HashMap是一个线程不安全的类，在并发情况下会产生很多问题，详情可以参考HashMap 源码解析；HashTable是线程安全的类，但是它使用的是synchronized来保证线程安全，线程竞争激烈的情况下效率非常低下。在jdk1.5的时候引入了ConcurrentHashMap，这也是一个线程安全的类，它使用了分段锁的技术来提升并发访问效率。

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所有访问HashTable的线程都必须竞争同一把锁，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，从而可以有效提高并发访问效率，这就是ConcurrentHashMap所使用的锁分段技术。

ConcurrentHashMap使用volatile来保证多线程的读取是安全的；1.7使用ReentrantLock、1.8使用synchronized来保证多线程下的写时线程安全的。

在jdk1.7及以前ConcurrentHashMap采用Segment数组结构和HashEntry数组结构组成，之后采用的是和HashMap一样的结构。

ConcurrentHashMap jdk1.7

结构图

采用Segment数组结构和HashEntry数组结构组成，Segment数组的大小就是ConcurrentHashMap的并发度。Segment继承自ReentrantLock，所以他本身就是一个锁。Segment数组一旦初始化后就不会再进行扩容，这也是jdk1.8去掉他的原因。Segment里面又包含了一个table数组，这个数组是可以扩容的。

如图我们在定位数据的时候需要对key的hash值进行两次寻址操作，第一次找到在Segment数组的位置，第二次找到在table数组中的位置。

Segment 类

// 直接继承自ReentrantLock，所以一个Segment本身就是一个锁
static final class Segment<K,V> extends ReentrantLock implements Serializable { ...// table数组  transient volatile HashEntry<K,V>[] table;// 一个Segment内的元素个数transient int count;// 扩容阈值transient int threshold;// 扩容因子final float loadFactor;Segment(float lf, int threshold, HashEntry<K,V>[] tab) {this.loadFactor = lf;this.threshold = threshold;this.table = tab;}
...

我们发现Segment直接继承自ReentrantLock，所以一个Segment本身就是一个锁。所以Segment数组的长度大小直接影响了ConcurrentHashMap的并发度。还有每个Segment单独维护了扩容阈值，扩容因子，所以每个Segment的扩容操作时完全独立互不干扰的。

HashEntry 类

static final class HashEntry<K,V> {// 不可变final int hash;final K key;// volatile保证可见性，这样我们在get操作时就不用加锁了volatile V value;volatile HashEntry<K,V> next;HashEntry(int hash, K key, V value, HashEntry<K,V> next) {this.hash = hash;this.key = key;this.value = value;this.next = next;}
...
}

构造函数

public ConcurrentHashMap(int initialCapacity,float loadFactor, int concurrencyLevel) {//  参数校验if (!(loadFactor > 0) || initialCapacity < 0 || concurrencyLevel <= 0)throw new IllegalArgumentException();// 并发度控制，最大是65536if (concurrencyLevel > MAX_SEGMENTS)concurrencyLevel = MAX_SEGMENTS;// Find power-of-two sizes best matching arguments// 等于ssize从1向左移位的 次数int sshift = 0;int ssize = 1;// 找出最接近concurrencyLevel的2的n次幂的数值while (ssize < concurrencyLevel) {++sshift;ssize <<= 1;}// 这里之所 以用32是因为ConcurrentHashMap里的hash()方法输出的最大数是32位的this.segmentShift = 32 - sshift;// 散列运算的掩码，等于ssize减1this.segmentMask = ssize - 1;if (initialCapacity > MAXIMUM_CAPACITY)initialCapacity = MAXIMUM_CAPACITY;int c = initialCapacity / ssize;if (c * ssize < initialCapacity)++c;// 里HashEntry数组的长度度，它等于initialCapacity除以ssize的倍数c，如果c大于1，就会取大于等于c的2的N次方值，所以cap不是1，就是2的N次方。int cap = MIN_SEGMENT_TABLE_CAPACITY;// 保证HashEntry数组大小一定是2的n次幂while (cap < c)cap <<= 1;// create segments and segments[0]// 初始化Segment数组，并实际只填充Segment数组的第0个元素。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];UNSAFE.putOrderedObject(ss, SBASE, s0); // ordered write of segments[0]this.segments = ss;
}

通过代码我们可以看出，在构造ConcurrentHashMap的时候我们就会完成以下件事情：

确认ConcurrentHashMap的并发度，也就是Segment数组长度，并保证它是2的n次幂
确认HashEntry数组的初始化长度，并保证它是2的n次幂
将Segment数组初始化好并且只填充第0个元素

put() 方法

public V put(K key, V value) {Segment<K,V> s;if (value == null)throw new NullPointerException();// 1. 先获取key的hash值int hash = hash(key);int j = (hash >>> segmentShift) & segmentMask;if ((s = (Segment<K,V>)UNSAFE.getObject          // nonvolatile; recheck(segments, (j << SSHIFT) + SBASE)) == null) //  in ensureSegment// 2. 定位到Segments = ensureSegment(j);// 3.调用Segment的put方法return s.put(key, hash, value, false);
}

