logn) 的查询效率,可以参考博主之前的一篇文章:
《二分查找-上》 也是一种时间复杂度为 O(logn) 的查找方法,第三小节 3.O(logn) 惊人的查找速度。
3.重要的方法回顾
3.1 Node 数组
ConcurrentHashMap 内部是一个 Node 的数组
transient volatile Node<K,V>[] table;
Node
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
volatile V val;
volatile Node<K,V> next;
...
每个 Node 里面是 key-value 的形式,并且把 value 用 volatile 修饰,以便保证可见性,同时内部还有一个指向下一个节点的 next 指针,方便产生链表结构。
initTable() 方法中默认初始化一个长度为 16 的 Node 数组,关键代码如下:
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;//将值赋值给table
3.2 put 方法
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) throw new NullPointerException();
// 计算 hash 值
int hash = spread(key.hashCode());
int binCount = 0;// 记录链表的长度
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
if (tab == null || (n = tab.length) == 0) //如果node数组为空
tab = initTable();// 初始化
// 找该 hash 值对应的数组下标
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
//如果该位置是空的,就用 CAS 的方式放入新值
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
//hash值等于 MOVED 代表在扩容
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);//协助扩容,逻辑和transfer类似
else {
V oldVal = null;
synchronized (f) {//对头节点加锁
if (tabAt(tab, i) == f) {//判断table数组当前位置是否为头节点
if (fh >= 0) {// 表示链表形式
binCount = 1;//记录链表的长度
for (Node<K,V> e = f;; ++binCount) {// 遍历链表
K ek;
//如果发现该 key 已存在,就判断是否需要进行覆盖,然后返回
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;
//到了链表的尾部也没有发现该 key,说明之前不存在,就把新值添加到链表的最后
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
else if (f instanceof TreeBin) {//如果是红黑树
Node<K,V> p;
binCount = 2;
//调用红黑树的方法插入新值
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);//如果链表的长度>=8 链表转化为红黑树
if (oldVal != null) //putVal 的返回是添加前的旧值,所以返回 oldVal
return oldVal;
break;
}
}
}
addCount(1L, binCount);// 集合的大小+1
return null;
}
put方法大致分为四个阶段
-
第一个阶段可以称为初始化阶段,在第一次调用 put 方法时,table 数组为空,调用 initTable 方法进行 table 数组的初始化
-
第二个阶段,判断 table 数组对应位置节点是否为空,如果该位置是空的,就用 CAS 的方式放入新值
-
第三个阶段,产生 hash 碰撞,对头节点上锁,采用拉链法将冲突的元素转为链表
-
最后一个阶段,如果链表的长度>=8(且同时满足一定的容量要求的时候) 链表转化为红黑树
当然还有并发扩容,集合大小并发计算等等,可以从之前的源码分析文章进行了解。
3.3 get 方法
大致分为 5 步:
- 计算 Hash 值,通过
e = tabAt(tab, (n - 1) & h))
获取到对应的槽点(节点) - 如果 table 数组是空的或者该位置为 null,那么直接返回 null
- 如果该节点刚好就是我们需要的节点,直接返回该节点的值
- 如果这个节点位置正在扩容(eh=-1)或者是红黑树的 Root 节点(eh=-2),那么调用节点的 find 方法继续查找
- 否则就遍历链表进行查找
源码如下:
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
int h = spread(key.hashCode());//计算hash值
// 如果 table 为空或者当前节点为空,直接返回null
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
//获取当前tab[i]的node
if ((eh = e.hash) == h) {//如果该节点的hash值和h相等
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;//如果key值相同,返回当前节点的val值
}
// eh = -1,该节点为fwd节点 数组正在扩容
// eh = -2,该节点为红黑树的Root节点
else if (eh < 0)//调用该节点的find方法查找
return (p = e.find(h, key)) != null ? p.val : null;
while ((e = e.next) != null) {//遍历链表
//在当节点一直向下查找下一个节点,判断是否有key值相等
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
4.对比Java7 和Java8 的异同和优缺点
4.1 数据结构不同
Java 7 采用 Segment 分段锁来实现,而 Java 8 中的 ConcurrentHashMap 使用数组 + 链表 + 红黑树
4.2 并发度
Java 7 中,每个 Segment 独立加锁,最大并发个数就是 Segment 的个数,默认是 16。
Java 8 中,锁粒度更细,理想情况下 table 数组元素的个数(也就是数组长度)就是其支持并发的最大个数,并发度比之前有提高。
4.3 保证并发安全的原理
Java 7 采用 Segment 分段锁来保证安全,而 Segment 是继承自 ReentrantLock。
Java 8 中放弃了 Segment 的设计,采用 Node + CAS + synchronized 保证线程安全。
4.4 遇到 Hash 碰撞
Java 7 在 Hash 冲突时,会使用拉链法,也就是链表的形式。
Java 8 先使用拉链法,在链表长度超过一定阈值时,将链表转换为红黑树,来提高查找效率。
4.5 查询时间复杂度
Java 7 遍历链表的时间复杂度是 O(n),n 为链表长度。
Java 8 如果变成遍历红黑树,那么时间复杂度降低为 O(logn),n 为树的节点个数。
5.参考
- 《Java 并发编程 78 讲》- 徐隆曦