简介
我们知道，HashMap并不是线程安全的，要使用线程安全的HashMap，可以用HashTable或者通过Collections.synchronizedMap方法来获取一个线程安全的Map，但是这两种线程安全的Map都是使用synchronized来保证线程安全，因此，在多线程竞争激烈的情况下，它们的效率非常低。因为当一个线程访问synchronized同步方法时，其他线程访问Map，可能会进入阻塞或轮询状态。因此，就有了ConcurrentHashMap的登场机会。
在JDK 1.7及之前的版本中，ConcurrentHashMap的实现采用了锁分段技术
锁分段技术
HashTable容器在竞争激烈的并发环境下表现出效率低下的原因，是因为所有访问HashTable的线程都必须竞争同一把锁，那假如容器里有多把锁，每一把锁用于锁容器其中一部分数据，那么当多线程访问容器里不同数据段的数据时，线程间就不会存在锁竞争，从而可以有效的提高并发访问效率，这就是ConcurrentHashMap所使用的锁分段技术，首先将数据分成一段一段的存储，然后给每一段数据配一把锁，当一个线程占用锁访问其中一个段数据的时候，其他段的数据也能被其他线程访问。
简单理解就是，ConcurrentHashMap是一个Segment数组，Segment通过继承ReentrantLock来进行加锁，所以每次需要加锁的操作锁住的是一个segment，这样只要保证每个segment是线程安全的，也就实现了全局的线程安全。
而在JDK 1.8中，ConcurrentHashMap的实现摒弃了锁分段技术，而是采用CAS+synchronized来保证线程安全，同时，其底层的数据结构也从Segment数组变为Node数组+链表+红黑树的实现方式。
我们下面先简单介绍一下JDK 1.7中ConcurrentHashMap的实现方式，然后再来仔细分析JDK 1.8的实现。
JDk 1.7版本的ConcurrentHashMap
JDk 1.7版本的ConcurrentHashMap的整体结构图如下：
ConcurrentHashMap中的Segment[]数组默认容量为16，即并发度为16，其实每个Segment内部很像之前介绍的HashMap，但是它只有链表，没有红黑树的实现。
ConcurrentHashMap有如下五个构造方法：
public ConcurrentHashMap(int initialCapacity, float loadFactor, int concurrencyLevel) {
// 判断初始容量、负载因子和并发度的合法性
// 初始容量、负载因子和并发度分别默认为16、0.75、16
if (!(loadFactor > 0) || initialCapacity < 0 || concurrencyLevel <= 0)
throw new IllegalArgumentException();
// 判断并发度是否超过了最大值MAX_SEGMENTS，MAX_SEGMENTS = 1 << 16
if (concurrencyLevel > MAX_SEGMENTS)
concurrencyLevel = MAX_SEGMENTS;
// Find power-of-two sizes best matching arguments
// 为了能够通过按位与的散列算法来定位Segment数组的索引，必须要保证Segment数组的长度是2的整数次幂，即要保证并发度是2的整数次幂
int sshift = 0;
int ssize = 1;
while (ssize < concurrencyLevel) {
++sshift;
ssize <<= 1;
}
// sshift是ssize从1向左移位的次数。默认情况下，concurrencyLevel是16，则sshift是4
// segmentShift用于定位参与散列运算的位数，默认为28
this.segmentShift = 32 - sshift;
// segmentMask是散列运算的掩码，segmentMask = 并发度 - 1，默认为15
this.segmentMask = ssize - 1;
// initialCapacity是整个map的初始大小
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 根据initialCapacity计算Segment数组中每个位置可以分到的大小
int c = initialCapacity / ssize;
if (c * ssize < initialCapacity)
++c;
// 默认MIN_SEGMENT_TABLE_CAPACITY是2，插入一个元素不至于扩容，插入第二个的时候才会扩容
int cap = MIN_SEGMENT_TABLE_CAPACITY;
while (cap < c)
cap <<= 1;
// create segments and segments[0]
// 创建Segment数组以及segments[0]
Segment<K,V> s0 =
new Segment<K,V>(loadFactor, (int)(cap * loadFactor),
(HashEntry<K,V>[])new HashEntry[cap]);
Segment<K,V>[] ss = (Segment<K,V>[])new Segment[ssize];
// 往数组写入segment[0]
UNSAFE.putOrderedObject(ss, SBASE, s0); // ordered write of segments[0]
this.segments = ss;
}
public ConcurrentHashMap(int initialCapacity, float loadFactor) {
this(initialCapacity, loadFactor, DEFAULT_CONCURRENCY_LEVEL);
}
public ConcurrentHashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR, DEFAULT_CONCURRENCY_LEVEL);
}
public ConcurrentHashMap() {
this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR, DEFAULT_CONCURRENCY_LEVEL);
}
public ConcurrentHashMap(Map<? extends K, ? extends V> m) {
this(Math.max((int) (m.size() / DEFAULT_LOAD_FACTOR) + 1,
DEFAULT_INITIAL_CAPACITY),
DEFAULT_LOAD_FACTOR, DEFAULT_CONCURRENCY_LEVEL);
putAll(m);
}从构造方法中可以看到，ConcurrentHashMap初始化的时候会初始化第一个槽segment[0]，对于其他槽来说，在插入第一个值的时候进行初始化。初始化其他segment的方法为ensureSegment方法。
ensureSegment初始化其他segment
ensureSegment方法源码如下：
private Segment<K,V> ensureSegment(int k) {
final Segment<K,V>[] ss = this.segments;
long u = (k << SSHIFT) + SBASE; // raw offset
Segment<K,V> seg;
if ((seg = (Segment<K,V>)UNSAFE.getObjectVolatile(ss, u)) == null) {
// 使用segment[0]当做原型，根据其数组长度和负载因子来初始化其他segment
Segment<K,V> proto = ss[0]; // use segment 0 as prototype
int cap = proto.table.length;
float lf = proto.loadFactor;
int threshold = (int)(cap * lf);
// 初始化segment[k]内部的数组
HashEntry<K,V>[] tab = (HashEntry<K,V>[])new HashEntry[cap];
if ((seg = (Segment<K,V>)UNSAFE.getObjectVolatile(ss, u))
== null) { // recheck
Segment<K,V> s = new Segment<K,V>(lf, threshold, tab);
// 使用while循环，内部用CAS，当前线程成功设值或其他线程成功设值后退出
while ((seg = (Segment<K,V>)UNSAFE.getObjectVolatile(ss, u))
== null) {
if (UNSAFE.compareAndSwapObject(ss, u, null, seg = s))
break;
}
}
}
return seg;
}这个方法主要作用就是获取下标为k的segment，若是对应槽位不存在，则进行初始化，方法中也注释了为什么需要先初始化segment[0]，因为需要根据segment[0]的数组长度和负载因子来初始化其他槽位。那怎么定位元素对应的segment的下标呢？我们下面来看一下。
定位segment
既然ConcurrentHashMap使用分段锁来保护不同段的数据，那么在插入和获取元素的时候，必须先通过散列算法定位到segment，可以看到ConcurrentHashMap会首先使用Wang/Jenkins hash的变种算法对键值key进行一次再散列：
private int hash(Object k) {
int h = hashSeed;
if ((0 != h) && (k instanceof String)) {
return sun.misc.Hashing.stringHash32((String) k);
}
h ^= k.hashCode();
// Spread bits to regularize both segment and index locations,
// using variant of single-word Wang/Jenkins hash.