主要流程是：

先获取key的hash值
定位到Segment
调用Segment的put方法

hash() 方法

    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);}

这个方法大致思路是：先拿到key的hashCode，然后对这个值进行再散列。

Segment.put() 方法

final V put(K key, int hash, V value, boolean onlyIfAbsent) {// 1. 加锁HashEntry<K,V> node = tryLock() ? null :// scanAndLockForPut在没有获取到锁的情况下，去查询key是否存在，如果不存在就新建一个NodescanAndLockForPut(key, hash, value);V oldValue;try {HashEntry<K,V>[] tab = table;// 确定元素在tabl数组上的位置int index = (tab.length - 1) & hash;HashEntry<K,V> first = entryAt(tab, index);for (HashEntry<K,V> e = first;;) {if (e != null) {K k;// 如果原来位置上有值并且key相同，那么直接替换原来的valueif ((k = e.key) == key ||(e.hash == hash && key.equals(k))) {oldValue = e.value;if (!onlyIfAbsent) {e.value = value;++modCount;}break;}e = e.next;}else {if (node != null)node.setNext(first);elsenode = new HashEntry<K,V>(hash, key, value, first);// 元素总数加一int c = count + 1;// 判断是否需要扩容if (c > threshold && tab.length < MAXIMUM_CAPACITY)rehash(node);elsesetEntryAt(tab, index, node);++modCount;count = c;oldValue = null;break;}}} finally {unlock();}return oldValue;
}

大致过程是：

加锁
定位key在tabl数组上的索引位置index，获取到头结点
判断是否有hash冲突
如果没有冲突直接将新节点node添加到数组index索引位
如果有冲突，先判断是否有相同key
有相同key直接替换对应node的value值
没有添加新元素到链表尾部
解锁

这里需要注意的是scanAndLockForPut方法，他在没有获取到锁的时候不仅会通过自旋获取锁，还会做一些其他的查找或新增节点的工，以此来提升put性能。

Segment.scanAndLockForPut() 方法

private HashEntry<K,V> scanAndLockForPut(K key, int hash, V value) {//定位HashEntry数组位置，获取第一个节点HashEntry<K,V> first = entryForHash(this, hash);HashEntry<K,V> e = first;HashEntry<K,V> node = null;//扫描次数，循环标记位int retries = -1; // negative while locating nodewhile (!tryLock()) {HashEntry<K,V> f; // to recheck first below// 表示遍历链表还没有结束if (retries < 0) {if (e == null) {if (node == null) // speculatively create node//  完成新节点初始化node = new HashEntry<K,V>(hash, key, value, null);// 完成链表的遍历，还是没有找到相同key的节点retries = 0;}// 有hash冲突，开始查找是否有相同的keyelse if (key.equals(e.key))retries = 0;elsee = e.next;}// 断循环次数是否大于最大扫描次数else if (++retries > MAX_SCAN_RETRIES) {// 自旋获取锁lock();break;}// 每间隔一次循环，检查一次first节点是否改变else if ((retries & 1) == 0 &&(f = entryForHash(this, hash)) != first) {// 首节点有变动，更新first，重新扫描e = first = f; // re-traverse if entry changedretries = -1;}}return node;
}

scanAndLockForPut方法在当前线程获取不到segment锁的情况下，完成查找或新建节点的工作。当获取到锁后直接将该节点加入链表即可，提升了put操作的性能。大致过程：

定位key在HashEntry数组的索引位，并获取第一个节点
尝试获取锁，如果成功直接返回，否则进入自旋
判断是否有hash冲突，没有就直接完成新节点的初始化
有hash冲突，开始遍历链表查找是否有相同key
如果没找到相同key，那么就完成新节点的初始化
如果找到相同key，判断循环次数是否大于最大扫描次数
如果循环次数是否大于最大扫描次数，就直接CAS拿锁（阻塞式）
如果循环次数不大于最大扫描次数，判断头结点是否有变化
进入下次循环

Segment.rehash() 扩容方法

private void rehash(HashEntry<K,V> node) {// 复制老数组HashEntry<K,V>[] oldTable = table;int oldCapacity = oldTable.length;// table数组扩容2倍int newCapacity = oldCapacity << 1;// 扩容阈值也增加两倍threshold = (int)(newCapacity * loadFactor);// 创建新数组HashEntry<K,V>[] newTable =(HashEntry<K,V>[]) new HashEntry[newCapacity];// 计算新的掩码int sizeMask = newCapacity - 1;for (int i = 0; i < oldCapacity ; i++) {HashEntry<K,V> e = oldTable[i];if (e != null) {HashEntry<K,V> next = e.next;// 计算新的索引位int idx = e.hash & sizeMask;// 转移数据if (next == null)   //  Single node on listnewTable[idx] = e;else { // Reuse consecutive sequence at same slotHashEntry<K,V> lastRun = e;int lastIdx = idx;for (HashEntry<K,V> last = next;last != null;last = last.next) {int k = last.hash & sizeMask;if (k != lastIdx) {lastIdx = k;lastRun = last;}}newTable[lastIdx] = lastRun;// Clone remaining nodesfor (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);}}}}// 将新的节点加到对应索引位int nodeIndex = node.hash & sizeMask; // add the new nodenode.setNext(newTable[nodeIndex]);newTable[nodeIndex] = node;table = newTable;
}

