JUC并发—8.并发安全集合一

大纲

1.JDK 1.7的HashMap的死循环与数据丢失

2.ConcurrentHashMap的并发安全

3.ConcurrentHashMap的设计介绍

4.ConcurrentHashMap的put操作流程

5.ConcurrentHashMap的Node数组初始化

6.ConcurrentHashMap对Hash冲突的处理

7.ConcurrentHashMap的并发扩容机制

8.ConcurrentHashMap的分段锁统计元素数据

9.ConcurrentHashMap的查询操作是否涉及锁

10.ConcurrentHashMap中红黑树的使用

 

1.JDK 1.7的HashMap的死循环与数据丢失

(1)JDK 1.7的HashMap工作原理

(2)JDK 1.7的HashMap并发下导致的环形链表

(3)环形链表引发的死循环与数据丢失

(4)JDK 1.7和JDK 1.8的HashMap对比

(5)并发安全的集合

 

(1)JDK 1.7的HashMap工作原理

一.Hash算法

put(key, value) => 对key执行Hash算法 => 根据Hash值用类似取模的算法 => 定位数组的某一个元素 => 如果数组元素为空，则将value存放在该数组元素里。

 

二.Hash冲突

如果两个key的Hash值，经过取模算法定位到数组的同一个位置，此时就会用链表处理这种Hash冲突。

 

三.数组扩容

如果数组元素达到了：数组大小 * loadFactor(0.75)，此时就会数组扩容。扩容时会按照倍数扩容，首先创建一个两倍大小的新数组。然后遍历原来的数组元素，对每个元素的key值进行Hash运算。接着将Hash运算后的Hash值对新数组大小进行取模，定位到新数组位置。

 

(2)JDK 1.7的HashMap并发下导致的环形链表

多线程并发操作HashMap时，可能会在扩容过程中形成一个环形链表。比如两个线程同时插入一个元素，而此时恰好两个线程同时触发了数组扩容。那么在数组扩容的过程中，就可能会形成一个环形链表。

 

下面是JDK1.7中HashMap扩容的核心源码。进行数组扩容时，会使用头插法来进行链表迁移。如果并发执行的两个线程同时使用头插法进行链表迁移，那么就有可能形成一个环形链表。

//JDK1.7的HashMap扩容的核心方法 void transfer(Entry[] newTable) {     Entry[] src = table;//旧的数组     int newCapacity = newTable.length;     for (int j = 0; j < src.length; j++) {         Entry<K,V> e = src[j];         if (e != null) {             src[j] = null;             do {                 Entry<K,V> next = e.next;                 //线程1执行到这里，假设此时的链表为：newTable[i] = <k1,v1> -> <k2,v2>                 //那么可知：e = <k1,v1>，next = <k2,v2>                 //恰好此时CPU发生了上下文切换，于是切换到线程2去执行扩容                 //线程2扩容时处理完链表的这两个节点后，newTable[i]就变成了：<k2,v2> -> <k1,v1>                 //然后CPU又切换回线程1来执行，由于此时e = <k1,v1>，那么后续代码对e.next赋值后，e就成为环形链表了：                 //也就是e = <k1,v1> -> <k2,v2> -> <k1,v1>，最后e又赋值给newTable[i]                 int i = indexFor(e.hash, newCapacity);//在新数组的位置                 //头插法：刚开始newTable[i]为null，后来newTable[i]变为<k1,v1>；                 //然后当e=<k2,v2>时，这里e设为<k2,v2> -> <k1,v1>，并又赋值给newTable[i]                 //接着遍历链表当e=<k3,v3>时，这里e设为<k3,v3> -> <k2,v2> -> <k1,v1> ...                 e.next = newTable[i];                 newTable[i] = e;                 e = next;             } while (e != null);         }     } }

(3)环形链表引发的死循环与数据丢失

一.环形链表导致死循环

假如执行get(k3)时，k3的Hash取模算法定位到环形链表的位置。于是开始遍历环形链表，但由于环形链表里没有k3的值，所以会导致在环形链表中无法找到k3对应的值进行返回。这样就导致了一直在环形链表中进行死循环，无法退出遍历。最后导致CPU飙升，线上系统被这个get操作卡死。

 

二.环形链表导致丢失数据

上面例子就导致了从出发是无法找到的，因此这条数据就永久丢失了，甚至会被垃圾回收掉。

 

(4)JDK 1.7和JDK 1.8的HashMap对比

在JDK1.7中，HashMap采用数组 + 链表的数据结构来存储数据。在多个线程并发扩容时，可能会造成环形链表最终导致死循环和数据丢失。

 

在JDK1.8中，HashMap采用数组 + 链表 + 红黑树的数据结构来存储数据，并且优化了JDK1.7中的数组扩容方案，解决了死循环和数据丢失的问题。但是在并发场景下调用put()方法时，有可能会存在数据覆盖的问题。

 

(5)并发安全的集合

比如HashTable使用synchronized来保证线程的安全性，比如Collections.synchronizedMap可以把一个线程不安全的Map，通过synchronized的方式，将其变成安全的。

 

但是这些方法在线程竞争激烈的情况下，效率都比较低。因为它们都是在方法层面上使用了synchronized实现的锁机制，从而导致不管是put操作还是get操作都需要去竞争同一把锁。

 

ConcurrentHashMap既能保证并发安全，性能也好于HashTable等集合。

 

2.ConcurrentHashMap的并发安全

(1)如何理解ConcurrentHashMap的并发安全

(2)ConcurrentHashMap在复合操作中的安全问题

(3)ConcurrentMap可解决复合操作的安全问题

(4)ConcurrentMap支持lambda表达式操作

 

(1)如何理解ConcurrentHashMap的并发安全

只能保证多线程并发执行时，容器中的数据不会被破坏。无法保证涉及多个线程的复合操作的正确性，复合操作会有并发安全问题。

 

(2)ConcurrentHashMap在复合操作中的安全问题

假设需要通过一个ConcurrentHashMap来记录每个用户的访问次数。如果指定用户已经有访问次数的记录，则进行递增，否则添加新访问记录。

 