h += (h << 15) ^ 0xffffcd7d;
h ^= (h >>> 10);
h += (h << 3);
h ^= (h >>> 6);
h += (h << 2) + (h << 14);
return h ^ (h >>> 16);
}之所以要进行再散列，是为了减少散列冲突，使元素能够均匀地分布在不同的segment中，从而提高存取效率。计算出key的散列值之后，然后通过下述代码来计算元素对应的segment下标：
int j = (hash >>> segmentShift) & segmentMask;我们前面已经讲到，在默认情况下，segmentShift为28，segmentMask为15，hash向右无符号移动28位，是为了能够让高四位参与到散列运算中。
扩容操作
在添加元素时，通过上述步骤已经计算出了segment的下标，然后在对应segment里进行插入操作。插入操作需要经历两个步骤，第一步是判断是否需要对segment里的HashEntry数组进行扩容，第二部是定位添加元素的位置，然后将其放在HashEntry数组中。
在插入元素前会先判断HashEntry数组是否超过容量，如果是的话，则要进行扩容，segment的扩容操作比HashMap的扩容操作更加恰当，因为HashMap是在插入元素之后判断是否需要扩容，但是很有可能扩容之后没有新元素插入，那这时HashMap就进行了一次无效的扩容。
segment的扩容操作是通过Segment类中的rehash方法来完成的：
private void rehash(HashEntry<K,V> node) {
HashEntry<K,V>[] oldTable = table;
int oldCapacity = oldTable.length;
// 容量扩大为以前的2倍
int newCapacity = oldCapacity << 1;
threshold = (int)(newCapacity * loadFactor);
// 创建新数组
HashEntry<K,V>[] newTable =
(HashEntry<K,V>[]) new HashEntry[newCapacity];
// 新的掩码
int sizeMask = newCapacity - 1;
// 遍历原数组，将原数组位置i处的链表拆分到新数组位置为i和i + oldCap的两个位置
for (int i = 0; i < oldCapacity ; i++) {
HashEntry<K,V> e = oldTable[i];
if (e != null) {
HashEntry<K,V> next = e.next;
// 计算应该放置在新数组中的位置
int idx = e.hash & sizeMask;
// 该位置只有一个元素
if (next == null) // Single node on list
newTable[idx] = e;
else { // Reuse consecutive sequence at same slot
HashEntry<K,V> lastRun = e;
// idx是当前链表的头结点e的新位置
int lastIdx = idx;
// 下面这个for循环会找到一个lastRun节点，这个节点之后的所有元素是将要放到一起的
for (HashEntry<K,V> last = next;
last != null;
last = last.next) {
int k = last.hash & sizeMask;
if (k != lastIdx) {
lastIdx = k;
lastRun = last;
}
}
// 将lastRun及其之后的所有节点组成的这个链表放到lastIdx这个位置
newTable[lastIdx] = lastRun;
// Clone remaining nodes
// 下面的操作是处理lastRun之前的节点，
// 这些节点可能分配在另一个链表中，也可能分配到上面的那个链表中
for (HashEntry<K,V> p = e; p != lastRun; p = p.next) {
V v = p.value;
int h = p.hash;
int k = h & sizeMask;
HashEntry<K,V> n = newTable[k];
newTable[k] = new HashEntry<K,V>(h, p.key, v, n);
}
}
}
}
// 将新来的node放到新数组中两个链表之一的头部
int nodeIndex = node.hash & sizeMask; // add the new node
node.setNext(newTable[nodeIndex]);
newTable[nodeIndex] = node;
table = newTable;
}可以看到，在扩容的时候，首先会创建一个容量是原来容量两倍的数组，然后将原数组里的元素进行再散列后插入到新的数组里。为了高效，ConcurrentHashMap不会对整个容器进行扩容，而只对某个segment进行扩容。
size操作
如果要统计整个ConcurrentHashMap里元素的数目，就必须统计所有segment里元素的数目，然后求和。Segment类中有一个count变量来记录对应segment里元素的数目，那是不是直接相加所有segment的count就可以了呢？不是的，我们在求和的时候，有可能有segment中元素的数目发生了变化，导致结果不准确。所以，最安全的做法就是在统计时，把所有segment的put、remove和clean方法都锁住，但是这种做法显然非常低效。
因为在累加count的过程中，count发生变化的概率比较小，所以ConcurrentHashMap的做法是先尝试2次通过不加锁的方式来计算各个segment的大小，若统计过程中，容器的count发生了变化，则再采用加锁的方式来统计所有segment的大小。
那ConcurrentHashMap是怎么判断在统计过程中容器是否发生变化呢？答案就是使用modCount变量，在put、remove、clean方法里操作元素前都会将modCount加1，那么在统计size前后比较modCount是否发生变化，就可以知道容器大小是否发生变化。
那我们来看看ConcurrentHashMap的size()方法源码：
public int size() {
final Segment<K,V>[] segments = this.segments;
int size;
boolean overflow; // true if size overflows 32 bits
// 各个segment的modCount的和
long sum; // sum of modCounts
// 上一次计算得出的结果
long last = 0L; // previous sum
// 重试次数
int retries = -1; // first iteration isn't retry
try {
for (;;) {
// 重试次数是否达到了RETRIES_BEFORE_LOCK，RETRIES_BEFORE_LOCK = 2
if (retries++ == RETRIES_BEFORE_LOCK) {
// 重试次数已经达到了RETRIES_BEFORE_LOCK，则依次获取各个segment上的锁
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) {
// 计算modCount的和
sum += seg.modCount;
int c = seg.count;
// 计算count的累加和
if (c < 0 || (size += c) < 0)
overflow = true;
}
}
// 若计算的结果和上次结果相同，则直接退出循环
if (sum == last)
break;
last = sum;
}
} finally {
// 最终，若在计算size的过程中，获取了所有segment的锁，那在这里要释放所有的锁
if (retries > RETRIES_BEFORE_LOCK) {
for (int j = 0; j < segments.length; ++j)
segmentAt(segments, j).unlock();
}
}
return overflow ? Integer.MAX_VALUE : size;
}需要注意的是，在计算size的时候，在获取所有segment的锁之前，计算了三次size值，因为第一次是没有历史值与它比较的，而且，后面最多还要2次通过不加锁的方式来计算各个segment的大小，所以在获取所有segment的锁之前，计算了三次size值。
关于JDK 1.7版本ConcurrentHashMap的实现方式就介绍到这里，下面我们来看JDK 1.8版本中实现的ConcurrentHashMap。
JDk 1.8版本的ConcurrentHashMap
JDk 1.8版本的的ConcurrentHashMap整体结构图如下：
JDk 1.8版本的的ConcurrentHashMap整体结构和HashMap几乎一样，不过它要保证线程安全性，所以在源码上确实要复杂一些。
ConcurrentHashMap有如下五个构造方法：
// table默认大小为16
public ConcurrentHashMap() {
}
// 初始化容量为 >= 1.5 * initialCapacity + 1计算出的2的整数次幂
public ConcurrentHashMap(int initialCapacity) {
if (initialCapacity < 0)
throw new IllegalArgumentException();
int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1));
this.sizeCtl = cap;
}
// 创建一个和输入参数map映射一样的map
public ConcurrentHashMap(Map<? extends K, ? extends V> m) {
this.sizeCtl = DEFAULT_CAPACITY;
putAll(m);
}
public ConcurrentHashMap(int initialCapacity, float loadFactor) {