在这里我们可以发现每次扩容是针对一个单独的Segment的，在扩容完成之前中不会对扩容前的数组进行修改，这样就可以保证get()不被扩容影响。大致过程是：

新建扩容后的数组，容量是原来的两倍
遍历扩容前的数组
通过e.hash & sizeMask;计算key新的索引位
转移数据
将扩容后的数组指向成员变量table

get() 方法

public V get(Object key) {Segment<K,V> s; // manually integrate access methods to reduce overheadHashEntry<K,V>[] tab;int h = hash(key);// 计算出Segment的索引位long u = (((h >>> segmentShift) & segmentMask) << SSHIFT) + SBASE;// 以原子的方式获取Segmentif ((s = (Segment<K,V>)UNSAFE.getObjectVolatile(segments, u)) != null &&(tab = s.table) != null) {// 原子方式获取HashEntryfor (HashEntry<K,V> e = (HashEntry<K,V>) UNSAFE.getObjectVolatile(tab, ((long)(((tab.length - 1) & h)) << TSHIFT) + TBASE);e != null; e = e.next) {K k;// key相同if ((k = e.key) == key || (e.hash == h && key.equals(k)))// value是volatile所以可以不加锁直接取值返回return e.value;}}return null;
}

我们可以看到get方法是没有加锁的，因为HashEntry的value和next属性是volatile的，volatile直接保证了可见性，所以读的时候可以不加锁。Java中Unsafe类可以参考这篇博客。

size() 方法

public int size() {// Try a few times to get accurate count. On failure due to// continuous async changes in table, resort to locking.final Segment<K,V>[] segments = this.segments;int size;// true表示size溢出32位（大于Integer.MAX_VALUE）boolean overflow; // true if size overflows 32 bitslong sum;         // sum of modCountslong last = 0L;   // previous sumint retries = -1; // first iteration isn't retrytry {for (;;) {// retries 如果retries等于2则对所有Segment加锁if (retries++ == RETRIES_BEFORE_LOCK) {for (int j = 0; j < segments.length; ++j)ensureSegment(j).lock(); // force creation}sum = 0L;size = 0;overflow = false;// 统计每个Segment元素个数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 {// 解锁if (retries > RETRIES_BEFORE_LOCK) {for (int j = 0; j < segments.length; ++j)segmentAt(segments, j).unlock();}}// 如果size大于Integer.MAX_VALUE值则直接返货Integer.MAX_VALUEreturn overflow ? Integer.MAX_VALUE : size;
}

size的核心思想是先进性两次不加锁统计，如果两次的值一样则直接返回，否则第三个统计的时候会将所有segment全部锁定，再进行size统计，所以size()尽量少用。因为这是在并发情况下，size其他线程也会改变size大小，所以size()的返回值只能表示当前线程、当时的一个状态，可以算其实是一个预估值。

isEmpty() 方法

public boolean isEmpty() {long sum = 0L;final Segment<K,V>[] segments = this.segments;for (int j = 0; j < segments.length; ++j) {Segment<K,V> seg = segmentAt(segments, j);if (seg != null) {// 只要有一个Segment的元素个数不为0则表示不为nullif (seg.count != 0)return false;// 统计操作总数sum += seg.modCount;}}if (sum != 0L) { // recheck unless no modificationsfor (int j = 0; j < segments.length; ++j) {Segment<K,V> seg = segmentAt(segments, j);if (seg != null) {if (seg.count != 0)return false;sum -= seg.modCount;}}// 说明在统计过程中ConcurrentHashMap又被操作过，// 因为上面判断了ConcurrentHashMap不可能会有元素，所以这里如果有操作一定是新增节点if (sum != 0L)return false;}return true;
}

先判断Segment里面是否有元素，如果有直接返回，如果没有则统计操作总数；
为了保证在统计过程中ConcurrentHashMap里面的元素没有发生变化，再对所有的Segment的操作数做了统计；
最后 sum==0 表示ConcurrentHashMap里面确实没有元素返回true，否则一定进行过新增元素返回false。

和size方法一样这个方法也是一个若一致方法，最后的结果也是一个预估值。

ConcurrentHashMap jdk1.8

结构图

这个结构和HashMap一样

核心属性

//最大容量
private static final int MAXIMUM_CAPACITY = 1 << 30;
//初始容量
private static final int DEFAULT_CAPACITY = 16;
//数组最大容量
static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
//默认并发度，兼容1.7及之前版本
private static final int DEFAULT_CONCURRENCY_LEVEL = 16;
//加载/扩容因子，实际使用n - (n >>> 2)
private static final float LOAD_FACTOR = 0.75f;
//链表转红黑树的节点数阀值
static final int TREEIFY_THRESHOLD = 8;
//红黑树转链表的节点数阀值
static final int UNTREEIFY_THRESHOLD = 6;
//当数组长度还未超过64,优先数组的扩容,否则将链表转为红黑树
static final int MIN_TREEIFY_CAPACITY = 64;
//扩容时任务的最小转移节点数
private static final int MIN_TRANSFER_STRIDE = 16;
//sizeCtl中记录stamp的位数
private static int RESIZE_STAMP_BITS = 16;
//帮助扩容的最大线程数
private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1;
//size在sizeCtl中的偏移量
private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;// ForwardingNode标记节点的hash值（表示正在扩容）
static final int MOVED     = -1; // hash for forwarding nodes
// TreeBin节点的hash值，它是对应桶的根节点
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//存放Node元素的数组,在第一次插入数据时初始化
transient volatile Node<K,V>[] table;
//一个过渡的table表,只有在扩容的时候才会使用
private transient volatile Node<K,V>[] nextTable;
//基础计数器值(size = baseCount + CounterCell[i].value)
private transient volatile long baseCount;
/*** 控制table数组的初始化和扩容，不同的值有不同的含义：* -1:表示正在初始化* -n:表示正在扩容* 0:表示还未初始化，默认值* 大于0：表示下一次扩容的阈值*/
private transient volatile int sizeCtl;
//节点转移时下一个需要转移的table索引
private transient volatile int transferIndex;
//元素变化时用于控制自旋
private transient volatile int cellsBusy;
// 保存table中的每个节点的元素个数 长度是2的幂次方，初始化是2，每次扩容为原来的2倍
// size = baseCount + CounterCell[i].value
private transient volatile CounterCell[] counterCells;