如下代码在多线程并发调用时，会存在并发安全问题。虽然ConcurrentHashMap对于数据操作本身是安全的，但这里是复合操作，也就是"读—修改—写"，而这三个操作作为一个整体却不是原子的。所以当多个线程访问同一个用户时，很可能会覆盖相互操作的结果，从而造成该用户的访问记录次数少于实际访问次数。

public class Demo {     private static final ConcurrentHashMap<String, Long> USER_ACCESS_COUNT = new ConcurrentHashMap<>(64);      		public static void main(String[] args) throws InterruptedException {         Long accessCount = USER_ACCESS_COUNT.get("张三");         if (accessCount == null) {             USER_ACCESS_COUNT.put("张三", 1L);         } else {             USER_ACCESS_COUNT.put("张三", accessCount + 1);         }     } }

(3)ConcurrentMap可解决复合操作的安全问题

虽然ConcurrentHashMap是并发安全的，但对于其复合操作需要特别关注。上述复合操作的安全问题的解决方案是，可以对复合操作加锁，也可以使用ConcurrentMap接口来解决复合操作的安全问题。

 

ConcurrentMap是一个支持并发访问的Map集合，相当于在原本的Map集合上新增了一些方法来扩展Map的功能。

 

ConcurrentMap接口定义的如下4个方法，都能满足原子性的，可以用在ConcurrentHashMap的复合操作场景中。

//A java.util.Map providing thread safety and atomicity guarantees. public interface ConcurrentMap<K, V> extends Map<K, V> {     ...     //向ConcurrentHashMap集合插入数据     //如果插入数据的key不存在于集合中，则保存当前数据并且返回null     //如果key已经存在，则返回存在的key对应的value     V putIfAbsent(K key, V value);          //根据key和value来删除ConcurrentHashMap集合中的元素     //该删除操作必须保证key和value完全匹配，删除成功则返回true，否则返回false     boolean remove(Object key, Object value);          //根据key和oldValue来替换ConcurrentHashMap中已经存在的值，新的值是newValue     //该替换操作必须保证key和oldValue玩去匹配，替换成功则返回true，否则返回false     boolean replace(K key, V oldValue, V newValue);          //和replace(key, oldValue, newValue)不同之处在于，少了对oldValue的判断     //如果替换成功，则返回替换之前的value，否则返回null     V replace(K key, V value);     ... }

因此，可以基于ConcurrentMap提供的接口对上述Demo进行改造。将原来ConcurrentHashMap第一次的put()方法替换为putIfAbsent()方法，将原来ConcurrentHashMap修改用的put()方法替换为replace()方法。由于putIfAbsent()方法和replace()方法都能保证原子性，所以并发安全了。同时增加一个while(true)方法以实现一个类似自旋的操作，确保操作成功。

public class KeyUtil {     private static final ConcurrentHashMap<String, Long> USER_ACCESS_COUNT = new ConcurrentHashMap<>(64);      public static void main(String[] args) throws InterruptedException {         while (true) {             Long accessCount = USER_ACCESS_COUNT.get("张三");             if (accessCount == null) {                 if (USER_ACCESS_COUNT.putIfAbsent("张三", 1L) == null) {                     break;                 }             } else {                 if (USER_ACCESS_COUNT.replace("张三", accessCount, accessCount + 1)) {                     break;                 }             }         }     } }

(4)ConcurrentMap支持lambda表达式操作

一.computeIfAbsent()方法

该方法通过判断传入的key是否存在来对ConcurrentMap进行数据初始化。如果key存在，则不做任何处理。如果key不存在，则调用mappingFunction计算出value值添加到Map。

//如果张三这个用户不存在，则下面代码会初始化张三这个用户的值为1 USER_ACCESS_COUNT.computeIfAbsent("张三", k -> 1L);

二.computeIfPresent()方法

该方法对已经存在的key对应的value值进行修改。如果key不存在，则返回null。如果key存在，则调用mappingFunction计算出value值修改Map。

//如果要对张三这个已经存在的用户的value值进行修改，可以使用如下代码： USER_ACCESS_COUNT.computeIfPresent("张三", (k,v) -> v + 1);

三.compute()方法

compute()方法是computeIfAbsent()方法和computeIfPresent()方法的结合体。不管key是否存在，都会调用mappingFunction计算出value值。如果key存在，则对value进行修改。如果key不存在，则进行初始化处理。

//如果张三这个用户不存在，则下面代码会初始化张三这个用户的值为1 USER_ACCESS_COUNT.computeIfAbsent("张三", k -> 1L);  //如果要对张三这个已经存在的用户的value值进行修改，可以使用如下代码： USER_ACCESS_COUNT.computeIfPresent("张三", (k,v) -> v + 1);  //如果张三这个用户存在，则对其value加1，否则初始化其值为1 USER_ACCESS_COUNT.compute("张三", (k,v) -> (v == null) ? 1L : v + 1);

 

3.ConcurrentHashMap的设计介绍

(1)JDK1.8相比于JDK1.7的改进

(2)ConcurrentHashMap的设计思想

(3)ConcurrentHashMap的数据结构定义

 

(1)JDK1.8相比于JDK1.7的改进

一.取消了segment分段设计，直接使用Node数组来保存数据

采用Node数组元素作为锁的粒度，进一步减少并发冲突的范围和概率。

 

二.引入红黑树设计

红黑树降低了极端情况下查询某个结点数据的时间复杂度，从O(n)降低到了O(logn)，提升了查找性能。

 

(2)ConcurrentHashMap的设计思想

一.通过对数组元素加锁来降低锁的粒度

二.多线程进行并发扩容

三.高低位迁移方法

四.链表转红黑树及红黑树转链表

五.分段锁来实现数据统计

 

(3)ConcurrentHashMap的数据结构定义

ConcurrentHashMap采用Node数组来存储数据，数组长度默认为16。Node表示数组中的一个具体的数据结点，并且实现了Map.Entry接口。Node的key和val属性，表示实际存储的key和value。Node的hash属性，表示当前key对应的hash值。Node的next属性，表示如果是链表结构，则指向下一个Node结点。

 

