简书占小狼
转载请注明原创出处,谢谢!
知止而后有定,定而后能静,静而后能安,安而后能虑,虑而后能得。
在多线程环境下,使用 HashMap
进行 put
操作可能会引起死循环,导致cpu的使用率达到100%,为了避免这种bug的隐患,强烈建议使用 ConcurrentHashMap
代替 HashMap
,为了对 ConcurrentHashMap
有更深入的了解,本文将对 ConcurrentHashMap
1.7和1.8的不同实现进行分析。
jdk1.7中采用 Segment
+ HashEntry
的方式进行实现,结构如下:
ConcurrentHashMap
初始化时,计算出 Segment
数组的大小 ssize
和和每个 Segment
中 HashEntry
数组的大小 cap
,并初始化 Segment
数组的第一个元素;其中 ssize
大小为2的幂次方,默认为16, cap
大小也是2的幂次方,最小值为2,最终结果根据根据初始化容量 initialCapacity
进行计算,计算过程如下:
if (c * ssize < initialCapacity) ++c; int cap = MIN_SEGMENT_TABLE_CAPACITY; while (cap < c) cap <<= 1;
其中 Segment
在实现上继承了 ReentrantLock
,这样就自带了锁的功能。
当执行 put
方法插入数据时,根据key的hash值,在 Segment
数组中找到相应的位置,如果相应位置的 Segment
还未初始化,则通过CAS进行赋值,接着执行 Segment
对象的 put
方法通过加锁机制插入数据,实现如下:
场景:线程A和线程B同时执行相同 Segment
对象的 put
方法
1、线程A执行 tryLock()
方法成功获取锁,则把 HashEntry
对象插入到相应的位置;
2、线程B获取锁失败,则执行 scanAndLockForPut()
方法,在 scanAndLockForPut
方法中,会通过重复执行 `tryLock()
方法尝试获取锁,在多处理器环境下,重复次数为64,单处理器重复次数为1,当执行 tryLock()
方法的次数超过上限时,则执行 lock()
方法挂起线程B;
3、当线程A执行完插入操作时,会通过 unlock()
方法释放锁,接着唤醒线程B继续执行;
因为 ConcurrentHashMap
是可以并发插入数据的,所以在准确计算元素时存在一定的难度,一般的思路是统计每个 Segment
对象中的元素个数,然后进行累加,但是这种方式计算出来的结果并不一样的准确的,因为在计算后面几个 Segment
的元素个数时,已经计算过的 Segment
同时可能有数据的插入或则删除,在1.7的实现中,采用了如下方式:
try { for (;;) { if (retries++ == RETRIES_BEFORE_LOCK) { for (int j = 0; j < segments.length; ++j) ensureSegment(j).lock(); // force creation } sum = 0L; size = 0; overflow = false; for (int j = 0; j < segments.length; ++j) { Segment<K,V> seg = segmentAt(segments, j); if (seg != null) { sum += seg.modCount; int c = seg.count; if (c < 0 || (size += c) < 0) overflow = true; } } if (sum == last) break; last = sum; } } finally { if (retries > RETRIES_BEFORE_LOCK) { for (int j = 0; j < segments.length; ++j) segmentAt(segments, j).unlock(); } }
先采用不加锁的方式,连续计算元素的个数,最多计算3次:
1、如果前后两次计算结果相同,则说明计算出来的元素个数是准确的;
2、如果前后两次计算结果都不同,则给每个 Segment
进行加锁,再计算一次元素的个数;
1.8中放弃了 Segment
臃肿的设计,取而代之的是采用 Node
+ CAS
+ Synchronized
来保证并发安全进行实现,结构如下:
只有在执行第一次 put
方法时才会调用 initTable()
初始化 Node
数组,实现如下:
private final Node<K,V>[] initTable() { Node<K,V>[] tab; int sc; while ((tab = table) == null || tab.length == 0) { if ((sc = sizeCtl) < 0) Thread.yield(); // lost initialization race; just spin else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) { try { if ((tab = table) == null || tab.length == 0) { int n = (sc > 0) ? sc : DEFAULT_CAPACITY; @SuppressWarnings("unchecked") Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n]; table = tab = nt; sc = n - (n >>> 2); } } finally { sizeCtl = sc; } break; } } return tab; }
当执行 put
方法插入数据时,根据key的hash值,在 Node
数组中找到相应的位置,实现如下:
1、如果相应位置的 Node
还未初始化,则通过CAS插入相应的数据;
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 }
2、如果相应位置的 Node
不为空,且当前该节点不处于移动状态,则对该节点加 synchronized
锁,如果该节点的 hash
不小于0,则遍历链表更新节点或插入新节点;
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; } } }
3、如果该节点是 TreeBin
类型的节点,说明是红黑树结构,则通过 putTreeVal
方法往红黑树中插入节点;
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; } }
4、如果 binCount
不为0,说明 put
操作对数据产生了影响,如果当前链表的个数达到8个,则通过 treeifyBin
方法转化为红黑树,如果 oldVal
不为空,说明是一次更新操作,没有对元素个数产生影响,则直接返回旧值;
if (binCount != 0) { if (binCount >= TREEIFY_THRESHOLD) treeifyBin(tab, i); if (oldVal != null) return oldVal; break; }
5、如果插入的是一个新节点,则执行 addCount()
方法尝试更新元素个数 baseCount
;
1.8中使用一个 volatile
类型的变量 baseCount
记录元素的个数,当插入新数据或则删除数据时,会通过 addCount()
方法更新 baseCount
,实现如下:
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(); }
1、初始化时 counterCells
为空,在并发量很高时,如果存在两个线程同时执行 CAS
修改 baseCount
值,则失败的线程会继续执行方法体中的逻辑,使用 CounterCell
记录元素个数的变化;
2、如果 CounterCell
数组 counterCells
为空,调用 fullAddCount()
方法进行初始化,并插入对应的记录数,通过 CAS
设置cellsBusy字段,只有设置成功的线程才能初始化 CounterCell
数组,实现如下:
else if (cellsBusy == 0 && counterCells == as && U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) { boolean init = false; try { // Initialize table if (counterCells == as) { CounterCell[] rs = new CounterCell[2]; rs[h & 1] = new CounterCell(x); counterCells = rs; init = true; } } finally { cellsBusy = 0; } if (init) break; }
3、如果通过 CAS
设置cellsBusy字段失败的话,则继续尝试通过 CAS
修改 baseCount
字段,如果修改 baseCount
字段成功的话,就退出循环,否则继续循环插入 CounterCell
对象;
else if (U.compareAndSwapLong(this, BASECOUNT, v = baseCount, v + x)) break;
所以在1.8中的 size
实现比1.7简单多,因为元素个数保存 baseCount
中,部分元素的变化个数保存在 CounterCell
数组中,实现如下:
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; }
通过累加 baseCount
和 CounterCell
数组中的数量,即可得到元素的总个数;
我是占小狼,如果读完觉得有收获的话,欢迎点赞加关注