其他的参考HashMap 源码解析

Node 类

static class Node<K,V> implements Map.Entry<K,V> {final int hash;final K key;volatile V val;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;}
...

链表节点，保存着key和value的值。

TreeNode类

static final class TreeNode<K,V> extends Node<K,V> {TreeNode<K,V> parent;  // red-black tree linksTreeNode<K,V> left;TreeNode<K,V> right;TreeNode<K,V> prev;    // needed to unlink next upon deletionboolean red;TreeNode(int hash, K key, V val, Node<K,V> next,TreeNode<K,V> parent) {super(hash, key, val, next);this.parent = parent;}
...

红黑树节点，包含了树的信息。

TreeNode类

TreeBins中使用的节点

static final class TreeBin<K,V> extends Node<K,V> {TreeNode<K,V> root;volatile TreeNode<K,V> first;// 锁的持有者volatile Thread waiter;// 锁状态volatile int lockState;// values for lockState// 表示持有写锁static final int WRITER = 1; // set while holding write lock// 表示等待static final int WAITER = 2; // set when waiting for write lock// 表示读锁的增量值static final int READER = 4; // increment value for setting read lock
...

与HashMap有点区别的是，他不直接使用TreeNode作为数的根节点，而是使用TreeBins对其做了装饰后成为了根节点；同时它还记录了锁的状态；需要注意的是：

TreeBins节点的hash值是 -2
我们对红黑树添加节点后，红黑树的根节点有可能会因为旋转而发生变化，所以我们在添加树节点的时候在putTreeVal()方法里面我们使用cas在加了一次锁。

ForwardingNode 类

/*** A node inserted at head of bins during transfer operations.*/
static final class ForwardingNode<K,V> extends Node<K,V> {final Node<K,V>[] nextTable;ForwardingNode(Node<K,V>[] tab) {super(MOVED, null, null, null);this.nextTable = tab;}Node<K,V> find(int h, Object k) {// loop to avoid arbitrarily deep recursion on forwarding nodesouter: for (Node<K,V>[] tab = nextTable;;) {Node<K,V> e; int n;// 1. 判断新的数组是否是null，// 2. 如果不为NULL给那就找到对应索引位上的头结点// 3. 判断头节点是否为NULLif (k == null || tab == null || (n = tab.length) == 0 ||(e = tabAt(tab, (n - 1) & h)) == null)return null;// 自旋找节点for (;;) {int eh; K ek;if ((eh = e.hash) == h &&((ek = e.key) == k || (ek != null && k.equals(ek))))return e;if (eh < 0) {// 如果又变成了ForwardingNode标记节点，那说明有发生了扩容，需要跳出循环从新查找if (e instanceof ForwardingNode) {tab = ((ForwardingNode<K,V>)e).nextTable;continue outer;}elsereturn e.find(h, k);}if ((e = e.next) == null)return null;}}}
}

ForwardingNode 节点是一个扩容标记节点，只要在数组上发现对应索引位上是ForwardingNode 节点时，表示正在扩容。当get方法调用时，如果遇到ForwardingNode 节点，那么它将会到扩容后的数据上查找数据，否则还是在扩容前的数组上查找数据。这个要注意两点：