this(initialCapacity, loadFactor, 1);
}
public ConcurrentHashMap(int initialCapacity,
float loadFactor, int concurrencyLevel) {
if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0)
throw new IllegalArgumentException();
if (initialCapacity < concurrencyLevel) // Use at least as many bins
initialCapacity = concurrencyLevel; // as estimated threads
// 根据initialCapacity和loadFactor来计算size
long size = (long)(1.0 + (long)initialCapacity / loadFactor);
// 初始化容量应该为不小于size的2的整数次幂
int cap = (size >= (long)MAXIMUM_CAPACITY) ?
MAXIMUM_CAPACITY : tableSizeFor((int)size);
this.sizeCtl = cap;
}在ConcurrentHashMap的构造方法中，并没有初始化table（除了第三个构造方法，调用了putAll来初始化），table的初始化发生在第一次插入操作，默认大小为16的数组，在ConcurrentHashMap中，元素都被封装为了Node对象：
static class Node<K,V> implements Map.Entry<K,V> {
// 节点的哈希值
final int hash;
// 键
final K key;
// 值
volatile V val;
// 下一节点
volatile Node<K,V> next;
Node(int hash, K key, V val, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.val = val;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return val; }
public final int hashCode() { return key.hashCode() ^ val.hashCode(); }
public final String toString(){ return key + "=" + val; }
public final V setValue(V value) {
throw new UnsupportedOperationException();
}
public final boolean equals(Object o) {
Object k, v, u; Map.Entry<?,?> e;
return ((o instanceof Map.Entry) &&
(k = (e = (Map.Entry<?,?>)o).getKey()) != null &&
(v = e.getValue()) != null &&
(k == key || k.equals(key)) &&
(v == (u = val) || v.equals(u)));
}
Node<K,V> find(int h, Object k) {
Node<K,V> e = this;
if (k != null) {
do {
K ek;
if (e.hash == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
} while ((e = e.next) != null);
}
return null;
}
}我们前面介绍过，ConcurrentHashMap中除了链表，还有红黑树，红黑树节点为TreeNode类型：
static final class TreeNode<K,V> extends Node<K,V> {
// 父节点
TreeNode<K,V> parent; // red-black tree links
// 左子节点
TreeNode<K,V> left;
// 右子节点
TreeNode<K,V> right;
// 删除节点时，需要断开链接，这个节点记录了删除节点的前一个节点
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next,
TreeNode<K,V> parent) {
super(hash, key, val, next);
this.parent = parent;
}
Node<K,V> find(int h, Object k) {
return findTreeNode(h, k, null);
}
final TreeNode<K,V> findTreeNode(int h, Object k, Class<?> kc) {
if (k != null) {
TreeNode<K,V> p = this;
do {
int ph, dir; K pk; TreeNode<K,V> q;
TreeNode<K,V> pl = p.left, pr = p.right;
if ((ph = p.hash) > h)
p = pl;
else if (ph < h)
p = pr;
else if ((pk = p.key) == k || (pk != null && k.equals(pk)))
return p;
else if (pl == null)
p = pr;
else if (pr == null)
p = pl;
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
p = (dir < 0) ? pl : pr;
else if ((q = pr.findTreeNode(h, k, kc)) != null)
return q;
else
p = pl;
} while (p != null);
}
return null;
}
}下面，我们来看ConcurrentHashMap中的一些关键静态属性：
// 最大容量（必须是2的幂且小于2的30次方，传入容量过大将被这个值替换）
private static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认容量16
private static final int DEFAULT_CAPACITY = 16;
// 数组最大长度，在toArray等相关方法中用到
static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
// 默认并发级别，已经不再使用的字段，之所以还存在只是为了和之前的版本兼容
private static final int DEFAULT_CONCURRENCY_LEVEL = 16;
// 此表的加载因子。在构造函数中重写此值只会影响初始表的容量，而不会使用实际的浮点值
private static final float LOAD_FACTOR = 0.75f;
// 添加当前元素，bin中元素个数若为8，则将链表转为红黑树
static final int TREEIFY_THRESHOLD = 8;
// bin中元素个数若为6个，则将红黑树转为链表
static final int UNTREEIFY_THRESHOLD = 6;
// table转为红黑树的阈值，此值最小为4*TREEIFY_THRESHOLD，默认为64
static final int MIN_TREEIFY_CAPACITY = 64;
// table扩容时，bin转移个数，最小为默认的DEFAULT_CAPACITY=16
// 因为扩容时，可以多个线程同时操作，所以16个bin会被分配给多个的线程进行转移
private static final int MIN_TRANSFER_STRIDE = 16;
// 用来控制扩容时，单线程进入的变量
private static int RESIZE_STAMP_BITS = 16;
// resize时的线程最大个数
private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1;
// 用来控制扩容，单线程进入的变量
private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;
// 节点hash域的编码
static final int MOVED = -1; // hash for forwarding nodes
static final int TREEBIN = -2; // hash for roots of trees
static final int RESERVED = -3; // hash for transient reservations
static final int HASH_BITS = 0x7fffffff; // usable bits of normal node hash
// 当前可用cpu数量
static final int NCPU = Runtime.getRuntime().availableProcessors();很多静态变量都与HashMap中的变量相似。同时，ConcurrentHashMap还有如下几个成员变量：
// Node数组，该变量只有在第一次插入元素时才会初始化
transient volatile Node<K，V>[] table;
// resize时用到的临时table，只有在resize时才不为null
private transient volatile Node<K，V>[] nextTable;
// 基本计数器值，主要用于没有争用时，也可作为表初始化期间的后备，通过CAS更新。
private transient volatile long baseCount;
/**
* 用于控制table初始化和resize的一个变量
* 值为负数：table正在初始化or正在resize