当链表长度大于等于8 + Node数组长度大于64时，链表会转为红黑树，红黑树的存储使用TreeNode来实现。

public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {      ...     //The default initial table capacity.     //Must be a power of 2 (i.e., at least 1) and at most MAXIMUM_CAPACITY.     private static final int DEFAULT_CAPACITY = 16;          //The array of bins. Lazily initialized upon first insertion.     //Size is always a power of two. Accessed directly by iterators.     transient volatile Node<K,V>[] table;//用来存储ConcurrentHashMap数据的Node数组          //Key-value entry.       //This class is never exported out as a user-mutable Map.Entry      //(i.e., one supporting setValue; see MapEntry below),      //but can be used for read-only traversals used in bulk tasks.     //Subclasses of Node with a negative hash field are special,      //and contain null keys and values (but are never exported).       //Otherwise, keys and vals are never null.     static class Node<K,V> implements Map.Entry<K,V> {         final int hash;//当前key对应的hash值         final K key;//实际存储的key         volatile V val;//实际存储的value         volatile Node<K,V> next;//如果是链表结构，则指向下一个Node结点               Node(int hash, K key, V val, Node<K,V> next) {             this.hash = hash;             this.key = key;             this.val = val;             this.next = next;         }         ...     }          //Nodes for use in TreeBins     static final class TreeNode<K,V> extends Node<K,V> {         TreeNode<K,V> parent;//red-black tree links         TreeNode<K,V> left;         TreeNode<K,V> right;         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;         }         ...     }     ... }

 

4.ConcurrentHashMap的put操作流程

(1)ConcurrentHashMap的put操作流程

(2)ConcurrentHashMap和HashMap的put操作

(3)为什么ConcurrentHashMap是并发安全的

 

(1)ConcurrentHashMap的put操作流程

首先通过key的hashCode的高低16位的位与操作来计算key的hash值，让32位的hashCode都参与运算以降低数组大小小于32时哈希冲突的概率。

 

然后判断Node数组是否为空或者Node数组的长度是否为0。如果为空或者为0，则调用initTable()方法进行初始化。如果不为空，则通过hash & (n - 1)计算当前key在Node数组中的下标位置。并通过tabAt()方法获取该位置的值f，然后判断该位置的值f是否为空。

 

如果该位置的值f为空，则把当前的key和value封装成Node对象。然后尝试通过casTabAt()方法使用CAS设置该位置的值f为封装好的Node对象。如果CAS设置成功，则退出for循环，否则继续进行下一次for循环。

 

如果该位置的值f不为空，则判断Node数组是否正处于扩容中。如果是，那么当前线程就调用helpTransfer()方法进行并发扩容。如果不是，那么说明当前的key在Node数组中出现了Hash冲突。于是通过synchronized关键字，对该位置的值f进行Hash冲突处理。其实JUC还可以继续优化，比如先用CAS尝试修改哈希冲突下的链表或红黑树。如果CAS修改失败，那么再通过使用synchronized对该数组元素加锁来进行处理。

 

最后，会调用addCount()方法统计Node数组中的元素个数。

public class ConcurrentHashMapDemo {     public static void main(String[] args) {         ConcurrentHashMap<String, String> map = new ConcurrentHashMap<String, String>();         map.put("k1", "v1");     } }  public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {      ...     //The array of bins. Lazily initialized upon first insertion.     //Size is always a power of two. Accessed directly by iterators.     transient volatile Node<K,V>[] table;          //Creates a new, empty map with the default initial table size (16).     public ConcurrentHashMap() {              }          //Creates a new, empty map with an initial table size      //accommodating the specified number of elements without the need to dynamically resize.     //@param initialCapacity The implementation performs internal sizing to accommodate this many elements.     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;     }          //Returns a power of two table size for the given desired capacity.     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;     }          static final int spread(int h) {         //通过hashCode的高低16位的异或运算来计算hash值，以降低数组大小比32小的时候的哈希冲突概率         return (h ^ (h >>> 16)) & HASH_BITS;     }          //Maps the specified key to the specified value in this table.     //Neither the key nor the value can be null.     public V put(K key, V value) {         return putVal(key, value, false);     }          //获取Node数组在位置i的元素，通过Unsafe类让数组中的元素具有可见性     //虽然table变量使用了volatile修饰，但这只保证了table引用对于所有线程的可见性，还不能保证table数组中的元素的修改对于所有线程是可见的     //因此需要通过Unsafe类的getObjectVolatile()来保证table数组中的元素的可见性     static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) {         return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE);     }          //CAS设置Node数组的元素为某个Node对象     static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i, Node<K,V> c, Node<K,V> v) {         return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v);     }          final V putVal(K key, V value, boolean onlyIfAbsent) {         if (key == null || value == null) {             throw new NullPointerException();         }                //通过key的hashCode的高低16位的位与操作来计算hash值         int hash = spread(key.hashCode());         int binCount = 0;                 //这是一个没有结束条件的for循环，用来自旋         //其中Node数组的引用赋值给了tab变量         for (Node<K,V>[] tab = table;;) {             Node<K,V> f; int n, i, fh;             if (tab == null || (n = tab.length) == 0) {                 //调用initTable()方法初始化Node数组                 tab = initTable();             } else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {                 //如果通过CAS设置Node数组位置i的值为key/value封装的Node对象，则退出for循环                 if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null))) {                     break;// no lock when adding to empty bin                 }             } else if ((fh = f.hash) == MOVED) {                 //如果发现Node数组正处于扩容中，那么就进行并发扩容                 tab = helpTransfer(tab, f);             } else {                 V oldVal = null;                 //处理Hash冲突                 synchronized (f) {                     if (tabAt(tab, i) == f) {                         if (fh >= 0) {//如果是链表                             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;                                 }                             }                         } else if (f instanceof TreeBin) {//如果是红黑树                             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;                                 }                             }                         }                     }                 }                 if (binCount != 0) {                     //如果链表的元素大于等于8                     if (binCount >= TREEIFY_THRESHOLD) {//TREEIFY_THRESHOLD = 8                         treeifyBin(tab, i);//链表转红黑树                     }                     if (oldVal != null) {                         return oldVal;                     }                     break;                 }             }         }         //调用addCount()方法统计Node数组元素的个数         addCount(1L, binCount);         return null;     }     ... }

(2)ConcurrentHashMap和HashMap的put操作

都是通过key的hashCode的高低16位的异或运算，来降低Hash冲突概率。

 

