谈谈ConcurrentHashMap1.7和1.8的不同实现

ConcurrentHashMap

在多线程环境下，使用HashMap进行put操作时存在丢失数据的情况，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ConcurrentHashMap1.7和1.8的不同实现进行分析。

1.7实现

数据结构

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：

1 2 3 4 5

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。

put实现

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；

size实现

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：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

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实现

数据结构

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：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

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; }

put实现

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；

1 2 3 4

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；

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

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；

1 2 3 4 5 6 7 8 9

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；

1 2 3 4 5 6 7

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；

size实现

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：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

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：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

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；

1 2	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：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

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；