这个节点的hash值是 -1
这个节点的find方法是在对扩容后的数组进行查找

构造函数

public ConcurrentHashMap18() {}

与HashMap一样，构造函数啥都没干，初始化操作是在第一次put完成的。

put() 方法

    public V put(K key, V value) {return putVal(key, value, false);}

啥都么有

spread() 方法

    static final int spread(int h) {return (h ^ (h >>> 16)) & HASH_BITS;}

计算key.hashCode（）并将更高位的散列扩展（XOR）降低。采用位运算主要是是加快计算速度。

putVal() 方法

/** Implementation for put and putIfAbsent */
final V putVal(K key, V value, boolean onlyIfAbsent) {if (key == null || value == null) throw new NullPointerException();// 计算hash值int hash = spread(key.hashCode());int binCount = 0;for (Node<K,V>[] tab = table;;) {Node<K,V> f; int n, i, fh;// 判断是否需要初始化if (tab == null || (n = tab.length) == 0)tab = initTable();// 找出key对应的索引位上的第一个节点else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {// 如果该索引位为null，则直接将数据放到该索引位if (casTabAt(tab, i, null,new Node<K,V>(hash, key, value, null)))break;                   // no lock when adding to empty bin}// 正在扩容else if ((fh = f.hash) == MOVED)tab = helpTransfer(tab, f);else {V oldVal = null;// 加内置锁锁定一个数组的索引位，并添加节点synchronized (f) {if (tabAt(tab, i) == f) {// 表示链表节点if (fh >= 0) {binCount = 1;for (Node<K,V> e = f;; ++binCount) {K ek;// key相同直接替换value值if (e.hash == hash &&((ek = e.key) == key ||(ek != null && key.equals(ek)))) {oldVal = e.val;if (!onlyIfAbsent)e.val = value;break;}// 将新节点添加到链表尾部Node<K,V> pred = e;if ((e = e.next) == null) {pred.next = new Node<K,V>(hash, key,value, null);break;}}}// 表示树节点else if (f instanceof TreeBin) {Node<K,V> p;binCount = 2;// 添加数节点if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,value)) != null) {oldVal = p.val;if (!onlyIfAbsent)p.val = value;}}}}if (binCount != 0) {// 尝试将链表转换成红黑树if (binCount >= TREEIFY_THRESHOLD)treeifyBin(tab, i);if (oldVal != null)return oldVal;break;}}}addCount(1L, binCount);return null;
}

主要流程：

计算key的hash值
判断是否需要初始化，如果是则调用initTable()方法完成初始化
判断是否有hash冲突，如没有直接设置新节点到对饮索引位，如果有获取头结点
根据头结点的hash值判断是否正在扩容，如果是则帮助扩容
如果没有扩容则对头结点加锁，添加新节点
fh >= 0根据头结点hash值判断是否是链表节点，如果是新增链表节点，否则新增树节点
新增树节点putTreeVal()需要注意，红黑树的根节点有可能会因为旋转而发生变化，所以我们在添加节点的时候还需要对根节点使用cas在加了一次锁。
判断是否需要尝试由链表转换成树结构
addCount(1L, binCount);新增count数，并判断是否需要扩容或者帮助扩容

sizeCtl值含义：

-1:表示正在初始化
-n:表示正在扩容
0:表示还未初始化，默认值
大于0：表示下一次扩容的阈值

initTable() 初始化方法

private final Node<K,V>[] initTable() {Node<K,V>[] tab; int sc;while ((tab = table) == null || tab.length == 0) {// 正在初始化if ((sc = sizeCtl) < 0)// 让出CPU执行权，然后自旋Thread.yield(); // lost initialization race; just spin// CAS替换标志位（相当于获取锁）else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {try {// 二次判断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;// 相当于sc=n*3/4sc = n - (n >>> 2); }} finally {// 扩容阈值sizeCtl = sc;}break;}}return tab;
}

主要过程：

根据sizeCtl判断是否正在初始化
如果其他线程正在初始化就让出CPU执行权，进入下一次CPU执行权的竞争Thread.yield();
如果没有进行初始化的线程则，CAS替换sizeCtl标志位（相当于获取锁）
获取到锁后再次判断是否初始化
如果没有则初始化Node数组,并设置sizeCtl值为下一次扩容阈值

helpTransfer()帮助扩容

final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {Node<K,V>[] nextTab; int sc;// ForwardingNode标记节点，表示正在扩容if (tab != null && (f instanceof ForwardingNode) &&(nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) {int rs = resizeStamp(tab.length);while (nextTab == nextTable && table == tab &&(sc = sizeCtl) < 0) {if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||sc == rs + MAX_RESIZERS || transferIndex <= 0)break;if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {transfer(tab, nextTab);break;}}return nextTab;}return table;
}

