Java并发包（JUC）之`ConcurrentHashMap`深度解析

最新推荐文章于 2025-11-24 14:38:27 发布

原创最新推荐文章于 2025-11-24 14:38:27 发布 · 998 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#java #开发语言

JUC并发包专栏收录该内容

59 篇文章

订阅专栏

Java并发包（JUC）之`ConcurrentHashMap`深度解析

ConcurrentHashMap是Java并发包（java.util.concurrent）中提供的线程安全哈希表实现，专为多线程环境设计，旨在解决HashMap非线程安全和Hashtable性能低下的问题。本文从数据结构、并发控制、性能优化、适用场景及代码示例等维度，对其核心机制进行全面解析。

一、数据结构演进

1. JDK 1.7：分段锁（Segment）

分段设计：将哈希表划分为多个Segment段，每个段独立加锁，互不干扰。
段内结构：每个段本质是一个小型哈希表，包含HashEntry数组，冲突时使用链表存储。
锁粒度：锁的粒度为段级别，默认16个段，支持16线程并发写（需合理设置并发级别）。

2. JDK 1.8+：CAS + `synchronized` + 红黑树

去分段化：取消Segment，直接使用Node数组存储数据，锁粒度细化到哈希桶（Bucket）。
链表转红黑树：当链表长度≥8且桶数量≥64时，转换为红黑树，优化最坏情况查询性能（O(n) → O(log n)）。
扩容优化：支持多线程并发迁移数据，按桶逐步迁移，避免全表锁定。

二、并发控制机制

1. 写操作同步

JDK 1.7：通过ReentrantLock锁定整个段，保证线程安全。
JDK 1.8+：
- CAS操作：无锁插入新节点（如casTabAt方法）。
- synchronized锁定桶头：当CAS失败或修改现有节点时，锁定当前桶的首节点。

2. 读操作无锁

volatile保证可见性：通过volatile修饰的Node数组和节点值，确保读操作无需加锁即可获取最新数据。

3. 扩容机制

分段迁移（JDK 1.8+）：
1. 创建新数组（容量翻倍）。
2. 多线程协作迁移数据，每个线程负责部分桶的迁移。
3. 迁移过程中，旧数组仍可读写，通过ForwardingNode指向新数组。

三、性能特点

特性	描述	优势场景
高并发读写	写操作通过细粒度锁或CAS减少竞争，读操作无锁	写多读少或读写混合场景
自动扩容	负载因子（默认0.75）触发扩容，支持并发迁移，减少性能波动	数据量动态变化的场景
红黑树优化	链表过长时转为红黑树，提升查询效率	高冲突场景（如大量哈希碰撞）
迭代器弱一致性	迭代器不保证反映最新状态，但不会抛出`ConcurrentModificationException`	容忍短暂数据不一致的遍历操作

四、适用场景

高并发计数器：如网站访问量、API调用次数统计。

ConcurrentHashMap<String, AtomicInteger> counterMap = new ConcurrentHashMap<>();
counterMap.computeIfAbsent("api_calls", k -> new AtomicInteger(0)).incrementAndGet();

缓存系统：存储频繁访问的数据，减少数据库压力。

ConcurrentHashMap<String, String> cache = new ConcurrentHashMap<>();
cache.put("user:1", "Alice");
String value = cache.get("user:1");

实时数据处理：如日志聚合、传感器数据收集。

ConcurrentHashMap<String, List<Double>> sensorData = new ConcurrentHashMap<>();
sensorData.computeIfAbsent("sensor_1", k -> new ArrayList<>()).add(25.6);

五、代码示例

1. 基础用法

ConcurrentHashMap<String, Integer> map = new ConcurrentHashMap<>();
map.put("key", 1);
int value = map.getOrDefault("key", 0);
map.computeIfAbsent("new_key", k -> 42); // 原子性插入或返回

2. 高级特性：红黑树转换

// 模拟哈希碰撞，插入8个元素触发链表转红黑树
for (int i = 0; i < 8; i++) {
    map.put("key_" + i, i);
}
// 此时底层结构已转为红黑树，查询效率提升

3. 并发计数器

ConcurrentHashMap<String, LongAdder> concurrentCounter = new ConcurrentHashMap<>();
concurrentCounter.computeIfAbsent("requests", k -> new LongAdder()).increment();
long count = concurrentCounter.get("requests").longValue();

六、与其它Map实现对比

对比项	`ConcurrentHashMap`	`Hashtable`	`SynchronizedMap`
锁粒度	细粒度（段/桶）	全局锁	全局锁
读操作性能	无锁，高吞吐	加锁，低吞吐	加锁，低吞吐
写并发度	高（分段/桶级并发）	低（全局串行化）	低（全局串行化）
空值支持	允许`null`键值	不允许`null`	不允许`null`
迭代器一致性	弱一致性（不阻塞写）	强一致性（阻塞写）	强一致性（阻塞写）

七、最佳实践

初始化参数调优：
- 根据场景设置初始容量和负载因子，避免频繁扩容。
- 合理设置并发级别（JDK 1.7），JDK 1.8+无需显式设置。
避免复合操作：
- 使用putIfAbsent、computeIfAbsent等原子方法替代get+put组合。
监控与调优：
- 监控负载因子、哈希桶分布，及时调整容量。
- 使用size()方法时注意其近似性，精确统计需遍历所有段（JDK 1.7）或累加计数器（JDK 1.8）。
迭代器安全：
- 迭代过程中允许修改，但需容忍数据不一致。
- 需强一致性时，先复制数据再迭代（如new ArrayList<>(map.entrySet())）。