JDK1.8 中 ConcurrentHashMap源码分析(二)元素添加是线程安全的

简介: 本文是博主学习JDK源码的记录,此为ConcurrentHashMap源码分析(二),希望对大家有所帮助。

上一篇说到了ConcurrentHashMap初始化

🍀添加元素 put(K key, V value)和putVal(K key, V value, boolean onlyIfAbsent)

    // 将指定的键映射到此表中的指定值。 键和值都不能为空。
    public V put(K key, V value) {
        return putVal(key, value, false);
    }
    // put的实现方法
    final V putVal(K key, V value, boolean onlyIfAbsent) {
        // 如果键值存在空值,抛出异常(键值都不允许空值)
        if (key == null || value == null) throw new NullPointerException();
        // 计算key的hash值,一定是个正数。(在添加元素时会判断该节点类型)
        int hash = spread(key.hashCode());
        // 记录某个桶的元素个数,若数超过8,会树化成红黑树
        int binCount = 0;
        for (Node<K,V>[] tab = table;;) {
            Node<K,V> f; int n, i, fh;
            // 数组若未初始化,进行初始化。初始化方法在文章后方介绍
            if (tab == null || (n = tab.length) == 0)
                tab = initTable();
            // 计算hash值所在桶位置
            else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
                // 如果为空则使用CAS将元素添加,与外侧的for现在自旋锁,保证线程安全
                if (casTabAt(tab, i, null,
                             new Node<K,V>(hash, key, value, null)))
                    break;                   // no lock when adding to empty bin
            }
            // 由hash计算得到的桶位置元素的hash值=MOVED,表示正在扩容
            else if ((fh = f.hash) == MOVED)
                // 协助扩容
                tab = helpTransfer(tab, f);
            else {
                // hash计算的桶位置元素不为空,且不在扩容状态,进行元素添加
                V oldVal = null;
                // 对当前桶加锁,保证线程安全,执行元素添加操作(区别于hashtable的锁全局<整张表>)
                // 文章后方补充有图解
                synchronized (f) {
                    // 再次判断,防止树化后节点位置发送变化。
                    //(可能的情况:两个线程同时拿到f,一个线程执行插入操作,红黑树根节点可能发送变化,释放锁。另一个线程加锁后发现根节点不是f后,需要重新获取根节点)
                    if (tabAt(tab, i) == f) {
                        // hash值大于0,是一个普通链表节点
                        if (fh >= 0) {
                            // 执行添加元素操作
                            binCount = 1;
                            for (Node<K,V> e = f;; ++binCount) {
                                K ek;
                                // 若存在该元素的hash值,则更新
                                if (e.hash == hash &&
                                    ((ek = e.key) == key ||
                                     (ek != null && key.equals(ek)))) {
                                    oldVal = e.val;
                                    if (!onlyIfAbsent)
                                        e.val = value;
                                    break;
                                }
                                // 若不存在,在链表尾加入元素
                                Node<K,V> pred = e;
                                if ((e = e.next) == null) {
                                    pred.next = new Node<K,V>(hash, key,
                                                              value, null);
                                    break;
                                }
                            }
                        }
                        // 树节点,在红黑树上执行添加元素操作
                        else if (f instanceof TreeBin) {
                            // 红黑树添加元素过程,之后的博文再补充
                            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;
                            }
                        }
                    }
                }
                // 添加完元素,需要判断元素个数是否>=8,即是否树化
                if (binCount != 0) {
                    // 链表长度>=8,链表转化成红黑树
                    if (binCount >= TREEIFY_THRESHOLD)
                        treeifyBin(tab, i);
                    // 若添加的是重复键值,则返回旧值
                    if (oldVal != null)
                        return oldVal;
                    break;
                }
            }
        }
        // 若添加的是新元素,维护集合长度,判断是否需要扩容
        addCount(1L, binCount);
        return null;
    }