都是通过Hash值与数组大小-1的位与运算(取模)，来定位key在数组的位置。

 

但ConcurrentHashMap使用了自旋 + CAS + synchronized来处理put操作，从而保证了多个线程对数组里某个key进行赋值时的效率 + 并发安全性。

public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {     static final int TREEIFY_THRESHOLD = 8;//链表转红黑树的阈值     ...          public V put(K key, V value) {         return putVal(hash(key), key, value, false, true);     }        final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {         Node<K,V>[] tab; Node<K,V> p; int n, i;         if ((tab = table) == null || (n = tab.length) == 0) {             n = (tab = resize()).length;         }         if ((p = tab[i = (n - 1) & hash]) == null) {             //如果通过哈希寻址算法定位到的下标为i的数组元素为空(即tab[i]为空)             //那么就可以直接将一个新创建的Node对象放到数组的tab[i]这个位置；             tab[i] = newNode(hash, key, value, null);         } else {             Node<K,V> e; K k;             if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) {                 //通过哈希寻址算法定位到的数组位置已有Node元素                 //那么判断是否为相同的key，如果是相同的key则进行value覆盖                 e = p;             } else if (p instanceof TreeNode) {                 //通过哈希寻址算法定位到的数组位置已有Node元素，而且不是相同的key                 //那么通过"p instanceof TreeNode)"，判断数组的tab[i]元素是否是一颗红黑树                 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);             } else {                 ...             }             ...         }         ++modCount;         //判断数组大小size，是否已经达到了扩容阈值threshold大小         if (++size > threshold) {             resize();         }         afterNodeInsertion(evict);         return null;     }     ... }

(3)为什么ConcurrentHashMap是并发安全的

首先在初始化Node数组时，会通过自旋 + CAS去设置sizeCtl的值来获得锁。然后在put()操作时，也会通过自旋 + CAS去设置数组某个位置的值。当出现Hash冲突时，则使用synchronized关键字来修改数组某个位置的值。

 

5.ConcurrentHashMap的Node数组初始化

(1)调用put()方法时才初始化Node数组

(2)initTable()方法的初始化逻辑

(3)sizeCtl的状态流转

 

(1)调用put()方法时才初始化Node数组

Node数组的初始化过程是被动的，当调用ConcurrentHashMap.put()方法时，如果发现Node数组还没有被初始化，才会调用initTable()方法完成初始化。

 

(2)initTable()方法的初始化逻辑

initTable()方法和一般的初始化方法不同，因为需要考虑多线程并发情形。

 

首先while循环的退出条件是Node数据即table初始化成功，否则一直循环。这其实就使用到了自旋的机制，因为多个线程调用initTable()必然会竞争。而在竞争的情况下如果不采用独占锁机制，就只能通过自旋来不断重试。

 

然后通过sizeCtl是否小于0来判断当前是否有其他线程正在进行初始化。如果有，则通过Thread.yield()把自己变成就绪状态，释放CPU资源。如果没有，则通过CAS修改sizeCtl变量的值为-1。

 

如果CAS修改sizeCtl成功，则表示当前线程获取初始化Node数组的锁成功了；

如果CAS修改sizeCtl失败，则表示当前线程获取初始化Node数组的锁失败了；

 

对于获取锁失败的线程，会继续进入下一次while循环进行重试，这样设计是为了避免出现多个线程同时初始化Node数组。

 

对于获取锁成功的线程，首先会判断Node数组是否已经初始化完成。如果Node数组已经初始化完成，则退出while循环。如果Node数组还是空，则创建一个Node数组，然后赋值给table变量。并且计算下次扩容的阈值(0.75倍当前数组容量)，然后赋值给sizeCtl。

public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {      //sizeCtl = -1，表示当前有线程抢占到了初始化Node数组的资格，正在初始化Node数组     //sizeCtl < -1，用sizeCtl值的二进制低16位来记录当前参与扩容的线程数量     //sizeCtl = 0，表示Node数组未初始化，并且在ConcurrentHashMap构造方法中没有指定初始容量     //sizeCtl > 0，如果Node数组已经初始化，那么sizeCtl表示扩容的阈值(初始容量 * 0.75)，如果未初始化，则表示数组的初始容量     private transient volatile int sizeCtl;     private static final long SIZECTL;        static {         try {             U = sun.misc.Unsafe.getUnsafe();//获取UnSafe对象             Class<?> k = ConcurrentHashMap.class;             SIZECTL = U.objectFieldOffset(k.getDeclaredField("sizeCtl"));//获取sizeCtl变量的偏移量             ...         } catch (Exception e) {             throw new Error(e);         }     }     ...          //初始化Node数组     //Initializes table, using the size recorded in sizeCtl.     private final Node<K,V>[] initTable() {         Node<K,V>[] tab; int sc;         //退出while循环的条件是Node数组即table初始化成功         while ((tab = table) == null || tab.length == 0) {             //判断当前是否有其他线程正在进行初始化             if ((sc = sizeCtl) < 0) {                 //如果有，则通过Thread.yield()把自己变成就绪状态，释放CPU资源                 Thread.yield();//lost initialization race; just spin             } else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {                 //如果没有线程正在进行初始化，则通过CAS修改sizeCtl变量的值为-1                 //如果CAS修改成功，则表示当前线程获得了初始化数组的锁                 //如果CAS修改失败，则表示当前线程获取初始化数组的锁失败                 try {                     //再次判断Node数组是否为空，即Node数组是否已经初始化完成                     //因为执行Thread.yield()让出CPU资源的线程必然会再次执行到这里                     if ((tab = table) == null || tab.length == 0) {                         int n = (sc > 0) ? sc : DEFAULT_CAPACITY;                         @SuppressWarnings("unchecked")                         //初始化大小为n的Node数组，然后赋值给tab变量和table变量                         Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];                         //赋值给ConcurrentHashMap的全局Node数组table                         table = tab = nt;                         //计算下次扩容的阈值，阈值的计算是当前数组容量的0.75倍                         sc = n - (n >>> 2);                     }                 } finally {                     //最后将扩容的阈值赋值给sizeCtl                     sizeCtl = sc;                 }                 break;             }         }         return tab;     }     ... }