* sizeCtl = -1：正在初始化;
* sizeCtl = -(1 + n)：当前有n个线程正在进行resize;
* 当table未初始化时，保存创建时使用的初始表大小，或默认为0
* 初始化后，保存下一个要调整table大小的元素计数值
*/
private transient volatile int sizeCtl;
// resize时，next table的索引+1，用于分割
private transient volatile int transferIndex;
//在调整大小和/或创建CounterCells时使用的自旋锁（通过CAS锁定）
private transient volatile int cellsBusy;
//这是一个计数器数组，用于保存table中每一下标对应的节点个数
private transient volatile CounterCell[] counterCells;ConcurrentHashMap中的有些变量我们都不知道有什么作用，不过没关系，我们继续来看ConcurrentHashMap的源码，在源码分析过程中来解释部分变量的作用。
我们下面来看ConcurrentHashMap的几个关键方法：put方法、get方法和remove方法。
put方法
该方法很简单：
public V put(K key, V value) {
return putVal(key, value, false);
}put方法直接调用了putVal方法：
final V putVal(K key, V value, boolean onlyIfAbsent) {
// 若key或value为null，则直接抛出NullPointerException异常
if (key == null || value == null) throw new NullPointerException();
// 计算节点的hash值
int hash = spread(key.hashCode());
// 用来记录相应链表的长度
int binCount = 0;
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
// 如果table数组为null或长度为0，则对数组进行初始化
if (tab == null || (n = tab.length) == 0)
tab = initTable();
// 否则，按照hash值对应的数组下标，得到第一个节点f
// 若f为null，则通过CAS将该节点设置为对应下标的首节点
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
}
// 若果f节点的hash值为MOVED，此时表示数组在扩容，则帮助数据迁移
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
else {
V oldVal = null;
// 获取数组该位置的头结点的监视器锁
synchronized (f) {
if (tabAt(tab, i) == f) {
// 头结点的hash值大于0，说明是链表，因为红黑树的根节点hash值是TREEBIN（-2）
if (fh >= 0) {
// 用于累加，记录链表的长度
binCount = 1;
// 遍历链表
for (Node<K,V> e = f;; ++binCount) {
K ek;
// 如果发现了"相等"的key，判断是否要进行值覆盖
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
// put方法传入的onlyIfAbsent默认为false，即可以覆盖
if (!onlyIfAbsent)
e.val = value;
break;
}
// 到了链表的末尾，将新节点放到链表的最后面
Node<K,V> pred = e;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
// 否则，头结点为红黑树节点
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
// 调用红黑树的putTreeVal方法插入新节点
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
// 插入节点后，检查数组对应下标的节点个数是否 >= TREEIFY_THRESHOLD，如果是，则由链表转为红黑树
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
// 更新元素数目
addCount(1L, binCount);
return null;
}put方法的主流程看完了，但是putVal方法中还调用到了一些其他方法，我们来看一下。
首先是计算节点hash值的spread(int)方法
spread(int)方法
static final int spread(int h) {
// HASH_BITS = 0x7fffffff
return (h ^ (h >>> 16)) & HASH_BITS;
}为什么采用h ^ (h >>> 16)的方式来计算hash值，前面我们介绍HashMap时，已经做了解释，这里不再叙述。计算出来的hash值还要和HASH_BITS进行与运算才是最终结果，为什么要进行与运算呢？HASH_BITS的值是0x7fffffff，一个整形数字与HASH_BITS进行与运算，其实就是将数字二进制表示的第一位设置为0，它这样做的目的是消除符号位的影响，因为在table中，有些节点的hash值是特定的负数，比如前面介绍到的节点的hash域编码：
static final int MOVED = -1; // hash for forwarding nodes
static final int TREEBIN = -2; // hash for roots of trees
static final int RESERVED = -3; // hash for transient reservations红黑树根节点的hash值是TREEBIN。
initTable()
initTable()是用来对table进行初始化的，我们来看源代码：
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
// 若table为null或者table的长度为0，则进行初始化操作
while ((tab = table) == null || tab.length == 0) {
// 若我们设置了初始容量，则在构造方法会设置sizeCtl的值，否则，sizeCtl为0
// 若sizeCtl小于0，则表明已经有其他线程在初始化
if ((sc = sizeCtl) < 0)
Thread.yield(); // lost initialization race; just spin
// 通过CAS操作将sizeCtl设置为-1，代表本线程来初始化，其他线程就不要初始化了
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
if ((tab = table) == null || tab.length == 0) {
// 获取table的初始容量
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
// 初始化数组
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
// 计算sc的值，其实sc = 0.75 * n
sc = n - (n >>> 2);
}
} finally {
// 设置sizeCtl为sc
sizeCtl = sc;
}
break;
}
}
return tab;
}helpTransfer方法我们后面再介绍，下面先看treeifyBin方法。
treeifyBin方法
private final void treeifyBin(Node<K,V>[] tab, int index) {
Node<K,V> b; int n, sc;
if (tab != null) {
// MIN_TREEIFY_CAPACITY = 64
// 如果数组长度小于64，则会进行数组扩容
if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
// 扩容
tryPresize(n << 1);
// 否则，b为index对应链表的首节点
else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
// 获取b的监视器锁
synchronized (b) {
if (tabAt(tab, index) == b) {
TreeNode<K,V> hd = null, tl = null;
// 下面就是遍历链表，建立一颗红黑树
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;
}
// 将红黑树设置到数组相应位置中
setTabAt(tab, index, new TreeBin<K,V>(hd));
}
}
}
}
}从源码中我们知道，treeifyBin方法不一定就会进行红黑树转换，也可能是仅仅做数组扩容。扩容是通过tryPresize(int)方法来完成的，int参数就是扩容或的值，我们下面来看扩容操作。
tryPresize方法
// 首先要说明的是，方法参数size传进来的时候就已经翻倍了
private final void tryPresize(int size) {
// 尝试将table大小设定为1.5 * size + 1，以容纳元素
int c = (size >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY :
tableSizeFor(size + (size >>> 1) + 1);
int sc;
// 若sizeCtl < 0，则表明已经有其他线程在扩容
// 若sizeCtl >= 0，则本线程进行扩容
while ((sc = sizeCtl) >= 0) {
Node<K,V>[] tab = table; int n;
