美文网首页
数据结构开发艺术之HashMap 和 ConcurrentHas

数据结构开发艺术之HashMap 和 ConcurrentHas

作者: 哥哥是欧巴Vitory | 来源:发表于2018-12-24 10:38 被阅读0次

    前言

    Map 这样的 Key Value 在软件开发中是非常经典的结构,常用于在内存中存放数据。

    本篇主要想讨论 ConcurrentHashMap 这样一个并发容器,在正式开始之前我觉得有必要谈谈 HashMap,没有它就不会有后面的 ConcurrentHashMap。

    HashMap

    众所周知 HashMap 底层是基于 数组 + 链表 组成的,不过在 jdk1.7 和 1.8 中具体实现稍有不同。

    Base 1.7

    1.7 中的数据结构图:

    先来看看 1.7 中的实现。

    这是 HashMap 中比较核心的几个成员变量;看看分别是什么意思?

    初始化桶大小,因为底层是数组,所以这是数组默认的大小。桶最大值。默认的负载因子(0.75)table 真正存放数据的数组。Map 存放数量的大小。桶大小,可在初始化时显式指定。负载因子,可在初始化时显式指定。重点解释下负载因子:

    由于给定的 HashMap 的容量大小是固定的,比如默认初始化:

    1publicHashMap(){ 2this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR); 3 } 4 5publicHashMap(int initialCapacity, float loadFactor){ 6if (initialCapacity < 0) 7thrownew IllegalArgumentException("Illegal initial capacity: " + 8 initialCapacity); 9if (initialCapacity > MAXIMUM_CAPACITY)10 initialCapacity = MAXIMUM_CAPACITY;11if (loadFactor <= 0 || Float.isNaN(loadFactor))12thrownew IllegalArgumentException("Illegal load factor: " +13 loadFactor);1415this.loadFactor = loadFactor;16 threshold = initialCapacity;17 init();18 }给定的默认容量为 16,负载因子为 0.75。Map 在使用过程中不断的往里面存放数据,当数量达到了 16 * 0.75 = 12 就需要将当前 16 的容量进行扩容,而扩容这个过程涉及到 rehash、复制数据等操作,所以非常消耗性能。

    因此通常建议能提前预估 HashMap 的大小最好,尽量的减少扩容带来的性能损耗。

    根据代码可以看到其实真正存放数据的是

    transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;

    这个数组,那么它又是如何定义的呢?

    Entry 是 HashMap 中的一个内部类,从他的成员变量很容易看出:

    key 就是写入时的键。value 自然就是值。开始的时候就提到 HashMap 是由数组和链表组成,所以这个 next 就是用于实现链表结构。hash 存放的是当前 key 的 hashcode。知晓了基本结构,那来看看其中重要的写入、获取函数:

    put 方法

    1public V put(K key, V value){ 2if (table == EMPTY_TABLE) { 3 inflateTable(threshold); 4 } 5if (key == null) 6return putForNullKey(value);7int hash = hash(key); 8int i = indexFor(hash, table.length); 9for (Entry e = table[i]; e != null; e = e.next) {10 Object k;11if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {12 V oldValue = e.value;13 e.value = value;14 e.recordAccess(this);15return oldValue;16 }17 }1819 modCount++;20 addEntry(hash, key, value, i);21returnnull;22 }判断当前数组是否需要初始化。如果 key 为空,则 put 一个空值进去。根据 key 计算出 hashcode。根据计算出的 hashcode 定位出所在桶。如果桶是一个链表则需要遍历判断里面的 hashcode、key 是否和传入 key 相等,如果相等则进行覆盖,并返回原来的值。如果桶是空的,说明当前位置没有数据存入;新增一个 Entry 对象写入当前位置。1voidaddEntry(int hash, K key, V value, int bucketIndex){ 2if ((size >= threshold) && (null != table[bucketIndex])) { 3 resize(2 * table.length); 4 hash = (null != key) ? hash(key) : 0; 5 bucketIndex = indexFor(hash, table.length); 6 } 7 8 createEntry(hash, key, value, bucketIndex); 9 }1011voidcreateEntry(int hash, K key, V value, int bucketIndex){12 Entry e = table[bucketIndex];13 table[bucketIndex] = new Entry<>(hash, key, value, e);14 size++;15 }当调用 addEntry 写入 Entry 时需要判断是否需要扩容。

    如果需要就进行两倍扩充,并将当前的 key 重新 hash 并定位。

    而在 createEntry 中会将当前位置的桶传入到新建的桶中,如果当前桶有值就会在位置形成链表。

    get 方法

    再来看看 get 函数:

    1public V get(Object key){ 2if (key == null) 3return getForNullKey(); 4 Entry entry = getEntry(key); 5 6returnnull == entry ? null : entry.getValue(); 7 } 8 9final Entry getEntry(Object key){10if (size == 0) {11returnnull;12 }1314int hash = (key == null) ? 0 : hash(key);15for (Entry e = table[indexFor(hash, table.length)];16 e != null;17 e = e.next) {18 Object k;19if (e.hash == hash &&20 ((k = e.key) == key || (key != null && key.equals(k))))21return e;22 }23returnnull;24 }首先也是根据 key 计算出 hashcode,然后定位到具体的桶中。判断该位置是否为链表。不是链表就根据 key、key 的 hashcode 是否相等来返回值。为链表则需要遍历直到 key 及 hashcode 相等时候就返回值。啥都没取到就直接返回 null 。Base 1.8

    不知道 1.7 的实现大家看出需要优化的点没有?

    其实一个很明显的地方就是:

    当 Hash 冲突严重时,在桶上形成的链表会变的越来越长,这样在查询时的效率就会越来越低;时间复杂度为 O(N)。

    因此 1.8 中重点优化了这个查询效率。

    1.8 HashMap 结构图:

    先来看看几个核心的成员变量:

    1staticfinalint DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16 2 3/** 4 * The maximum capacity, used if a higher value is implicitly specified 5 * by either of the constructors with arguments. 6 * MUST be a power of two <= 1<<30. 7 */ 8staticfinalint MAXIMUM_CAPACITY = 1 << 30; 910/**11 * The load factor used when none specified in constructor.12 */13staticfinalfloat DEFAULT_LOAD_FACTOR = 0.75f;1415staticfinalint TREEIFY_THRESHOLD = 8;1617transient Node[] table;1819/**20 * Holds cached entrySet(). Note that AbstractMap fields are used21 * for keySet() and values().22 */23transient Set> entrySet;2425/**26 * The number of key-value mappings contained in this map.27 */28transientint size;和 1.7 大体上都差不多,还是有几个重要的区别:

    TREEIFY_THRESHOLD 用于判断是否需要将链表转换为红黑树的阈值。HashEntry 修改为 Node。Node 的核心组成其实也是和 1.7 中的 HashEntry 一样,存放的都是 key value hashcode next 等数据。

    再来看看核心方法。

    put 方法

    看似要比 1.7 的复杂,我们一步步拆解:

    判断当前桶是否为空,空的就需要初始化(resize 中会判断是否进行初始化)。根据当前 key 的 hashcode 定位到具体的桶中并判断是否为空,为空表明没有 Hash 冲突就直接在当前位置创建一个新桶即可。如果当前桶有值( Hash 冲突),那么就要比较当前桶中的 key、key 的 hashcode 与写入的 key 是否相等,相等就赋值给 e,在第 8 步的时候会统一进行赋值及返回。如果当前桶为红黑树,那就要按照红黑树的方式写入数据。如果是个链表,就需要将当前的 key、value 封装成一个新节点写入到当前桶的后面(形成链表)。接着判断当前链表的大小是否大于预设的阈值,大于时就要转换为红黑树。如果在遍历过程中找到 key 相同时直接退出遍历。如果 e != null 就相当于存在相同的 key,那就需要将值覆盖。最后判断是否需要进行扩容。get 方法

    1public V get(Object key){ 2 Node e; 3return (e = getNode(hash(key), key)) == null ? null : e.value; 4 } 5 6final Node getNode(int hash, Object key){ 7 Node[] tab; Node first, e; int n; K k; 8if ((tab = table) != null && (n = tab.length) > 0 && 9 (first = tab[(n - 1) & hash]) != null) {10if (first.hash == hash && // always check first node11 ((k = first.key) == key || (key != null && key.equals(k))))12return first;13if ((e = first.next) != null) {14if (first instanceof TreeNode)15return ((TreeNode)first).getTreeNode(hash, key);16do {17if (e.hash == hash &&18 ((k = e.key) == key || (key != null && key.equals(k))))19return e;20 } while ((e = e.next) != null);21 }22 }23returnnull;24 }get 方法看起来就要简单许多了。

    首先将 key hash 之后取得所定位的桶。如果桶为空则直接返回 null 。否则判断桶的第一个位置(有可能是链表、红黑树)的 key 是否为查询的 key,是就直接返回 value。如果第一个不匹配,则判断它的下一个是红黑树还是链表。红黑树就按照树的查找方式返回值。不然就按照链表的方式遍历匹配返回值。从这两个核心方法(get/put)可以看出 1.8 中对大链表做了优化,修改为红黑树之后查询效率直接提高到了 O(logn)。