添加元素过程中,对该桶加锁的图解
在这里插入图片描述

🍀数组初始化 initTable

初始化表的时候用到CAS自旋锁,这样来保证线程安全。有关介绍可以参考CAS自旋锁介绍

    // 使用 sizeCtl 中记录的大小初始化表。
    private final Node<K,V>[] initTable() {
        Node<K,V>[] tab; int sc;
        // CAS 自旋,保证线程安全
        while ((tab = table) == null || tab.length == 0) {
            // sizeCtl 小于0,表示正在初始化 或 正在扩容
            if ((sc = sizeCtl) < 0)
                // 让出线程
                Thread.yield(); // lost initialization race; just spin
            // CAS(自旋锁) 修改sizeCtl的值为-1.成功则继续初始化,失败则继续自旋
            // compareAndSwapInt 读取传入当前内存中偏移量为SIZECTL位置的值与期望值sc作比较。相等就把-1赋值给SIZECTL位置的值,再返回true。不相等则返回false。
            else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
                try {
                    if ((tab = table) == null || tab.length == 0) {
                        // sizeCtl为0,取默认长度DEFAULT_CAPACITY=16,否则用sizeCtl的值(回顾:sizeCtl为正数且未初始化表示数组初始容量)
                        int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
                        @SuppressWarnings("unchecked")
                        // 构建数组对象
                        Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
                        table = tab = nt;
                        // 计算扩容阈值=数组初始容量*0.75(回顾:sizeCtl为正数且已初始化表示数组的扩容阈值)
                        sc = n - (n >>> 2);
                    }
                } finally {
                    // 扩容阈值赋值给sizeCtl
                    sizeCtl = sc;
                }
                break;
            }
        }
        return tab;
    }

🍀链表树化成红黑树 treeifyBin

    // 若表大小>=64,则链表树化成红黑树;若表大小<64,则扩容
    private final void treeifyBin(Node<K,V>[] tab, int index) {
        Node<K,V> b; int n, sc;
        if (tab != null) {
            // 表大小<64,扩容
            if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
                // 执行扩容,变成原来的两倍,具体扩容操作下篇博文介绍
                tryPresize(n << 1);
            // 链表树化成红黑树
            else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
                synchronized (b) {
                    if (tabAt(tab, index) == b) {
                        TreeNode<K,V> hd = null, tl = null;
                        for (Node<K,V> e = b; e != null; e = e.next) {
                            TreeNode<K,V> p =
                                new TreeNode<K,V>(e.hash, e.key, e.val,
                                                  null, null);
                            if ((p.prev = tl) == null)
                                hd = p;
                            else
                                tl.next = p;
                            tl = p;
                        }
                        setTabAt(tab, index, new TreeBin<K,V>(hd));
                    }
                }
            }
        }
    }

🍀维护集合长度,判断是否扩容 addCount

比如,我的初始容量是32,则扩容阈值是24(32*0.75),添加完元素后,其大小刚好24,则需要进行扩容操作。

  1. 当CounterCell数组不为空时,优先利用数组中的CounterCellj记录数量
  2. 如果数组为空,尝试对baseCount进行累加,失败之后会执行fullAddCount(x, uncontended)
  3. 如果是添加元素,会对数组是否需要扩容进行判断
    // 添加计数,如果表太小且尚未调整大小,则启动传输。 如果已经调整大小,则在工作可用时帮助执行转移。在转移后重新检查占用情况,以查看是否已经需要再次调整大小,因为调整大小是滞后添加的。
    private final void addCount(long x, int check) {
        // 维护集合长度
        CounterCell[] as; long b, s;
        // 当CounterCell数组不为空 or 当baseCount的累加操作失败 进入此判断
        if ((as = counterCells) != null ||
               // 数组为空,尝试对baseCount进行累加
            !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
            CounterCell a; long v; int m;
            // 标识是否有多线程竞争
            boolean uncontended = true;
            // counterCells数组为空 or counterCells数组长度为0 or 当前线程对应的counterCells数组桶位的元素为空 or 当前线程对应的counterCells数组桶位不为空,但是累加失败时进入此判断
            if (as == null || (m = as.length - 1) < 0 ||
                (a = as[ThreadLocalRandom.getProbe() & m]) == null ||
                !(uncontended =
                  U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
                // 此时uncontended=false
                fullAddCount(x, uncontended);
                return;
            }
            if (check <= 1)
                return;
            // 计算元素个数
            s = sumCount();
        }
        if (check >= 0) {
            Node<K,V>[] tab, nt; int n, sc;
            // 判断是否需要扩容操作
            // 元素个数达到扩容阈值 and 数组不为空 and 数组长度小于限定的最大值时进入此判断
            while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
                   (n = tab.length) < MAXIMUM_CAPACITY) {
                int rs = resizeStamp(n);
                // sc小于0,说明有线程正在扩容,那么会协助扩容
                if (sc < 0) {
                    // 扩容结束 or 扩容线程数达到最大值 or 扩容后的数组为null or 没有更多的桶位需要转移时,退出
                    if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
                        sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
                        transferIndex <= 0)
                        break;
                    // 扩容线程加1,成功后,进行协助扩容操作
                    if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
                        transfer(tab, nt);
                }
                // 没有其他线程在进行扩容,达到扩容阈值后,给sizeCtl赋了一个很大的负数
                else if (U.compareAndSwapInt(this, SIZECTL, sc, 
                                             (rs << RESIZE_STAMP_SHIFT) + 2))// rs << RESIZE_STAMP_SHIFT)是一个很大的负数
                    // 扩容
                    transfer(tab, null);
                s = sumCount();
            }
        }
    }

