JDK9 ConcurrentHashMap实现原理(一)

2024-06-15 00:58

本文主要是介绍JDK9 ConcurrentHashMap实现原理(一),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • JDK9 ConcurrentHashMap实现原理(一)
    • 数据结构
    • 私有属性
      • 静态属性
    • 相关节点
    • 构造器
    • Hash值计算
    • 添加元素
    • 初始化数组

JDK9 ConcurrentHashMap实现原理(一)

数据结构

JDK1.7中采用Segment + HashEntry的方式进行实现.使用ReentrantLock实现加锁操作。
JDK1.8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.结构类似于HashMap,数组+链表+红黑树。
在这里插入图片描述

私有属性

静态属性

  • private static final int MAXIMUM_CAPACITY = 1 << 30;
    最大的容量,必须为2的平方。

  • private static final int DEFAULT_CAPACITY = 16;
    默认的初始容量,也是2的平方

  • static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
    最大的数组大小。

  • private static final int DEFAULT_CONCURRENCY_LEVEL = 16;
    默认的并发等级,只在writeObject中用了。

  • private static final float LOAD_FACTOR = 0.75f;
    加载因子,只在writeObject中用了。不像HashMap中的用法。

  • static final int TREEIFY_THRESHOLD = 8;
    当某个数组位置上的节点数量超过8时,则将单链表结构转换为红黑树结构。

  • static final int UNTREEIFY_THRESHOLD = 6;
    当某个数组位置上的节点数量小于6时,则将红黑树结构转换为单链表结构。

  • static final int MIN_TREEIFY_CAPACITY = 64;
    在转换成红黑树之前,还需要检测当前table的大小是否大于等于MIN_TREEIFY_CAPACITY,小于不会转换成红黑树,而是重新扩展table的大小。

  • private static final int MIN_TRANSFER_STRIDE = 16;

  • private static final int RESIZE_STAMP_BITS = 16;

  • private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1;
    扩容时可利用的最大线程

  • private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;

  • 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

  • static final int NCPU = Runtime.getRuntime().availableProcessors();
    当前机器的CPU的核心处理器数量,transfer扩容时会用到。

相关节点

  • Node:该类用于构造table[],只读节点(不提供修改方法)。是一个单链表结构。
  static class Node<K,V> implements Map.Entry<K,V> {//节点的哈希值final int hash;//建final K key;//值volatile V val;//指向下一个节点,说明是单链表结构volatile Node<K,V> next;Node(int hash, K key, V val) {this.hash = hash;this.key = key;this.val = val;}Node(int hash, K key, V val, Node<K,V> next) {this(hash, key, 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 Helpers.mapEntryToString(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)));}/*** Virtualized support for map.get(); overridden in subclasses.*/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;}}
  • TreeBin:红黑树结构。
  • TreeNode:红黑树节点。
static final class TreeNode<K,V> extends Node<K,V> {//父节点TreeNode<K,V> parent;  // red-black tree links//左节点TreeNode<K,V> left;//右节点TreeNode<K,V> right;//TreeNode<K,V> prev;    // needed to unlink next upon deletion//节点的颜色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);}//使用this这个树形节点作为根节点,寻找目标节点。final TreeNode<K,V> findTreeNode(int h, Object k, Class<?> kc) {}}
  • ForwardingNode:临时节点(扩容时使用)。

构造器

  • 无参构造器
 public ConcurrentHashMap() {}

指定初始容量

 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;
}

这里使用tableSizeFor将输入的容量转换为2的平方。

private static final int tableSizeFor(int c) {int n = c - 1;n |= n >>> 1;n |= n >>> 2;n |= n >>> 4;n |= n >>> 8;n |= n >>> 16;return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;}

输入容量:3 , 输出:4;
输入容量:11 , 输出:16;
输入容量:17 , 输出:32;
不确定这里为什么要这么处理(initialCapacity + (initialCapacity >>> 1) + 1));虽然直接initialCapacity的结果也是一样的。

  • 还可以指定加载因子和concurrencyLevel。
    可以看到这两个参数在新版本中只是在初始化才会用到,其他地方不会用到,注意这里和HashMap的区别。
 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 binsinitialCapacity = concurrencyLevel;   // as estimated threadslong size = (long)(1.0 + (long)initialCapacity / loadFactor);int cap = (size >= (long)MAXIMUM_CAPACITY) ?MAXIMUM_CAPACITY : tableSizeFor((int)size);this.sizeCtl = cap;
}
  • 和大多数集合一样,都可以由其他集合元素作为初始元素。
 public ConcurrentHashMap(Map<? extends K, ? extends V> m) {this.sizeCtl = DEFAULT_CAPACITY;putAll(m);}

Hash值计算

可以看出 计算出的hash都是正值

static final int HASH_BITS = 0x7fffffff; // usable bits of normal node hash
static final int spread(int h) {return (h ^ (h >>> 16)) & HASH_BITS;
}

添加元素

1.key值和value都不能null
2.onlyIfAbsent=true : 如果当前key值已经存在,则不 更新为新值, false: 不管什么情况都会更新为新值。

 final V putVal(K key, V value, boolean onlyIfAbsent) {if (key == null || value == null) throw new NullPointerException();//获取hash值int hash = spread(key.hashCode());int binCount = 0;for (Node<K,V>[] tab = table;;) {Node<K,V> f; int n, i, fh; K fk; V fv;//如果table为空,说明之前没有放入元素if (tab == null || (n = tab.length) == 0)tab = initTable();//如果要插入的位置没有节点数据     else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {//如果数组的桶是空的,则尝试插入数据,直到成功才中断当前循环,使用CAS算法if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value)))break;                   // no lock when adding to empty bin}//到此插入数据成功//如果在插入的时候,节点是一个forwordingNode状态,表示正在扩容,那么当前线程进行帮助扩容            else if ((fh = f.hash) == MOVED)tab = helpTransfer(tab, f);else if (//如果onlyIfAbsent为true,也就是只要key已经存在,就不写入新值onlyIfAbsent //扩容已经结束,fh 和传入key的值一样&&   fh == hash   // check first node//&& ((fk = f.key) == key || fk != null && key.equals(fk)) && (fv = f.val) != null)return fv;else {V oldVal = null;synchronized (f) {if (tabAt(tab, i) == f) {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);break;}}}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;}}else if (f instanceof ReservationNode)throw new IllegalStateException("Recursive update");}}if (binCount != 0) {if (binCount >= TREEIFY_THRESHOLD)treeifyBin(tab, i);if (oldVal != null)return oldVal;break;}}}addCount(1L, binCount);return null;
}

初始化数组

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 spinelse if (U.compareAndSetInt(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;
}

未完待续。。。。。。。。。。

这篇关于JDK9 ConcurrentHashMap实现原理(一)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1061985

相关文章

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Java编译生成多个.class文件的原理和作用

《Java编译生成多个.class文件的原理和作用》作为一名经验丰富的开发者,在Java项目中执行编译后,可能会发现一个.java源文件有时会产生多个.class文件,从技术实现层面详细剖析这一现象... 目录一、内部类机制与.class文件生成成员内部类(常规内部类)局部内部类(方法内部类)匿名内部类二、

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一:基于AbstractRoutingDataSource实现动态

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Java实现时间与字符串互相转换详解

《Java实现时间与字符串互相转换详解》这篇文章主要为大家详细介绍了Java中实现时间与字符串互相转换的相关方法,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、日期格式化为字符串(一)使用预定义格式(二)自定义格式二、字符串解析为日期(一)解析ISO格式字符串(二)解析自定义