// 若table为null或者table的长度为0，则进行初始化操作
if (tab == null || (n = tab.length) == 0) {
n = (sc > c) ? sc : c;
// 通过CAS操作将sizeCtl设置为-1，代表本线程来初始化，其他线程就不要初始化了
if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
if (table == tab) {
@SuppressWarnings("unchecked")
// 创建新数组
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = nt;
// 计算sc的值，其实sc = 0.75 * n
sc = n - (n >>> 2);
}
} finally {
// 设置sizeCtl为sc
sizeCtl = sc;
}
}
}
// 若扩容值小于原阀值，或现有容量 >= 最大值，则直接退出
else if (c <= sc || n >= MAXIMUM_CAPACITY)
break;
// table不为空，且在此期间，其他线程没有修改table
else if (tab == table) {
// 返回table的扩容标记位
int rs = resizeStamp(n);
// 已经有线程在进行扩容工作
if (sc < 0) {
Node<K,V>[] nt;
// 条件1检查原容量为n的情况下进行扩容，保证sizeCtl与n是一块修改好的，
// 条件2与条件3在当前RESIZE_STAMP_BITS情况下应该不会成功。
// 条件4与条件5确保tranfer()中的nextTable相关初始化逻辑已走完。
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex <= 0)
break;
// 有新线程参与扩容则sizeCtl加1
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
transfer(tab, nt);
}
// 修改sizeCtl的值，开始扩容
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
}
}
}我们看到tryPresize方法中调用了一个叫做resizeStamp的方法，我们看一看这个方法做了什么事情：
static final int resizeStamp(int n) {
return Integer.numberOfLeadingZeros(n) | (1 << (RESIZE_STAMP_BITS - 1));
}这个方法会返回一个与table容量n大小有关的扩容标记，它的实现很简单，Integer.numberOfLeadingZeros(int n)方法是计算在n的二进制表示中，前面一共有多少个连续的0，然后将其与1 << (RESIZE_STAMP_BITS - 1)进行或运算。它这么做的意义是什么呢？我写了一段代码来验证该方法的作用：
private static int RESIZE_STAMP_BITS = 16;
private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;
public static void main(String[] args) throws UnsupportedEncodingException {
int size = 1 << 4;
int rs = resizeStamp(size);
formatPrintNum(rs);
int rs2 = (rs << RESIZE_STAMP_SHIFT) + 2;
formatPrintNum(rs2);
formatPrintNum(rs2 + 1);
}
static final int resizeStamp(int n) {
return Integer.numberOfLeadingZeros(n) | (1 << (RESIZE_STAMP_BITS - 1));
}
static void formatPrintNum(int n) {
String s = Integer.toBinaryString(n);
while (s.length() < 32) {
s = "0" + s;
}
s = s.substring(0, 16) + " | " + s.substring(16, 32);
System.out.println(s);
}运行结果：
0000000000000000 | 1000000000011011
1000000000011011 | 0000000000000010
1000000000011011 | 0000000000000011我把结果的输出分为了高16位和低16位。
假设table的容量为16，则通过resizeStamp方法计算出的扩容标记位是“1000000000011011”（只看低16位），(rs << RESIZE_STAMP_SHIFT) + 2（后面称为rs2）的值是“1000000000011011 | 0000000000000010”，rs2+1的值是“1000000000011011 | 0000000000000011”。
这个程序的目的是什么呢？
我们先来看rs2，rs2的值一直为负数，因为resizeStamp方法中(1 << (RESIZE_STAMP_BITS - 1))计算出来的值二进制表示为“1000000000000000”（低16位），通过或运算后得出的扩容标记位rs的二进制表示中，第17位一定为1，而rs2是通过rs左移RESIZE_STAMP_SHIFT计算得到的，则rs2的二进制表示中，最高位一定为1，即rs2的值一直为负数。
前面我们介绍了sizeCtl的作用，若rs2就是sizeCtl，那么sizeCtl表示什么呢？rs2不等于-1，那么sizeCtl的取值就只有下面一种情况了：
sizeCtl = -(1 + n)：当前有n个线程正在进行resize;rs2转成十进制表示是
-2145714174难道我们有2145714173个线程在做resize操作吗？肯定不是的。其实-(1 + n)中的(1 + n)只是sizeCtl的低16位了，rs2的低16位表示为十进制是2，即表示当前有1个线程在做resize操作，若有其他线程参与进来则，sizeCtl的值加1,。
通过上面的分析，我们知道，在扩容时sizeCtl的意义如下图所示：
高RESIZE_STAMP_BITS位 | 低RESIZE_STAMP_SHIFT位 |
扩容标记 | 并行扩容线程数 |
看懂上面的分析之后，那tryPresize方法后面的程序大部分都可以看懂了，不过我一直不清楚的是tryPresize方法中为什么还会有sc < 0的情况，外层不是通过while ((sc = sizeCtl) >= 0)循环进入的吗？既然能进入循环，那这个sc < 0是干嘛的。。。？？
该方法最后会调用transfer()来进行真正的扩容处理。
transfer方法
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
int n = tab.length, stride;
// stride在单核下直接等于n，多核模式下为(n >>> 3) / NCPU
// stride可以理解为“步长”，表示每个线程处理桶的最小数目，可以看出核数越高步长越小，最小值是最小分割并行段数MIN_TRANSFER_STRIDE（16）
if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
// 如果新数组nextTab为null，先进行一次初始化，长度为旧table的2倍
if (nextTab == null) { // initiating
try {
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];
nextTab = nt;
} catch (Throwable ex) { // try to cope with OOME
sizeCtl = Integer.MAX_VALUE;
return;
}
nextTable = nextTab;
transferIndex = n;
}
// 新table的长度
int nextn = nextTab.length;
// ForwardingNode就是正在被迁移的Node，ForwardingNode的hash值被设置成为了MOVED（-1），这个Node的key、value和next都为null
// 后面我们会看到，原数组中位置i处的节点完成迁移工作后
// 就会将位置i处的节点设置为这个ForwardingNode，用来告诉其他线程该位置已经处理过了
// 所以它其实相当于是一个标志
ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
// 并发扩容的关键属性，如果advance等于true，说明这个节点已经处理过，可以处理下一个位置的节点了
boolean advance = true;
boolean finishing = false; // to ensure sweep before committing nextTab
// i是位置索引，bound是边界，注意是从后往前
for (int i = 0, bound = 0;;) {
Node<K,V> f; int fh;
// 这个while循环体的作用就是在控制i--
// 通过i--可以依次遍历原hash表中的节点
// 可以简单理解为：i指向了transferIndex，bound指向了transferIndex - stride
while (advance) {
int nextIndex, nextBound;
if (--i >= bound || finishing)
advance = false;
else if ((nextIndex = transferIndex) <= 0) {
i = -1;
advance = false;
}
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex > stride ?