维护集合长度的具体实现源码fullAddCount解析

    private final void fullAddCount(long x, boolean wasUncontended) {
        int h;
        if ((h = ThreadLocalRandom.getProbe()) == 0) {
            ThreadLocalRandom.localInit();      // force initialization
            h = ThreadLocalRandom.getProbe();
            wasUncontended = true;
        }
        boolean collide = false;                // True if last slot nonempty
        for (;;) {
            CounterCell[] as; CounterCell a; int n; long v;
            if ((as = counterCells) != null && (n = as.length) > 0) {
                if ((a = as[(n - 1) & h]) == null) {
                    if (cellsBusy == 0) {            // Try to attach new Cell
                        CounterCell r = new CounterCell(x); // Optimistic create
                        if (cellsBusy == 0 &&
                            U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
                            boolean created = false;
                            try {               // Recheck under lock
                                CounterCell[] rs; int m, j;
                                if ((rs = counterCells) != null &&
                                    (m = rs.length) > 0 &&
                                    rs[j = (m - 1) & h] == null) {
                                    rs[j] = r;
                                    created = true;
                                }
                            } finally {
                                cellsBusy = 0;
                            }
                            if (created)
                                break;
                            continue;           // Slot is now non-empty
                        }
                    }
                    collide = false;
                }
                else if (!wasUncontended)       // CAS already known to fail
                    wasUncontended = true;      // Continue after rehash
                else if (U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))
                    break;
                else if (counterCells != as || n >= NCPU)
                    collide = false;            // At max size or stale
                else if (!collide)
                    collide = true;
                else if (cellsBusy == 0 &&
                         U.compareAndSwapInt(this, CELLSBUSY, 0, 1)) {
                    try {
                        if (counterCells == as) {// Expand table unless stale
                            CounterCell[] rs = new CounterCell[n << 1];
                            for (int i = 0; i < n; ++i)
                                rs[i] = as[i];
                            counterCells = rs;
                        }
                    } finally {
                        cellsBusy = 0;
                    }
                    collide = false;
                    continue;                   // Retry with expanded table
                }
                h = ThreadLocalRandom.advanceProbe(h);
            }
            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;
            }
            else if (U.compareAndSwapLong(this, BASECOUNT, v = baseCount, v + x))
                break;                          // Fall back on using base
        }
    }

在这里插入图片描述

🍀集合长度获取size()和sumCount()

    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;
        // 先获得baseCount值
        long sum = baseCount;
        // 如果counterCells不为空 
        if (as != null) {
            // 遍历counterCells数组,将counterCells中每一个value相加
            for (int i = 0; i < as.length; ++i) {
                if ((a = as[i]) != null)
                    sum += a.value;
            }
        }
        return sum;
    }

🍀Unsafe.compareAndSwapInt()方法解读

// 最底层是native方法,由C语言实现
public final native boolean compareAndSwapInt(Object var1, long var2, int var4, int var5);