    但是 HashMap 原有的问题也都存在,比如在并发场景下使用时容易出现死循环。

    1final HashMap map = new HashMap();2for (int i = 0; i < 1000; i++) {3new Thread(new Runnable() {4@Override5publicvoidrun(){6 map.put(UUID.randomUUID().toString(), "");7 }8 }).start();9}但是为什么呢?简单分析下。

    看过上文的还记得在 HashMap 扩容的时候会调用 resize() 方法,就是这里的并发操作容易在一个桶上形成环形链表;这样当获取一个不存在的 key 时,计算出的 index 正好是环形链表的下标就会出现死循环。

    如下图:

    遍历方式

    还有一个值得注意的是 HashMap 的遍历方式,通常有以下几种:

    1Iterator> entryIterator = map.entrySet().iterator(); 2while (entryIterator.hasNext()) { 3 Map.Entry next = entryIterator.next(); 4 System.out.println("key=" + next.getKey() + " value=" + next.getValue()); 5 }6 7Iterator iterator = map.keySet().iterator(); 8while (iterator.hasNext()){ 9 String key = iterator.next();10 System.out.println("key=" + key + " value=" + map.get(key));1112 }强烈建议使用第一种 EntrySet 进行遍历。

    第一种可以把 key value 同时取出,第二种还得需要通过 key 取一次 value,效率较低。

    简单总结下 HashMap:无论是 1.7 还是 1.8 其实都能看出 JDK 没有对它做任何的同步操作,所以并发会出问题,甚至出现死循环导致系统不可用。

    因此 JDK 推出了专项专用的 ConcurrentHashMap ,该类位于 java.util.concurrent 包下,专门用于解决并发问题。

    坚持看到这里的朋友算是已经把 ConcurrentHashMap 的基础已经打牢了,下面正式开始分析。

    ConcurrentHashMap

    ConcurrentHashMap 同样也分为 1.7 、1.8 版,两者在实现上略有不同。

    Base 1.7

    先来看看 1.7 的实现,下面是他的结构图:

    如图所示,是由 Segment 数组、HashEntry 组成,和 HashMap 一样,仍然是数组加链表。

    它的核心成员变量:

    1/**2 * Segment 数组,存放数据时首先需要定位到具体的 Segment 中。3 */4final Segment[] segments;56transient Set keySet;7transient Set> entrySet;Segment 是 ConcurrentHashMap 的一个内部类,主要的组成如下:

    1staticfinalclassSegment extendsReentrantLockimplementsSerializable{ 2 3privatestaticfinallong serialVersionUL; 4 5// 和 HashMap 中的 HashEntry 作用一样,真正存放数据的桶 6transientvolatile HashEntry[] table; 7 8transientint count;910transientint modCount;1112transientint threshold;1314finalfloat loadFactor;1516 }看看其中 HashEntry 的组成:

    和 HashMap 非常类似,唯一的区别就是其中的核心数据如 value ,以及链表都是 volatile 修饰的,保证了获取时的可见性。

    原理上来说:ConcurrentHashMap 采用了分段锁技术,其中 Segment 继承于 ReentrantLock。不会像 HashTable 那样不管是 put 还是 get 操作都需要做同步处理,理论上 ConcurrentHashMap 支持 CurrencyLevel (Segment 数组数量)的线程并发。每当一个线程占用锁访问一个 Segment 时,不会影响到其他的 Segment。

    下面也来看看核心的 put get 方法。

    put 方法

    1public V put(K key, V value){ 2 Segment s; 3if (value == null)4thrownew NullPointerException(); 5int hash = hash(key); 6int j = (hash >>> segmentShift) & segmentMask; 7if ((s = (Segment)UNSAFE.getObject // nonvolatile; recheck 8 (segments, (j << SSHIFT) + SBASE)) == null) // in ensureSegment 9 s = ensureSegment(j);10return s.put(key, hash, value, false);11 }首先是通过 key 定位到 Segment,之后在对应的 Segment 中进行具体的 put。

    1final V put(K key, int hash, V value, boolean onlyIfAbsent){ 2 HashEntry node = tryLock() ? null : 3 scanAndLockForPut(key, hash, value); 4 V oldValue; 5try { 6 HashEntry[] tab = table; 7int index = (tab.length - 1) & hash; 8 HashEntry first = entryAt(tab, index); 9for (HashEntry e = first;;) {10if (e != null) {11 K k;12if ((k = e.key) == key ||13 (e.hash == hash && key.equals(k))) {14 oldValue = e.value;15if (!onlyIfAbsent) {16 e.value = value;17 ++modCount;18 }19break;20 }21 e = e.next;22 }23else {24if (node != null)25 node.setNext(first);26else27 node = new HashEntry(hash, key, value, first);28int c = count + 1;29if (c > threshold && tab.length < MAXIMUM_CAPACITY)30 rehash(node);31else32 setEntryAt(tab, index, node);33 ++modCount;34 count = c;35 oldValue = null;36break;37 }38 }39 } finally {40 unlock();41 }42return oldValue;43 }虽然 HashEntry 中的 value 是用 volatile 关键词修饰的,但是并不能保证并发的原子性,所以 put 操作时仍然需要加锁处理。