nextIndex - stride : 0))) {
// 确定当前线程每次分配的待迁移桶的范围[bound, nextIndex)
bound = nextBound;
i = nextIndex - 1;
advance = false;
}
}
if (i < 0 || i >= n || i + n >= nextn) {
int sc;
// 如果所有的节点都已经完成复制工作，就把nextTable赋值给table
if (finishing) {
nextTable = null;
table = nextTab;
// 重新计算sizeCtl，n是原数组长度，所以计算得出的值将是新数组长度的0.75倍
sizeCtl = (n << 1) - (n >>> 1);
return;
}
// 之前我们说过，sizeCtl在迁移前会设置为(rs << RESIZE_STAMP_SHIFT) + 2
// 然后，每有一个线程参与迁移就会将sizeCtl加1
// 这里使用CAS操作对sizeCtl减1，代表该线程做完了属于自己的任务
if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {
// 任务结束，方法退出
if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)
return;
// (sc - 2) == resizeStamp(n) << RESIZE_STAMP_SHIFT
// 这表明所有的线程都完成了迁移工作，设置finishing为true，下次循环就会运行上面的if(finishing){}分支了
finishing = advance = true;
i = n; // recheck before commit
}
}
// 如果位置i处是空的，没有任何节点，那么放入刚刚初始化的ForwardingNode节点
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
// 该位置处是ForwardingNode节点，代表该位置已经迁移过了
else if ((fh = f.hash) == MOVED)
advance = true; // already processed
else {
// 对数组该位置处的结点加锁，开始处理数组该位置处的迁移工作
synchronized (f) {
if (tabAt(tab, i) == f) {
Node<K,V> ln, hn;
// 头结点的hash值大于0，说明是链表节点
if (fh >= 0) {
// 下面这一段代码和JDK 1.7中的ConcurrentHashMap迁移差不多
int runBit = fh & n;
Node<K,V> lastRun = f;
for (Node<K,V> p = f.next; p != null; p = p.next) {
int b = p.hash & n;
if (b != runBit) {
runBit = b;
lastRun = p;
}
}
if (runBit == 0) {
ln = lastRun;
hn = null;
}
else {
hn = lastRun;
ln = null;
}
for (Node<K,V> p = f; p != lastRun; p = p.next) {
int ph = p.hash; K pk = p.key; V pv = p.val;
if ((ph & n) == 0)
ln = new Node<K,V>(ph, pk, pv, ln);
else
hn = new Node<K,V>(ph, pk, pv, hn);
}
// 将其中的一个链表放在新数组的位置i
setTabAt(nextTab, i, ln);
// 将另一个链表放在新数组的位置i + n
setTabAt(nextTab, i + n, hn);
// 将原数组该位置处设置为fwd，代表该位置已经处理完毕
// 其他线程一旦看到该位置的hash值为 MOVED，就不会进行迁移了
setTabAt(tab, i, fwd);
// advance设置为true，代表该位置已经迁移完毕
advance = true;
}
// 若头结点是红黑树节点，则进行红黑树的迁移
else if (f instanceof TreeBin) {
TreeBin<K,V> t = (TreeBin<K,V>)f;
TreeNode<K,V> lo = null, loTail = null;
TreeNode<K,V> hi = null, hiTail = null;
int lc = 0, hc = 0;
for (Node<K,V> e = t.first; e != null; e = e.next) {
int h = e.hash;
TreeNode<K,V> p = new TreeNode<K,V>
(h, e.key, e.val, null, null);
if ((h & n) == 0) {
if ((p.prev = loTail) == null)
lo = p;
else
loTail.next = p;
loTail = p;
++lc;
}
else {
if ((p.prev = hiTail) == null)
hi = p;
else
hiTail.next = p;
hiTail = p;
++hc;
}
}
// 如果一分为二后，节点数少于UNTREEIFY_THRESHOLD，那么将红黑树转换回链表
ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) :
(hc != 0) ? new TreeBin<K,V>(lo) : t;
hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) :
(lc != 0) ? new TreeBin<K,V>(hi) : t;
// 将ln放置在新数组的位置i
setTabAt(nextTab, i, ln);
// 将hn放置在新数组的位置i + n
setTabAt(nextTab, i + n, hn);
// 将原数组该位置处设置为fwd，代表该位置已经处理完毕
// 其他线程一旦看到该位置的hash值为 MOVED，就不会进行迁移了
setTabAt(tab, i, fwd);
// advance设置为true，代表该位置已经迁移完毕
advance = true;
}
}
}
}
}
}我们这里介绍一下ForwardingNode的作用，它主要有两个：
- 标明此节点已完成迁移
- 为方便扩容期间的元素查找需求，里面有find()方法可以从nextTable查找元素
下面来看helpTransfer方法。
helpTransfer方法
helpTransfer方法是用来帮助其他线程进行数据迁移的，源代码如下：
final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
Node<K,V>[] nextTab; int sc;
// 若tab不为null且首节点f是ForwardingNode节点，且f的nextTable不为null，即已经有其他线程在进行resize操作
if (tab != null && (f instanceof ForwardingNode) &&
(nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) {
// 计算扩容标记位
int rs = resizeStamp(tab.length);
// 扩容还没有完成
while (nextTab == nextTable && table == tab &&
(sc = sizeCtl) < 0) {
// 扩容结束
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || transferIndex <= 0)
break;
// 帮助数据迁移，因为多了一个迁移线程，所以要将sizeCtl加1
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
transfer(tab, nextTab);
break;
}
}
return nextTab;
}
return table;
}如果已经了解了前面介绍的方法，那这个方法就比较简单了。
扩容操作总结
- 单线程新建nextTable，扩容为原table容量的两倍。
- 每个线程想增/删元素时，如果访问的桶是ForwardingNode节点，则表明当前正处于扩容状态，协助一起扩容完成后再完成相应的数据更改操作。
- 扩容时将原table的所有桶倒序分配，每个线程每次最小分16个桶进行处理，防止资源竞争导致的效率下降， 每个桶的迁移是单线程的，但桶范围处理分配可以多线程，在没有迁移完成所有桶之前每个线程需要重复获取迁移桶范围，直至所有桶迁移完成。
- 一个旧桶内的数据迁移完成但迁移工作没有全部完成时，查询数据委托给ForwardingNode结点查询nextTable完成（这个后面看find()分析）。
- 迁移过程中sizeCtl用于记录参与扩容线程的数量，全部迁移完成后sizeCtl更新为新table的扩容阈值。
将元素添加到table中之后，put方法最后还要更新元素的个数，我们来看一下addCount方法。
addCount方法
// 增加节点个数，如果table太小而没有resize，则检查是否需要resize。如果已经调整大小，则可以帮助复制转移节点
// 转移后重新检查占用情况，以确定是否还需要调整大小，因为resize总是比put操作滞后
private final void addCount(long x, int check) {
CounterCell[] as; long b, s;
// 通过CAS操作更新baseCount
if ((as = counterCells) != null ||
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
// 若counterCells不为null或者更新baseCount失败
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))) {
// 调用fullAddCount方法进行初始化
fullAddCount(x, uncontended);
return;
}