方法的作用是,读取传入对象var1在内存中偏移量为var2位置的值与期望值var4作比较。
相等就把var5值赋值给var2位置的值。方法返回true。
不相等,就取消赋值,方法返回false。

这也是CAS(比较并交换)的思想。用于保证并发时的无锁并发的安全性。

目录
相关文章
|
26天前
|
存储 NoSQL Redis
Redis 新版本引入多线程的利弊分析
【10月更文挑战第16天】Redis 新版本引入多线程是一个具有挑战性和机遇的改变。虽然多线程带来了一些潜在的问题和挑战,但也为 Redis 提供了进一步提升性能和扩展能力的可能性。在实际应用中,我们需要根据具体的需求和场景,综合评估多线程的利弊,谨慎地选择和使用 Redis 的新版本。同时,Redis 开发者也需要不断努力,优化和完善多线程机制,以提供更加稳定、高效和可靠的 Redis 服务。
30 1
|
1月前
线程CPU异常定位分析
【10月更文挑战第3天】 开发过程中会出现一些CPU异常升高的问题,想要定位到具体的位置就需要一系列的分析,记录一些分析手段。
61 0
|
1月前
|
Java
Java基础之 JDK8 HashMap 源码分析(中间写出与JDK7的区别)
这篇文章详细分析了Java中HashMap的源码,包括JDK8与JDK7的区别、构造函数、put和get方法的实现,以及位运算法的应用,并讨论了JDK8中的优化,如链表转红黑树的阈值和扩容机制。
23 1
|
1月前
|
Dubbo Java 应用服务中间件
剖析Tomcat线程池与JDK线程池的区别和联系!
剖析Tomcat线程池与JDK线程池的区别和联系!
103 0
剖析Tomcat线程池与JDK线程池的区别和联系!
|
22天前
|
监控 数据可视化 Java
如何使用JDK自带的监控工具JConsole来监控线程池的内存使用情况?
如何使用JDK自带的监控工具JConsole来监控线程池的内存使用情况?
|
2月前
|
监控 数据可视化 Java
使用JDK自带的监控工具JConsole来监控线程池的内存使用情况
使用JDK自带的监控工具JConsole来监控线程池的内存使用情况
|
2月前
|
并行计算 API 调度
探索Python中的并发编程:线程与进程的对比分析
【9月更文挑战第21天】本文深入探讨了Python中并发编程的核心概念,通过直观的代码示例和清晰的逻辑推理,引导读者理解线程与进程在解决并发问题时的不同应用场景。我们将从基础理论出发,逐步过渡到实际案例分析,旨在揭示Python并发模型的内在机制,并比较它们在执行效率、资源占用和适用场景方面的差异。文章不仅适合初学者构建并发编程的基础认识,同时也为有经验的开发者提供深度思考的视角。
|
3月前
|
存储 监控 Java
|
3月前
|
缓存 Java 调度
【Java 并发秘籍】线程池大作战:揭秘 JDK 中的线程池家族!
【8月更文挑战第24天】Java的并发库提供多种线程池以应对不同的多线程编程需求。本文通过实例介绍了四种主要线程池:固定大小线程池、可缓存线程池、单一线程线程池及定时任务线程池。固定大小线程池通过预设线程数管理任务队列;可缓存线程池能根据需要动态调整线程数量;单一线程线程池确保任务顺序执行;定时任务线程池支持周期性或延时任务调度。了解并正确选用这些线程池有助于提高程序效率和资源利用率。
52 2
|
3月前
|
算法 安全 Java
深入JDK源码:揭开ConcurrentHashMap底层结构的神秘面纱
【8月更文挑战第24天】`ConcurrentHashMap`是Java并发编程中不可或缺的线程安全哈希表实现。它通过精巧的锁机制和无锁算法显著提升了并发性能。本文首先介绍了早期版本中使用的“段”结构,每个段是一个带有独立锁的小型哈希表,能够减少线程间竞争并支持动态扩容以应对高并发场景。随后探讨了JDK 8的重大改进:取消段的概念,采用更细粒度的锁控制,并引入`Node`等内部类以及CAS操作,有效解决了哈希冲突并实现了高性能的并发访问。这些设计使得`ConcurrentHashMap`成为构建高效多线程应用的强大工具。
53 2