判断是否正在扩容，如果是就帮助扩容。

transfer() 扩容方法

private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {\// n原来数组长度int n = tab.length, stride;if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)stride = MIN_TRANSFER_STRIDE; // subdivide range// 判断是发起扩容的线程还是帮助扩容的线程，如果是发起扩容的需要初始化新数组if (nextTab == null) {            // initiatingtry {@SuppressWarnings("unchecked")Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];nextTab = nt;} catch (Throwable ex) {      // try to cope with OOMEsizeCtl = Integer.MAX_VALUE;return;}nextTable = nextTab;transferIndex = n;}int nextn = nextTab.length;// 扩容期间的数据节点（用于标志位，hash值是-1）ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);// 当advance == true时，表明该节点已经处理过了boolean advance = true;// 在扩容完成之前保证get不被影响boolean finishing = false; // to ensure sweep before committing nextTab// 1. 从右往左找到第一个有数据的索引位节点（有hash冲突的桶）// 2. 如果找到的节点是NULL节点（没有hash冲突的节点），那么将该索引位的NULL替换成ForwardingNode标记节点，这个节点的hash是-1// 3. 如果找到不为NULL的节点（有hash冲突的桶），则对这个节点进行加锁// 4. 开始进进移动节点数据for (int i = 0, bound = 0;;) {//f:当前处理i位置的node（头结点或者根节点）;Node<K,V> f; int fh;// 通过while循环获取本次需要移动的节点索引iwhile (advance) {// nextIndex:下一个要处理的节点索引; nextBound:下一个需要处理的节点的索引边界int nextIndex, nextBound;// i是老数组索引位，通过--i来讲索引位往前一个索引位移动，直到0索引位if (--i >= bound || finishing)advance = false;// 节点已全部转移else if ((nextIndex = transferIndex) <= 0) {i = -1;advance = false;}// transferIndex（初值为最后一个节点的索引），表示从transferIndex开始后面所有的节点都已分配，// 每次线程领取扩容任务后，需要更新transferIndex的值(transferIndex-stride)。// CAS修改transferIndex，并更新索引边界else if (U.compareAndSwapInt(this, TRANSFERINDEX, nextIndex,nextBound = (nextIndex > stride ?nextIndex - stride : 0))) {bound = nextBound;// 老数组最后一个索引位置i = nextIndex - 1;advance = false;}}if (i < 0 || i >= n || i + n >= nextn) {int sc;// 已经完成所有节点复制了if (finishing) {nextTable = null;table = nextTab;// sizeCtl阈值为原来的1.5倍sizeCtl = (n << 1) - (n >>> 1);// 结束自旋return;}// CAS 更新扩容阈值，在这里面sizectl值减一，说明新加入一个线程参与到扩容操作if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)return;finishing = advance = true;i = n; // recheck before commit}}// 将以前老数组上为NULL的节点（还没有元素的桶或者说成没有hash冲突的数据节点），用ForwardingNode标记节点补齐// 主要作用是：其他线程在put元素，发现找到的索引位是fwd节点则表示正在扩容，那么该线程会来帮助扩通，而不是在那里等待else if ((f = tabAt(tab, i)) == null)advance = casTabAt(tab, i, null, fwd);// 表示处理过该节点了else if ((fh = f.hash) == MOVED)advance = true; // already processedelse {// 对应索引位加锁synchronized (f) {// 再次校验一下老数组对应索引位节点是否是我们找到的节点fif (tabAt(tab, i) == f) {// 低索引位头节点(i位)， 高位索引位头节点（i+tab.length）Node<K,V> ln, hn;// fh >=0 表示链表节点，TreeBin节点的hash值-2if (fh >= 0) {// fh & n算法可以算出新的节点该分配到那个索引位（runBit要么为0放低位ln，要么为n放高位hn），// runBit表示链表中最后一个元素的hash值&n的值int runBit = fh & n;// lastRun表示链表中最后一个元素Node<K,V> lastRun = f;// 找到链表中最后一个节点，并赋值给lastRunfor (Node<K,V> p = f.next; p != null; p = p.next) {int b = p.hash & n;if (b != runBit) {runBit = b;lastRun = p;}}// 判断原来的最后一个节点应该添加到高位还是低位if (runBit == 0) {ln = lastRun;hn = null;}else {hn = lastRun;ln = null;}// f表示头结点，如果p不是尾节点，则转移节点// 如果以前节点顺序是 1 2 3 4 转移后就是 3 2 1 4 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)// 转移节点时都是新建节点,以免破坏原来数组结构影响get方法ln = new Node<K,V>(ph, pk, pv, ln);elsehn = new Node<K,V>(ph, pk, pv, hn);}// 设置新数组低索引位头节点(i位)setTabAt(nextTab, i, ln);// 设置新数组高位索引位头节点（i+tab.length）setTabAt(nextTab, i + n, hn);// 设置老数组i位为标记节点，表示已经处理过了setTabAt(tab, i, fwd);advance = true;}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;elseloTail.next = p;loTail = p;++lc;}else {if ((p.prev = hiTail) == null)hi = p;elsehiTail.next = p;hiTail = p;++hc;}}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;// 设置新数组低索引位头节点(i位)setTabAt(nextTab, i, ln);// 设置新数组高位索引位头节点（i+tab.length）setTabAt(nextTab, i + n, hn);// 设置老数组i位为标记节点，表示已经处理过了setTabAt(tab, i, fwd);advance = true;}}}}}
}

主要过程：

tab为扩容前的数组
判断是否是第一个发起扩容的线程，如果是需要初始化扩容后的数组nextTable
fwd = new ForwardingNode<K,V>(nextTab)初始化扩容标记节点
进入扩容循环
在扩容前的数组tab上从右往左（从高索引位到低索引位）遍历所有头结点，索引位为i
如果找到的头结点是NULL(没有hash冲突)则tab[i]=fwd。
找到的头结点不为NULL则（有hash冲突）则锁定头结点synchronized (f)
再次校验头结点是否发生改变，如果改变直接结束
初始化高索引位和第索引位的头结点
移动节点到相应索引位
设置扩容后的数组低索引位头节点(i位)
设置扩容后的数组高位索引位头节点（i+tab.length）
设置扩容前的数组i位为标记节点（tab[i]=fwd），表示已经处理过了
进入第3步直到完成