(3)sizeCtl的状态流转

一.sizeCtl = -1

表示当前有线程抢占到了初始化Node数组的资格，正在初始化Node数组。

二.sizeCtl < -1

用sizeCtl值的二进制低16位来记录当前参与扩容的线程数量。

三.sizeCtl = 0

表示Node数组未初始化，且创建ConcurrentHashMap时没有指定初始容量。

四.sizeCtl > 0

如果Node数组已经初始化，那么sizeCtl表示扩容的阈值(初始容量 * 0.75)。如果Node数组未初始化，则表示数组的初始容量。

 

6.ConcurrentHashMap对Hash冲突的处理

(1)Hash冲突的几个解决方案

(2)ConcurrentHashMap对Hash冲突的处理

(3)链表长度大于8时是扩容还是转化为红黑树

(1)Hash冲突的几个解决方案

一.开放寻址法

如果位置i被占用，那么就探查i+1、i+2、i+3的位置。ThreadLocal采用的就是开放寻址法。

二.链式寻址法

Hash表的每个位置都连接一个链表。当发生Hash冲突时，冲突的元素会被加入到这个位置的链表中。ConcurrentHashMap就是基于链式寻址法解决Hash冲突的。

三.再Hash法

提供多个不同的Hash函数，当发生Hash冲突时，使用第二个、第三个等。

(2)ConcurrentHashMap对Hash冲突的处理

首先使用synchronized对当前位置的Node对象f进行加锁。由于这种锁控制在数组的单个数据元素上，所以长度为16的数组理论上就可以支持16个线程并发写入数据。

然后判断当前位置的Node对象f是链表还是红黑树。如果是链表，那么就把当前的key/value封装成Node对象插入到链表的尾部。如果是红黑树，那么就调用TreeBin的putTreeVal()方法往红黑树插入结点。

最后判断链表的长度是否大于等于8，如果链表的长度大于等于8，再调用treeifyBin()方法决定是扩容数组还是将链表转化为红黑树。

public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {      ...     //The array of bins. Lazily initialized upon first insertion.     //Size is always a power of two. Accessed directly by iterators.     transient volatile Node<K,V>[] table;          //Maps the specified key to the specified value in this table.     //Neither the key nor the value can be null.     public V put(K key, V value) {         return putVal(key, value, false);     }          //获取Node数组在位置i的元素     //虽然table变量使用了volatile修饰，但这只保证了table引用对于所有线程的可见性，还不能保证table数组中的元素的修改对于所有线程是可见的     //因此需要通过Unsafe类的getObjectVolatile()来保证table数组中的元素的可见性     static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) {         return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE);     }          //CAS设置Node数组的元素为某个Node对象     static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i, Node<K,V> c, Node<K,V> v) {         return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v);     }          final V putVal(K key, V value, boolean onlyIfAbsent) {         if (key == null || value == null) {             throw new NullPointerException();         }                //通过key的hashCode的高低16位的位与操作来计算hash值         int hash = spread(key.hashCode());         int binCount = 0;                 //这是一个没有结束条件的for循环，用来自旋         //其中Node数组的引用赋值给了tab变量         for (Node<K,V>[] tab = table;;) {             Node<K,V> f; int n, i, fh;             if (tab == null || (n = tab.length) == 0) {                 //调用initTable()方法初始化Node数组                 tab = initTable();             } else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {                 //如果通过CAS设置Node数组位置i的值为key/value封装的Node对象，则退出for循环                 if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null))) {                     break;// no lock when adding to empty bin                 }             } else if ((fh = f.hash) == MOVED) {                 //发现Node数组正处于扩容中，那么就进行并发扩容                 tab = helpTransfer(tab, f);             } else {                 V oldVal = null;                 //处理Hash冲突                 synchronized (f) {//使用synchronized对当前数组位置的Node对象f进行加锁                     if (tabAt(tab, i) == f) {                         if (fh >= 0) {//如果是链表                             binCount = 1;//binCount用来记录链表的长度                             //从链表的头结点开始遍历每个结点                             for (Node<K,V> e = f;; ++binCount) {                                 K ek;                                 //如果存在相同的key，则修改该key的value                                 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;                                 //找到链表的最后一个结点                                 if ((e = e.next) == null) {                                     //把当前的key/value封装成Node对象插入到链表的尾部                                     pred.next = new Node<K,V>(hash, key, value, null);                                     break;                                 }                             }                         } else if (f instanceof TreeBin) {//如果是红黑树                             Node<K,V> p;                             binCount = 2;                             //调用TreeBin的putTreeVal()方法往红黑树插入结点                             if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key, value)) != null) {                                 oldVal = p.val;                                 if (!onlyIfAbsent) {                                     p.val = value;                                 }                             }                         }                     }                 }                 //最后判断链表的长度是否大于等于8                 if (binCount != 0) {                     //如果链表的长度大于等于8，再调用treeifyBin()方法决定是扩容数组还是转化为红黑树                     if (binCount >= TREEIFY_THRESHOLD) {//TREEIFY_THRESHOLD = 8                         treeifyBin(tab, i);//是扩容数组还是转化为红黑树                     }                     if (oldVal != null) {                         return oldVal;                     }                     break;                 }             }         }         //调用addCount()方法统计Node数组元素的个数         addCount(1L, binCount);         return null;     }     ... }

(3)链表长度大于8时是扩容还是转化为红黑树

当链表长度 >= 8时，ConcurrentHashMap会对链表采用两种方式进行优化。

方式一：对数组进行扩容

当数组长度 <= 64，且链表长度 >= 8时，优先选择对数组进行扩容。

方式二：把链表转化为红黑树

当数组长度 > 64，且链表长度 >= 8时，会将链表转化为红黑树。

treeifyBin()方法的作用是根据相关阈值来决定是扩容还是把链表转为红黑树。

public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {      static final int MIN_TREEIFY_CAPACITY = 64;     ...     //Replaces all linked nodes in bin at given index unless table is too small, in which case resizes instead.     private final void treeifyBin(Node<K,V>[] tab, int index) {         Node<K,V> b; int n, sc;         if (tab != null) {             //如果当前数组的长度小于64，则调用tryPresize()方法进行数组扩容             if ((n = tab.length) < MIN_TREEIFY_CAPACITY) {                 tryPresize(n << 1);//数组扩容             } else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {                 synchronized (b) {                     if (tabAt(tab, index) == b) {                         TreeNode<K,V> hd = null, tl = null;                         for (Node<K,V> e = b; e != null; e = e.next) {                             //构建一个TreeNode并插入红黑树中                             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;                         }                         setTabAt(tab, index, new TreeBin<K,V>(hd));                     }                 }             }         }     }     ... }

