深度解析 ConcurrentHashMap：从源码到实战

JDK 1.8 桶级锁 + CAS，抛弃 Segment，直接 synchronized 锁单个首节点，冲突时才加锁；扩容时多线程协同迁移，CPU 利用率拉满。

一、前言

类	线程安全	并发度	备注
HashMap	×	——	最快，但多线程下 CPU 100% 死循环曾坑哭无数码农
Hashtable	√	低	全表一把锁，基本等同于串行
Collections.synchronizedMap	√	低	同上，只是包装器
ConcurrentHashMap	√	极高	分段/桶级锁 + CAS，读写可并行，扩容亦并发

结论：并发场景下，CHM 是唯一“能扛流量又能打”的哈希表实现。

二、数据结构演进史

1. JDK 1.5 分段锁（Segment）16 个可重入锁，理论并发度 16。
2. JDK 1.8 桶级锁 + CAS抛弃 Segment，直接 synchronized 锁单个首节点，冲突时才加锁；扩容时多线程协同迁移，CPU 利用率拉满。

三、JDK 1.8 核心成员变量速览

// 位标识
staticfinalint MOVED     = -1; // ForwardingNode
staticfinalint TREEBIN   = -2; // 红黑树根
staticfinalint RESERVED  = -3; // computeIfAbsent 占位

transientvolatile Node<K,V>[] table;      // 主哈希桶
privatetransientvolatile Node<K,V>[] nextTable; // 扩容目标数组
privatetransientvolatilelong baseCount; // 无冲突时直接累加
privatetransientvolatileint sizeCtl;    // 控制标识：负数=正在扩容/-1=初始化/n=扩容阈值

四、put 流程（含并发控制）

1. 空表首次初始化通过 CAS 将 sizeCtl 从 0 改为 -1，单线程建表，其余线程 Thread.yield() 自旋等待。
2. 计算哈希spread(key.hashCode()) 再散列，减少哈希碰撞。
3. 定位桶(n - 1) & hash，与 HashMap 一致。
4. 桶为空CAS 插入新节点，失败则自旋。
5. 桶非空首节点 hash == MOVED → 帮忙扩容 (helpTransfer)。否则 synchronized 锁定首节点，再按链表/红黑树逻辑插入或更新。
6. 计数 + 检查扩容addCount(1L, binCount)，若超过 sizeCtl 则触发 transfer。

五、get 流程——全程无锁

1. 计算哈希定位桶。
2. 首节点匹配直接返回。
3. 红黑树则按树查找；链表顺序遍历。
4. 遇到 ForwardingNode 去 nextTable 重新查找。

可见性保障：Node.val 用 volatile 修饰；扩容时旧表只读，新表发布前通过 Unsafe 的 volatile 写保证。

六、扩容（transfer）——多线程协同搬运

1. 步长 stride根据 CPU 核数计算每次迁移的桶数（最小 16），减少竞争。
2. 全局进度索引 transferIndex从高位往低位分配任务包，CAS 抢占。
3. 搬运算法对单个桶加 synchronized，构建新链表/树，插入到新表，旧桶头插 ForwardingNode 占位。
4. 帮助扩容插入时发现 MOVED，当前线程领取stride步任务，加快迁移。

七、线程安全计数器

• baseCount：无竞争时直接累加。
• **CounterCell[]**：高并发时分散到数组，类似 LongAdder，最终 sumCount() 汇总。

八、红黑树与链表互转阈值

方向	阈值	说明
链表 → 树	8	且桶总数 ≥ 64，否则优先扩容
树 → 链表	6	删除节点后检查

九、实战踩坑指南

1. 复合操作非原子

if (!map.containsKey(k)) map.put(k, v); // 仍有竞态

正确姿势：putIfAbsent(k, v) 或 computeIfAbsent。

1. 遍历一致性Iterator 弱一致性：创建后其他线程增删改不抛 ConcurrentModificationException，但未必可见。
2. 自定义对象作为 key必须保证不可变且正确实现 hashCode/equals，否则扩容前后定位桶不一致导致“幽灵丢失”。
3. 批量操作forEach、search、reduce 支持并行化，可指定 parallelismThreshold，在大数据量场景比串行循环快 2~3 倍。

十、性能压测对比（1.8 vs 1.7 vs Hashtable）

测试场景：32 线程，各执行 1 千万次 put。

实现	耗时 (ms)	吞吐量 (ops/us)
Hashtable	28 000	0.36
CHM 1.7	4 100	2.44
CHM 1.8	2 300	4.35

结论：1.8 桶级锁 + 协同扩容，比 1.7 分段锁再提 45%+。

十一、面试高频追问

1. 为什么 1.8 放弃 Segment？粒度太粗，且维护 16 个数组指针占用内存；桶级锁已能满足极高并发。
2. synchronized 性能差？1.8 对 synchronized 做了大量偏向锁/轻量锁优化，锁定时间极短（仅链表/树操作），CAS 失败概率低。
3. CAS 自旋浪费 CPU？仅在空桶写入失败时自旋，冲突概率极低；扩容帮忙机制反而提升吞吐。
4. 与 ConcurrentSkipListMap 区别？后者基于跳表，保证有序但 O(log n)；CHM 无序 O(1)，并发度更高。

AI大模型学习福利

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

四、AI大模型商业化落地方案

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量