注意：

第5点有tab[i]=fwd有两层含义：1,表示对应索引位已经处理过了；2,当其他线程拿到该头结点的时候能知晓正在扩容，这时在put的时候帮助扩容，在get的时候去扩容后的数组上找相应的key

int runBit = fh & n;算法可以算出新的节点该分配到那个索引位（runBit要么为0放低位ln，要么为n放高位hn）

如果是链表节点，以前节点顺序是 1 2 3 4 扩容后会变成 3 2 1 4

扩容的大致过程图解：

发起扩容，扩容前数组tab
在扩容前的数组tab上从右往左（从高索引位到低索引位）遍历所有头结点，索引位为i，如果找到的头结点是NULL则直接赋值成````fwd```标记节点。
扩容前的数组上找到不为NULL的节点，则还是移动节点到扩容后的额数组

addCount() 方法

private final void addCount(long x, int check) {// CounterCell[] as;使用计数器数组因该是为了提升并发量，减小冲突概率CounterCell[] as; long b, s;// 计数器表不为NULL（counterCells当修改baseCount有冲突时，需要将size增量放到这个计数器数组里面）if ((as = counterCells) != null ||// 使用CAS更新baseCount的值（+1）如果失败说明存在竞争!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {CounterCell a; long v; int m;// CounterCell是否存在竞争的标记位boolean uncontended = true;// CounterCell[] as为NULL表示as没有竞争if (as == null || (m = as.length - 1) < 0 ||// 随机一个数组位置来验证是否为NULL，如果a是null表示没有竞争，随机也是为了减小冲突概率(a = as[ThreadLocalRandom.getProbe() & m]) == null ||// CAS替换a的value，如果失败表示存在竞争!(uncontended =U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {// 将size增量值存到as上fullAddCount(x, uncontended);return;}if (check <= 1)return;// 统计sizes = sumCount();}// 检查是否需要扩容if (check >= 0) {Node<K,V>[] tab, nt; int n, sc;// size大于阈值sizeCtl，tab数组长度小于最大值1<<30while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&(n = tab.length) < MAXIMUM_CAPACITY) {int rs = resizeStamp(n);// 表示正在扩容if (sc < 0) {if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||transferIndex <= 0)break;if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))// 帮助扩容transfer(tab, nt);}// sc = (rs << RESIZE_STAMP_SHIFT) + 2，移位后是负数else if (U.compareAndSwapInt(this, SIZECTL, sc,(rs << RESIZE_STAMP_SHIFT) + 2))// 发起扩容，此时nextTable=nulltransfer(tab, null);s = sumCount();}}
}

在put()方法执行最后会对当前Map的size+1，ConcurrentHashMap中size由baseCount和CounterCell[] as组成，size=baseCount+as[i].value。addCount的大致过程如下：

CAS替换baseCount值，如果失败说明对size的增量（size++）存在竞争
如果存在竞争，我们会使用到CounterCell[] as数组
as[ThreadLocalRandom.getProbe() & m]随机取一个索引位，使用CAS完成size++
如果as[i]也存在竞争会调用fullAddCount(x, uncontended);方法完成size++
size++完成后通过size=baseCount+as[i].value公式计算出元素总数
判断是否需要扩容
如果需要扩容，在判断一下是帮助扩容还是发起扩容

注意：

CounterCell[] as：这个的只要目的是分散对baseCount的单一竞争，提示size++的并发率，这里和table数组一样使用了锁分离技术，as的长度也是2的n次方，初始长度是2

在第三步中使用随机数也是为了提升并发效率，ThreadLocalRandom类是JDK7在JUC包下新增的随机数生成器，它解决了Random类在多线程下，多个线程竞争内部唯一的原子性种子变量，而导致大量线程自旋重试的不足

fullAddCount(x, uncontended);方法里面完成了as的初始化和扩容

元素总数的计算公式是size=baseCount+as[i].value

sumCount() 方法

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;
}

元素总数的计算公式是size=baseCount+as[i].value

get() 方法

public V get(Object key) {Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;int h = spread(key.hashCode());// table 不为NULL并且对饮索引位不为NULLif ((tab = table) != null && (n = tab.length) > 0 &&(e = tabAt(tab, (n - 1) & h)) != null) {if ((eh = e.hash) == h) {// 头节点key相同if ((ek = e.key) == key || (ek != null && key.equals(ek)))return e.val;}// 树节点或者ForwardingNode标记节点else if (eh < 0)return (p = e.find(h, key)) != null ? p.val : null;// 链表节点while ((e = e.next) != null) {// key相同if (e.hash == h &&((ek = e.key) == key || (ek != null && key.equals(ek))))return e.val;}}return null;
}

主要流程：

判断table和key对应索引位是否为NULL
判断头节点是否是要找的节点
eh < 0表示是树节点或ForwardingNode标记节点，直接通过find方法找对应的key
否则是链表节点，挨个链表节点找相应的key
返回结果

注意：

get 方法没有加锁，原因是节点的value是volatile的，已经保证了可见性，只要value有更新，那么我们一定能读到最新数据。

e.find(h, key)这里：如果对应索引位头结点是ForwardingNode节点，那么会直接去扩通后的数组找对应的key，可以参见上面ForwardingNode.find()方法

size()方法

public int size() {long n = sumCount();return ((n < 0L) ? 0 :(n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :(int)n);
}

弱一致性

get方法和containsKey方法都是遍历对应索引位上所有节点，来判断是否存在key相同的节点以及获得该节点的value。但由于遍历过程中其他线程可能对链表结构做了调整，因此get和containsKey返回的可能是过时的数据，这一点是ConcurrentHashMap在弱一致性上的体现。