7.ConcurrentHashMap的并发扩容机制

(1)ConcurrentHashMap扩容的前置操作

(2)ConcurrentHashMap并发扩容的机制

(3)ConcurrentHashMap并发扩容的流程

(1)ConcurrentHashMap扩容的前置操作

ConcurrentHashMap的tryPresize()方法用于处理数组扩容前的前置操作，该方法主要分为四部分。

第一部分：

首先通过tableSizeFor()方法计算传入size的最小的2的幂次方。

第二部分：

然后判断Node数组是否已初始化，如果还没初始化则要先进行初始化。初始化时会计算扩容阈值为数组大小的0.75倍 + 将扩容阈值赋值给sizeCtl。

第三部分：

如果Node数组已经初始化，则判断是否需要进行扩容。如果Node数组已经被其他线程完成扩容，则当前线程退出循环，无需扩容。如果Node数组已达到最大容量，则无法再进行扩容，也需退出循环。

第四部分：

调用transfer()方法开始执行扩容操作。如果sizeCtl < 0，说明此时已经有其他线程在执行扩容了。如果sizeCtl >= 0，说明此时没有其他线程进行扩容。当前线程都会先通过CAS成功设置sizeCtl后，再调用transfer()方法来扩容。

public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {      ...     //Returns a power of two table size for the given desired capacity.     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;     }      //Tries to presize table to accommodate the given number of elements.     private final void tryPresize(int size) {         //一.首先通过tableSizeFor()方法计算传入size的最小的2的幂次方         int c = (size >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY : tableSizeFor(size + (size >>> 1) + 1);         int sc;         while ((sc = sizeCtl) >= 0) {             Node<K,V>[] tab = table; int n;             //二.判断Node数组是否已经初始化，如果还没初始化，需要先进行初始化             if (tab == null || (n = tab.length) == 0) {                 n = (sc > c) ? sc : c;                 if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {                     try {                         if (table == tab) {                             @SuppressWarnings("unchecked")                             Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];                             table = nt;                             sc = n - (n >>> 2);//扩容阈值为数组大小的0.75倍                         }                     } finally {                         sizeCtl = sc;//将扩容阈值赋值给sizeCtl                     }                 }             }             //三.如果Node数组已经初始化，则判断是否需要进行扩容             else if (c <= sc || n >= MAXIMUM_CAPACITY) {                 //c <= sc，说明Node数组已经被其他线程完成扩容了，不需要再进行扩容                 //n >= MAXIMUM_CAPACITY，说明Node数组已达到最大容量，无法再进行扩容                 break;             }             //四.调用transfer()方法开始执行扩容操作             else if (tab == table) {                 int rs = resizeStamp(n);                 //如果sc < 0，说明此时已经有其他线程在执行扩容了                 //于是当前线程可以先通过CAS成功设置sizeCtl的值后，再调用transfer()方法协助扩容                 if (sc < 0) {                     Node<K,V>[] nt;                     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)) {                         transfer(tab, nt);                     }                 }                 //如果sc >= 0，说明此时没有其他线程进行扩容                 //于是当前线程也是先通过CAS成功设置sizeCtl的值后，再调用transfer()方法进行扩容                 else if (U.compareAndSwapInt(this, SIZECTL, sc, (rs << RESIZE_STAMP_SHIFT) + 2)) {                     transfer(tab, null);                 }             }         }     }     ... }

(2)ConcurrentHashMap并发扩容的机制

一.ConcurrentHashMap中的扩容设计

二.多线程并发扩容的原理

一.ConcurrentHashMap中的扩容设计

扩容就是创建一个2倍原大小的数组，然后把原数组的数据迁移到新数组中。但多线程环境下的扩容，需要考虑其他线程会同时往数组添加元素的情况。如果简单地对扩容过程增加一把同步锁，保证扩容过程不存在其他线程操作，那么就会对性能的损耗特别大，特别是数据量比较大时，阻塞的线程会很多。

首先使用CAS来实现计算每个线程的迁移区间。然后使用synchronized把锁粒度控制到每个数组元素上。如果数组有16个元素就有16把锁，如果数组有32个元素就有32把锁。接着如果线程A在进行数组扩容时，线程B要修改数组的某个元素f。那么就让修改元素的线程加入迁移，从而实现多线程并发扩容来提高效率。等数组扩容完成后，线程B才继续去修改元素f。最后通过高低位迁移逻辑计算出高位链和低位链，大大减少了数据迁移次数。

二.多线程并发扩容的原理

当存在多个线程并发扩容及数据迁移时，默认会给每个线程分配一个区间。这个区间的默认长度是16，每个线程会负责自己区间内的数据迁移工作。如果只有两个线程对长度为64的数组迁移数据，则每个线程要做2次迁移，迁移过程会依赖transferIndex来更新每个线程的迁移区间。

