美文网首页
ConcurrentHashMap分析

ConcurrentHashMap分析

作者: 老王子H | 来源:发表于2018-11-08 15:41 被阅读0次

    ConcurrentHashMap jdk1.8废弃了分段锁segment的机制
    采用数组+链表+红黑树的数据结构,利用CAS+synchronized 来保证并发更新的安全
    table:数组,用来存储Node节点数据
    Node:保存key,value键值对,还有下一个节点的引用next,其中key是final类型,如果key是可变的,那么Key的哈希值就可能改变。可变对象作为Key会造成数据丢失。所以这里保证key不可变。
    value,next是volatile类型,保证每次更新都会对其他线程可见。

    nextTable:扩容时新生成的数组,默认大小是table的两倍

    ForwardingNode: 一个特殊的Node节点,hash值为-1,存储nextTable的引用。只有table发生扩容的时候才有用,作为一个占位符放在table中表示当前节点为null或者已经被移动。

    table在第一次put操作的时候被初始化

    sizeCtl含义; table未初始化,表示需要初始化的大小,table已经初始化,表示table的容量。容量为table数组大小的0.75倍,通过 n - (n >>> 2) 这个公式算得。-1代表table正在初始化
    -N表示有N-1个线程正在进行扩容操作。

    初始化table的时候首先会判断sizeCtl的值是否小于0,如果是的话说明,table已经被一个线程抢先初始化了。那么当前线程只要调用Thread.yield()让出CPU执行时间片就可以了
    如果大于0,先利用CAS将sizeCtl的值置为-1 然后去初始化table,最后将sizeCtl的值置为table的容量大小。

    put操作。
    采用CAS+synchronized 来保证并发更新的安全来保证线程安全

     final V putVal(K key, V value, boolean onlyIfAbsent) {
            if (key == null || value == null) throw new NullPointerException();
            // 将key的hashcode rehash一次,降低碰撞概率。
            int hash = spread(key.hashCode());
            int binCount = 0;
            for (Node<K,V>[] tab = table;;) {
                Node<K,V> f; int n, i, fh;
                if (tab == null || (n = tab.length) == 0)
                    // 第一次进来,table还没初始化,就初始化table
                    tab = initTable();
                // 走到这里说明table已经初始化了 通过hash值计算table的索引下标  用tabAt方法取到当前下标的元素。
                // tabAt方法是通过Unsafe.getObjectVolatile方法直接取到最新内存值。
                else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
                    //判断如果当前数组下标元素为null 则用CAS操作创建一个Node节点
                    if (casTabAt(tab, i, null,
                                 new Node<K,V>(hash, key, value, null)))
                        break;                   // no lock when adding to empty bin
                }
                // 如果hash值是-1 说明数组正在扩容当中,则帮助扩容
                else if ((fh = f.hash) == MOVED)
                    tab = helpTransfer(tab, f);
                else {
                    // 走到这里 说明当前数组下标已经有了节点,则插入链表  synchronized在节点f上进行同步
                    V oldVal = null;
                    synchronized (f) {
                        // 再次做一下判断,防止被其他线程修改
                        if (tabAt(tab, i) == f) {
                            if (fh >= 0) {
                                // binCount 代表节点数
                                binCount = 1;
                                for (Node<K,V> e = f;; ++binCount) {
                                    K ek;
                                    if (e.hash == hash &&
                                        ((ek = e.key) == key ||
                                         (ek != null && key.equals(ek)))) {
                                        // 如果key相同,则覆盖旧值
                                        oldVal = e.val;
                                        if (!onlyIfAbsent)
                                            e.val = value;
                                        break;
                                    }
                                    // key 不同,将新的node节点插入链表尾部
                                    Node<K,V> pred = e;
                                    if ((e = e.next) == null) {
                                        pred.next = new Node<K,V>(hash, key,
                                                                  value, null);
                                        break;
                                    }
                                }
                            }
                            // 红黑树
                            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;
                                }
                            }
                        }
                    }
                    if (binCount != 0) {
                        // 如果节点数大于默认值8 则将链表转换为红黑树
                        if (binCount >= TREEIFY_THRESHOLD)
                            treeifyBin(tab, i);
                        if (oldVal != null)
                            return oldVal;
                        break;
                    }
                }
            }
            addCount(1L, binCount);
            return null;
        }
    

    get操作:

    public V get(Object key) {
            Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
            // 首先计算key的hash值
            int h = spread(key.hashCode());
            if ((tab = table) != null && (n = tab.length) > 0 &&
                (e = tabAt(tab, (n - 1) & h)) != null) {
                if ((eh = e.hash) == h) {
                    // 通过tabAt方法直接拿到数组下标的链表头节点,如果当前key值与头结点key的内存地址相等则直接返回当前节点的value
                    // 如果不相等再比较equals方法,equals相等也返回当前节点的value
                    if ((ek = e.key) == key || (ek != null && key.equals(ek)))
                        return e.val;
                }
                else if (eh < 0)
                    // 小于0 说明当前节点是ForwardingNode 表示数组正在扩容,因为ForwardingNode 存储了新数组的引用 则调用find方法去新数组去找
                    return (p = e.find(h, key)) != null ? p.val : null;
                while ((e = e.next) != null) {
                    // 遍历链表找到相应的值
                    if (e.hash == h &&
                        ((ek = e.key) == key || (ek != null && key.equals(ek))))
                        return e.val;
                }
            }
            // 如果table为空 直接返回null
            return null;
        }
    
    

    看到jdk源码为什么经常在方法中创建一个临时变量替代成员变量、类变量
    存取堆栈变量如此快是因为JVM 存取堆栈变量比它存取 成员变量 或 静态变量执行的操作少。
    JVM 是一种基于堆栈的虚拟机,因此优化了对堆栈数据的存取和处理。所有局部变量都存储在一个局部变量表中,在 Java 操作数堆栈中进行处理,并可被高效地存取。
    存取 成员变量 和 静态变量 成本更高,因为 JVM 必须使用代价更高的操作码,并从常数存储池中存取它们。(常数存储池保存一个类型所使用的所有类型、字段和方法的符号引用。)
    通常,在第一次从常数存储池中访问 static 变量或实例变量以后,JVM 将动态更改字节码以使用效率更高的操作码。尽管有这种优化,堆栈变量的存取仍然更快。
    参考 https://blog.csdn.net/hl_java/article/details/79288909

    相关文章

      网友评论

          本文标题:ConcurrentHashMap分析

          本文链接:https://www.haomeiwen.com/subject/onlwxqtx.html