JDK1.8与JDK1.7的不同点

去掉了Segment 数组：这样做锁的粒度更小，减少了并发冲突的概率；查找数据时不用计算两次hash；
存储数据是采用了链表+红黑树的形式：当一个桶内数据量很大的时候，红黑树的查询效率远高于链表。
1.8直接使用了内置锁synchronized：简化了加锁操作
1.8的初始化是在第一次put时完成的，1.7的时候再构造的时候完成的
在put过程中当发现正在扩容，1.8的线程会帮助扩容，1.7的只是会检查key是否存在或者完成新节点的初始化工作
1.8的hash值计算更简单了
1.8扩容过程中会修改扩容前的数组，1.7扩容过程中不会修改原来数组
1.8在get()时如果判断到当前索引位正在扩容，那么直接在扩容后的数组中去找对应的key
1.7的size计算使用的三次计算的方式，1.8使用了锁分离技术

测试代码

package com.xiaolyuh;import java.util.Map;
import java.util.concurrent.*;
import java.util.concurrent.atomic.AtomicInteger;/*** @author yuhao.wang3* @since 2019/7/26 17:58*/
public class HashMapTest {public static void main(String[] args) {AtomicInteger integer = new AtomicInteger();ExecutorService cachedThreadPool = Executors.newFixedThreadPool(50);Map<User, Integer> map = new ConcurrentHashMap<>();for (int i = 0; i < 10000; i++) {cachedThreadPool.execute(() -> {User user = new User(1);map.put(user, 1);});}}static class User {int age;public User(int age) {this.age = age;}@Overridepublic int hashCode() {return age;}@Overridepublic String toString() {return "" + age;}}
}

layering-cache

为监控而生的多级缓存框架 layering-cache这是我开源的一个多级缓存框架的实现，如果有兴趣可以看一下

JAVA并发容器-ConcurrentHashMap 1.7和1.8 源码解析相关推荐

ConcurrentHashMap 1.7和1.8 源码解析
HashMap是一个线程不安全的类,在并发情况下会产生很多问题,详情可以参考HashMap 源码解析:HashTable是线程安全的类,但是它使用的是synchronized来保证线程安全,线程竞争激 ...
java if中的continue_java中break和continue源码解析
在自己学习java语言的过程中,很容易把break和continue的用法混淆.为了便于以后快速查阅及温习,在此特留学习笔记一份. 简述在任何迭代语句的主体部分,都可以用break和continue ...
java并发编程——线程池的工作原理与源码解读
2019独角兽企业重金招聘Python工程师标准>>> 线程池的简单介绍基于多核CPU的发展,使得多线程开发日趋流行.然而线程的创建和销毁,都涉及到系统调用,比较消耗系统资源,所以 ...
java 中线程池的种类，原理以及源码解析(1)
java 中的线程池创建都是Executors 类中提供的方法,并且方法返回线程池对象. Executors 源码: // // Source code recreated from a .class ...
java B2B2C Springboot多租户电子商城系统-Eureka源码解析...
Eureka的限流算法类RateLimiter是基于令牌桶算法来实现的,下面看一看令牌桶算法的原理: 需要JAVA Spring Cloud大型企业分布式微服务云构建的B2B2C电子商务平台源码一零 ...
遗传算法锦标赛选择java实现_多目标遗传算法 ------ NSGA-II （部分源码解析）二元锦标赛选择 tourselect.c...
tourselect.c 文件中共有两个函数: selection (population *old_pop, population *new_pop) individual* tournament ...
Java 并发实践 — ConcurrentHashMap 与 CAS
转载自 Java 并发实践 - ConcurrentHashMap 与 CAS 最近在做接口限流时涉及到了一个有意思问题,牵扯出了关于concurrentHashMap的一些用法,以及CAS的一些概念 ...
JDK1.7和JDK1.8中HashMap是线程不安全的，并发容器ConcurrentHashMap模型
一.HashMap是线程不安全的前言只要是对于集合有一定了解的一定都知道HashMap是线程不安全的,我们应该使用ConcurrentHashMap.但是为什么HashMap是线程不安全的呢,之前 ...
java并发初探ConcurrentHashMap
java并发初探ConcurrentHashMap Doug Lea在java并发上创造了不可磨灭的功劳,ConcurrentHashMap体现这位大师的非凡能力. 1.8中ConcurrentHas ...

JAVA并发容器-ConcurrentHashMap 1.7和1.8 源码解析

ConcurrentHashMap jdk1.7

结构图

Segment 类

HashEntry 类

构造函数

put() 方法

hash() 方法

Segment.put() 方法

Segment.scanAndLockForPut() 方法

Segment.rehash() 扩容方法

get() 方法

size() 方法

isEmpty() 方法

ConcurrentHashMap jdk1.8

结构图

核心属性

Node 类

TreeNode类

TreeNode类

ForwardingNode 类

构造函数

put() 方法

spread() 方法

putVal() 方法

sizeCtl值含义：

initTable() 初始化方法

helpTransfer()帮助扩容

transfer() 扩容方法

addCount() 方法

sumCount() 方法

get() 方法

size()方法

弱一致性

JDK1.8与JDK1.7的不同点

测试代码

layering-cache

JAVA并发容器-ConcurrentHashMap 1.7和1.8 源码解析相关推荐

最新文章

热门文章