(3)ConcurrentHashMap并发扩容的流程

ConcurrentHashMap的transfer()方法用于处理数组扩容时的流程细节，该方法主要分为五部分：

第一部分：创建扩容后的数组

第二部分：计算当前线程的数据迁移区间

第三部分：更新扩容标记advance

第四部分：开始数据迁移和扩容

第五部分：完成迁移后的判断

第一部分：创建扩容后的数组

这部分代码主要做两件事情：

一.计算每个线程处理的迁移区间长度，默认是16。

二.初始化一个新的数组nt，赋值给方法入参nextTab和全局变量nextTable。该数组的长度是原数组的2倍，并且设置transferIndex的值为为原数组大小。

public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {      //The next table to use; non-null only while resizing.     private transient volatile Node<K,V>[] nextTable;     ...          //Moves and/or copies the nodes in each bin to new table.      //tab是原数组，nextTab是扩容后的数组     private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {         int n = tab.length, stride;         //计算每个线程处理的迁移区间长度，默认是16         if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE) {             stride = MIN_TRANSFER_STRIDE;//subdivide range         }         //初始化一个新的数组nt，赋值给方法入参nextTab和全局变量nextTable，该数组的长度是原数组的2倍         //并且设置transferIndex的值为为原数组大小         if (nextTab == null) {//initiating             try {                 @SuppressWarnings("unchecked")                 Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];//扩容为2n                 nextTab = nt;//将创建的扩容数组赋值给nextTab             } catch (Throwable ex) {//try to cope with OOME                 sizeCtl = Integer.MAX_VALUE;                 return;             }             nextTable = nextTab;//将创建的扩容数组赋值给nextTable             transferIndex = n;//设置transferIndex为原来的数组大小         }         ...     } }

第二部分：计算当前线程的数据迁移区间

下面的while循环会计算每个执行到此处的线程需要负责的数据迁移区间。假设当前数组长度是32，需要扩容到64。那么此时transferIndex = 32，nextn = 64，n = 32。

当前线程第一次for循环：nextIndex被transferIndex赋值为32，之后CAS修改transferIndex。CAS修改成功后，nextBound = 32 - 16 = 16，transferIndex = 16。所以bound = 16，i = 31，当前线程负责的迁移区间为[bound, i] = [16, 31]。

当前线程第二次for循环，或者有其他线程进来第一次for循环：由于此时transferIndex = 16，所以nextIndex会被transferIndex赋值为16。之后CAS修改transferIndex为0，修改成功后，nextBound = 16 - 16 = 0。所以bound = 0，i = 15，此时线程负责的迁移区间为[bound, i] = [0, 15]。

需要注意的是：每次循环都会通过if (--i >= bound || finishing)判断区间是否已迁移完成。如果已完成，则会继续进入while循环中的CAS，获取新的迁移区间。

数组从高位往低位进行迁移，比如第一次for循环，处理的区间是[16, 31]。那么就会从位置为31开始往前进行遍历，对每个数组元素进行数据迁移。

public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {      //The next table to use; non-null only while resizing.     private transient volatile Node<K,V>[] nextTable;     ...          //Moves and/or copies the nodes in each bin to new table.      //tab是原数组，nextTab是扩容后的数组     private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {         ...         int nextn = nextTab.length;//扩容后的数组长度         //继承自Node的ForwardingNode表示一个正在被迁移的Node         //当原数组中某位置的数据完成迁移后，会对该位置设置一个ForwardingNode，表示该位置已经处理过了         ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);         //advance字段用来判断是否还有待处理的数据迁移工作，也就是扩容标记         boolean advance = true;         boolean finishing = false; // to ensure sweep before committing nextTab         //当前线程负责的迁移区间是[bound, i]         for (int i = 0, bound = 0;;) {             Node<K,V> f; int fh;             //while循环会计算每个执行到此处的线程需要负责的数据迁移区间             while (advance) {                 //假设当前数组长度是32，需要扩容到64；                 //那么此时transferIndex = 32，nextn = 64，n = 32；                 //刚开始循环时i = 0，nextIndex被transferIndex赋值为32                 int nextIndex, nextBound;                 if (--i >= bound || finishing) {                     //一开始i = bound = 0，所以不会进入这里，而是进入U.compareAndSwapInt()的条件中                     //但后来bound = 16, i = 31后，就会进入这里，退出循环                     //此后，每次--i，当i = bound = 16时，就又会进入U.compareAndSwapInt()的条件中，重新获取数据迁移区间                     advance = false;                 } else if ((nextIndex = transferIndex) <= 0) {                     //判断当前线程是否已经分配到了新的迁移区间                     i = -1;                     advance = false;                 } else if (U.compareAndSwapInt(this, TRANSFERINDEX, nextIndex, nextBound = (nextIndex > stride ? nextIndex - stride : 0))) {                      //如果CAS设置transferIndex从nextIndex=32变为nextIndex-16=16成功后，                     //那么advance设置为false，退出while循环                     //当前线程再次进入while循环或者其他线程也进入while循环，就会从transferIndex = 16开始，计算要负责的迁移区间                     bound = nextBound;//第一次for循环nextBound = 16                     i = nextIndex - 1;//第一次for循环i = 31                     advance = false;                 }             }             ...         }         ...     }          //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;         }         ...     } }

第三部分：更新扩容标记advance

如果位置i的数组元素Node为空，说明该Node对象不需要迁移。所以通过casTabAt()方法修改原数组在位置i的元素为fwd对象，这样其他线程在进行put()操作的时候就可以发现当前数组正在扩容。

如果位置i的数组元素Node的hash值为MOVED，那么说明该Node对象已经被迁移了。所以设置扩容标记位advance为true，等下次for循环时进入while循环--i。

public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {      //The next table to use; non-null only while resizing.     private transient volatile Node<K,V>[] nextTable;          //The array of bins. Lazily initialized upon first insertion.     //Size is always a power of two. Accessed directly by iterators.     transient volatile Node<K,V>[] table;          ...     //Moves and/or copies the nodes in each bin to new table.      //tab是原数组，nextTab是扩容后的数组     private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {         ...         ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);         ...         //当前线程负责的迁移区间是[bound, i]         for (int i = 0, bound = 0;;) {             ...             } else if ((f = tabAt(tab, i)) == null) {                 //第三部分开始：更新扩容标记advance，这样其他线程在put()的时候就可以发现当前数组正在扩容                 advance = casTabAt(tab, i, null, fwd);             } else if ((fh = f.hash) == MOVED) {                 //设置扩容标记位advance为true，等下次for循环时进入while循环--i                 advance = true; // already processed                 //第三部分结束             } else {             ...         }         ...     }          //虽然table变量使用了volatile修饰，但这只保证了table引用对于所有线程的可见性，还不能保证table数组中的元素的修改对于所有线程是可见的      //因此需要通过Unsafe类的getObjectVolatile()来保证table数组中的元素的可见性     static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) {         return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE);     }      static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i, Node<K,V> c, Node<K,V> v) {         return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v);     } }