if (check <= 1)
return;
s = sumCount();
}
// check就是binCount，有新元素加入成功才检查是否要扩容
if (check >= 0) {
Node<K,V>[] tab, nt; int n, sc;
// 元素数目大于当前扩容阈值并且小于最大扩容值才扩容，如果table还未初始化则等待初始化完成
while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
(n = tab.length) < MAXIMUM_CAPACITY) {
// 返回table的扩容标记位
int rs = resizeStamp(n);
// 如果已经有其他线程在进行扩容
if (sc < 0) {
if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex <= 0)
break;
// 该线程参与扩容，则将sizeCtl的值加1
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
transfer(tab, nt);
}
// 没有线程在进行扩容，则该线程开始扩容，设置sizeCtl的值
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs << RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
s = sumCount();
}
}
}看完这个方法，其实还是不是很懂baseCount和counterCells的含义。。
看注释中写道，baseCount是在没有竞争时使用的变量，所以，我感觉在计算元素数目时，如果没有产生竞争，则用baseCount来记录，否则用counterCells记录了。欢迎指正~
那这样的话，JDK 1.8实现的ConcurrentHashMap再求所有元素数目时，就比较简单了：
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数组中的值，即可得到元素的总数目。
好了，put方法到这就算是讲完了吧。。下面来看get方法。
get方法
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
// 计算key对应节点的hash值
int h = spread(key.hashCode());
// 如果table不为null，table的长度不为0且对应下标存在节点
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
// 判断头结点是否就是我们查找的节点
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
// 如果头结点的hash值小于0，说明table正在扩容，或者e是红黑树节点
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
// 否则，遍历链表寻找匹配的节点
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}get方法整体还是比较简单的，如果头结点的hash值小于0，说明table正在扩容，或者e是红黑树节点，那我们来看一下，若table正在扩容时查找节点的代码：
Node<K,V> find(int h, Object k) {
// loop to avoid arbitrarily deep recursion on forwarding nodes
outer: for (Node<K,V>[] tab = nextTable;;) {
Node<K,V> e; int n;
if (k == null || tab == null || (n = tab.length) == 0 ||
(e = tabAt(tab, (n - 1) & h)) == null)
return null;
for (;;) {
int eh; K ek;
// 如果找到了匹配节点，则返回
if ((eh = e.hash) == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
return e;
// 若节点的hash值小于0
if (eh < 0) {
// 若节点是ForwardingNode节点
if (e instanceof ForwardingNode) {
// 将新创建的table赋值给tab，在新table中查找
tab = ((ForwardingNode<K,V>)e).nextTable;
continue outer;
}
// 否则，节点是红黑树节点
else
return e.find(h, k);
}
if ((e = e.next) == null)
return null;
}
}
}remove方法
public V remove(Object key) {
return replaceNode(key, null, null);
}
final V replaceNode(Object key, V value, Object cv) {
// 计算key对应节点的hash值
int hash = spread(key.hashCode());
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
if (tab == null || (n = tab.length) == 0 ||
(f = tabAt(tab, i = (n - 1) & hash)) == null)
break;
// 若首节点对应hash值是MOVED，则表明该节点是ForwardingNode节点，帮助table扩容
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
else {
V oldVal = null;
boolean validated = false;
// 获取首节点的监视器锁
synchronized (f) {
if (tabAt(tab, i) == f) {
// 节点的hash值 >= 0，则表明节点是链表节点
if (fh >= 0) {
validated = true;
// 查找与key匹配的节点
for (Node<K,V> e = f, pred = null;;) {
K ek;
// 找到了匹配节点
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
V ev = e.val;
// 如果cv为null或者cv与key对应的旧值ev“相等”
if (cv == null || cv == ev ||
(ev != null && cv.equals(ev))) {
oldVal = ev;
// 若value不等于null，则更新key节点对应的val
if (value != null)
e.val = value;
// 否则，将该节点删除
else if (pred != null)
pred.next = e.next;
else
setTabAt(tab, i, e.next);
}
break;
}
pred = e;
if ((e = e.next) == null)
break;
}
}
// 节点是红黑树节点
else if (f instanceof TreeBin) {
validated = true;
TreeBin<K,V> t = (TreeBin<K,V>)f;
TreeNode<K,V> r, p;
if ((r = t.root) != null &&
(p = r.findTreeNode(hash, key, null)) != null) {
V pv = p.val;
if (cv == null || cv == pv ||
(pv != null && cv.equals(pv))) {
oldVal = pv;
if (value != null)
p.val = value;
else if (t.removeTreeNode(p))
setTabAt(tab, i, untreeify(t.first));
}
}
}
}
}
if (validated) {
if (oldVal != null) {
// 若删除了一个节点，则更新元素数目
if (value == null)
addCount(-1L, -1);
return oldVal;
}
break;
}
}
}
return null;
}remove方法也比较简单，不再叙述。
其他相关方法
要判断一个key在ConcurrentHashMap中是否存在，可以用get(Object)方法来判断的，因为ConcurrentHashMap中节点的key和value都不允许为null，而且，我们可以用containsKey(Object)方法来判断：
public boolean containsKey(Object key) {
return get(key) != null;
}可以看到，containsKey(Object)方法就是通过get(Object)方法来判断的。
clear()方法
public void clear() {
long delta = 0L; // negative number of deletions
int i = 0;
Node<K,V>[] tab = table;
// 遍历table数组
while (tab != null && i < tab.length) {
int fh;
// 获取table数组中下标为i的首节点
Node<K,V> f = tabAt(tab, i);
// 首节点为null，则更新下标i
if (f == null)
++i;
// 首节点hash值是MOVED，则帮助迁移
else if ((fh = f.hash) == MOVED) {
tab = helpTransfer(tab, f);
// 迁移完成之后，将i置为0，重新开始清除table
i = 0; // restart
}
else {
// 获取首节点的监视器锁
synchronized (f) {
// 根据Node节点的next属性，删除对应链表或者红黑树
if (tabAt(tab, i) == f) {
Node<K,V> p = (fh >= 0 ? f :
(f instanceof TreeBin) ?