    首先第一步的时候会尝试获取锁,如果获取失败肯定就有其他线程存在竞争,则利用 scanAndLockForPut() 自旋获取锁。

    尝试自旋获取锁。如果重试的次数达到了 MAX_SCAN_RETRIES 则改为阻塞锁获取,保证能获取成功。

    再结合图看看 put 的流程。

    将当前 Segment 中的 table 通过 key 的 hashcode 定位到 HashEntry。遍历该 HashEntry,如果不为空则判断传入的 key 和当前遍历的 key 是否相等,相等则覆盖旧的 value。不为空则需要新建一个 HashEntry 并加入到 Segment 中,同时会先判断是否需要扩容。最后会解除在 1 中所获取当前 Segment 的锁。get 方法

    1public V get(Object key){ 2 Segment s; // manually integrate access methods to reduce overhead 3 HashEntry[] tab; 4int h = hash(key);5long u = (((h >>> segmentShift) & segmentMask) << SSHIFT) + SBASE;6if ((s = (Segment)UNSAFE.getObjectVolatile(segments, u)) != null && 7 (tab = s.table) != null) { 8for (HashEntry e = (HashEntry) UNSAFE.getObjectVolatile 9 (tab, ((long)(((tab.length - 1) & h)) << TSHIFT) + TBASE);10 e != null; e = e.next) {11 K k;12if ((k = e.key) == key || (e.hash == h && key.equals(k)))13return e.value;14 }15 }16returnnull;17 }get 逻辑比较简单:

    只需要将 Key 通过 Hash 之后定位到具体的 Segment ,再通过一次 Hash 定位到具体的元素上。

    由于 HashEntry 中的 value 属性是用 volatile 关键词修饰的,保证了内存可见性,所以每次获取时都是最新值。

    ConcurrentHashMap 的 get 方法是非常高效的,因为整个过程都不需要加锁。

    Base 1.8

    1.7 已经解决了并发问题,并且能支持 N 个 Segment 这么多次数的并发,但依然存在 HashMap 在 1.7 版本中的问题。

    那就是查询遍历链表效率太低。

    因此 1.8 做了一些数据结构上的调整。

    首先来看下底层的组成结构:

    看起来是不是和 1.8 HashMap 结构类似?

    其中抛弃了原有的 Segment 分段锁,而采用了 CAS + synchronized 来保证并发安全性。

    也将 1.7 中存放数据的 HashEntry 改为 Node,但作用都是相同的。

    其中的 val next 都用了 volatile 修饰,保证了可见性。

    put 方法

    重点来看看 put 函数:

    根据 key 计算出 hashcode 。判断是否需要进行初始化。f 即为当前 key 定位出的 Node,如果为空表示当前位置可以写入数据,利用 CAS 尝试写入,失败则自旋保证成功。如果当前位置的 hashcode == MOVED == -1,则需要进行扩容。如果都不满足,则利用 synchronized 锁写入数据。如果数量大于 TREEIFY_THRESHOLD 则要转换为红黑树。get 方法

    根据计算出来的 hashcode 寻址,如果就在桶上那么直接返回值。如果是红黑树那就按照树的方式获取值。就不满足那就按照链表的方式遍历获取值。1.8 在 1.7 的数据结构上做了大的改动,采用红黑树之后可以保证查询效率(O(logn)),甚至取消了 ReentrantLock 改为了 synchronized,这样可以看出在新版的 JDK 中对 synchronized 优化是很到位的。

    总结

    看完了整个 HashMap 和 ConcurrentHashMap 在 1.7 和 1.8 中不同的实现方式相信大家对他们的理解应该会更加到位。

    其实这块也是面试的重点内容,通常的套路是:

    谈谈你理解的 HashMap,讲讲其中的 get put 过程。1.8 做了什么优化?是线程安全的嘛?不安全会导致哪些问题?如何解决?有没有线程安全的并发容器?ConcurrentHashMap 是如何实现的? 1.7、1.8 实现有何不同?为什么这么做?这一串问题相信大家仔细看完都能怼回面试官。

    相关文章

      网友评论

          本文标题:数据结构开发艺术之HashMap 和 ConcurrentHas

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