((TreeBin<K,V>)f).first : null);
while (p != null) {
--delta;
p = p.next;
}
setTabAt(tab, i++, null);
}
}
}
}
// 更新元素数目
if (delta != 0L)
addCount(delta, -1);
}相关问题
1、JDK 1.8为什么要放弃Segment？
锁的粒度
首先锁的粒度并没有变粗，甚至变得更细了。每当扩容一次，ConcurrentHashMap的并发度就扩大一倍。
Hash冲突
JDK1.7中，ConcurrentHashMap从过二次hash的方式（Segment -> HashEntry）能够快速的找到查找的元素。在1.8中通过链表加红黑树的形式弥补了put、get时的性能差距。
扩容
JDK1.8中，在ConcurrentHashmap进行扩容时，其他线程可以通过检测数组中的节点决定是否对这条链表（红黑树）进行扩容，减小了扩容的粒度，提高了扩容的效率。
2、JDK 1.8为什么要使用synchronized而不是可重入锁？
减少内存开销
假设使用可重入锁来获得同步支持，那么每个节点都需要通过继承AQS来获得同步支持。但并不是每个节点都需要获得同步支持的，只有链表的头节点（红黑树的根节点）需要同步，这无疑带来了巨大内存浪费。
获得JVM的支持
可重入锁毕竟是API这个级别的，后续的性能优化空间很小。 synchronized则是JVM直接支持的，JVM能够在运行时作出相应的优化措施：锁粗化、锁消除、锁自旋等等。这就使得synchronized能够随着JDK版本的升级而不改动代码的前提下获得性能上的提升。
3、ConcurrentHashMap能完全替代HashTable吗？
hash table虽然性能上不如ConcurrentHashMap，但并不能完全被取代，两者的迭代器的一致性不同的，hash table的迭代器是强一致性的，而ConcurrentHashMap是弱一致的。 ConcurrentHashMap的迭代器方法都是弱一致性的。关于弱一致性的解释可以看这篇博客。
在JDK1.8的ConcurrentHashMap实现中，它的迭代器有KeySetView、ValuesView和EntrySetView这三种，我们来看获取KeySetView迭代器方的法：
/**
* <p>The view's iterators and spliterators are
* <a href="package-summary.html#Weakly"><i>weakly consistent</i></a>.
*
* @return the set view
*/
public KeySetView<K,V> keySet() {
KeySetView<K,V> ks;
return (ks = keySet) != null ? ks : (keySet = new KeySetView<K,V>(this, null));
}可以看到，注释中也说明该迭代器是弱一致性的，我们来看一下KeySetView类的iterator方法：
public Iterator<K> iterator() {
Node<K,V>[] t;
ConcurrentHashMap<K,V> m = map;
int f = (t = m.table) == null ? 0 : t.length;
return new KeyIterator<K,V>(t, f, 0, f, m);
}最终是返回了一个KeyIterator类对象，在KeyIterator上调用next方法时，最终实际调用到了Traverser.advance()方法，我们来看一下Traverser的构造方法以及advance()方法：
Traverser(Node<K,V>[] tab, int size, int index, int limit) {
this.tab = tab;
this.baseSize = size;
this.baseIndex = this.index = index;
this.baseLimit = limit;
this.next = null;
}final Node<K,V> advance() {
Node<K,V> e;
if ((e = next) != null)
e = e.next;
for (;;) {
Node<K,V>[] t; int i, n; // must use locals in checks
if (e != null)
return next = e;
if (baseIndex >= baseLimit || (t = tab) == null ||
(n = t.length) <= (i = index) || i < 0)
return next = null;
if ((e = tabAt(t, i)) != null && e.hash < 0) {
if (e instanceof ForwardingNode) {
tab = ((ForwardingNode<K,V>)e).nextTable;
e = null;
pushState(t, i, n);
continue;
}
else if (e instanceof TreeBin)
e = ((TreeBin<K,V>)e).first;
else
e = null;
}
if (stack != null)
recoverState(n);
else if ((index = i + baseSize) >= n)
index = ++baseIndex; // visit upper slots if present
}
}这个方法在遍历底层数组。在遍历过程中，如果已经遍历的数组上的内容变化了，迭代器不会抛出ConcurrentModificationException异常。如果未遍历的数组上的内容发生了变化，则有可能反映到迭代过程中。这就是ConcurrentHashMap迭代器弱一致的表现。
但是Hashtable的任何操作都会把整个表锁住，是阻塞的。好处是总能获取最实时的更新，比如说线程A调用putAll写入大量数据，期间线程B调用迭代器方法，线程B就会被阻塞，直到线程A完成putAll，因此线程B肯定能获取到线程A写入的完整数据。坏处是所有调用都要排队，效率较低。
所以，ConcurrentHashMap并不能完全替代HashTable。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