第四部分：开始数据迁移和扩容

首先对当前要迁移的Node结点f添加同步锁synchronized，避免多线程竞争。

如果结点f的哈希值大于0，则表示Node结点f为链表或普通结点，那么此时就需要按照链表或普通结点的方式来进行数据迁移。

如果结点f属于TreeBin类型，则表示结点f为红黑树，那么此时就要按红黑树的规则进行数据迁移。

需要注意的是，数据迁移之后可能会存在红黑树转化为链表的情况，当链表长度小于等于6时，红黑树就会转化为链表。

接着使用高位链和低位链的计算方法构造高位链和低位链，遍历链表的每一个结点，计算p.hash & n的值。如果值为0，表示需要迁移，属于高位链；否则不需要迁移，属于低位链。

比如在数组长度为16的一个链表中，hash值为：4, 20, 52, 68, 84, 100。经过hash & (n - 1)得到的下标位置都是4，接着数组长度需要扩容到32。于是经过hash & (n - 1)计算，发现20, 52, 84对应的下标变成了20。这就意味着，这个链表中hash值为20, 52, 84的结点需要迁移到位置20。

最后把低位链设置到扩容后的数组的位置i，把高位链设置到位置i + n。此时当前线程已处理完位置为i的数据迁移，于是设置advance为true，让后续的for循环可以进入while循环来实现对i的递减继续迁移数据。

第五部分：完成迁移后的判断

如果数据迁移完成了，则把扩容后的数组赋值给table。如果还没完成数据迁移，则通过CAS修改并发扩容的线程数。

public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> implements ConcurrentMap<K,V>, Serializable {      //The next table to use; non-null only while resizing.     private transient volatile Node<K,V>[] nextTable;     ...          //Moves and/or copies the nodes in each bin to new table.      private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {         //第一部分开始：创建扩容后的数组         int n = tab.length, stride;//n就是原数组大小         //计算每个线程处理的迁移区间长度，默认是16         if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE) {             stride = MIN_TRANSFER_STRIDE;//subdivide range         }         //初始化一个新的数组nt，赋值给方法入参nextTab和全局变量nextTable，该数组的长度是原数组的2倍         //并且设置transferIndex的值为为原数组大小         if (nextTab == null) {//initiating             try {                 @SuppressWarnings("unchecked")                 Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1];//扩容为2n                 nextTab = nt;//将创建的扩容数组赋值给nextTab             } catch (Throwable ex) {//try to cope with OOME                 sizeCtl = Integer.MAX_VALUE;                 return;             }             nextTable = nextTab;//将创建的扩容数组赋值给nextTable             transferIndex = n;//设置transferIndex为原来的数组大小         }         //第一部分结束         //第二部分开始：计算当前线程的数据迁移区间         int nextn = nextTab.length;//扩容后的数组长度         //继承自Node的ForwardingNode表示一个正在被迁移的Node         //当原数组中某位置的数据完成迁移后，会对该位置设置一个ForwardingNode，表示该位置已经处理过了         ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);         //advance字段用来判断是否还有待处理的数据迁移工作         boolean advance = true;         boolean finishing = false; // to ensure sweep before committing nextTab                 //当前线程负责的迁移区间是[bound, i]         for (int i = 0, bound = 0;;) {             Node<K,V> f; int fh;             //while循环会计算每个执行到此处的线程需要负责的数据迁移区间             while (advance) {                 //假设当前数组长度是32，需要扩容到64；                 //那么此时transferIndex = 32，nextn = 64，n = 32；                 //刚开始循环时i = 0，nextIndex被transferIndex赋值为32                 int nextIndex, nextBound;                 if (--i >= bound || finishing) {                     //一开始i = bound = 0，所以不会进入这里，而是进入U.compareAndSwapInt()的条件中                     //但后来bound = 16, i = 31后，就会进入这里，退出循环                     //此后，每次--i，当i = bound = 16时，就又会进入U.compareAndSwapInt()的条件中，重新获取数据迁移区间                     advance = false;                 } else if ((nextIndex = transferIndex) <= 0) {                     //判断当前线程是否已经分配到了新的迁移区间                     i = -1;                     advance = false;                 } else if (U.compareAndSwapInt(this, TRANSFERINDEX, nextIndex, nextBound = (nextIndex > stride ? nextIndex - stride : 0))) {                      //如果CAS设置transferIndex从nextIndex=32变为nextIndex-16=16成功后，                     //那么advance设置为false，退出while循环                     //当前线程再次进入while循环或者其他线程也进入while循环，就会从transferIndex = 16开始，计算要负责的迁移区间                     bound = nextBound;//第一次for循环nextBound = 16                     i = nextIndex - 1;//第一次for循环i = 31                     advance = false;                 }             }             //第二部分结束             if (i < 0 || i >= n || i + n >= nextn) {                 //第五部分开始：完成迁移后的判断                 int sc;                 //如果数据迁移完成了，则把扩容后的数组赋值给table                 if (finishing) {                     nextTable = null;                     table = nextTab;                     sizeCtl = (n << 1) - (n >>> 1);                     return;                 }                 //如果还没完成数据迁移，则通过CAS修改并发扩容的线程数                 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                 }                 //第五部分结束             } else if ((f = tabAt(tab, i)) == null) {                 //第三部分开始：更新扩容标记advance，这样其他线程在put()的时候就可以发现当前数组正在扩容                 advance = casTabAt(tab, i, null, fwd);             } else if ((fh = f.hash) == MOVED) {                 //设置扩容标记位advance为true，等下次for循环时进入while循环--i                 advance = true; // already processed                 //第三部分结束             } else {                 //第四部分开始：开始数据迁移和扩容                 synchronized (f) {//首先对当前要迁移的Node结点f添加同步锁synchronized，避免多线程竞争                     if (tabAt(tab, i) == f) {                         Node<K,V> ln, hn;                         //如果fh >= 0，则表示Node结点f为链表或普通结点，此时需要按照链表或普通结点的方式来进行数据迁移                         if (fh >= 0) {                             int runBit = fh & n;                             Node<K,V> lastRun = f;                             //for循环遍历链表，计算出当前链表最后一个需要迁移或者不需要迁移的结点位置                             //遍历链表的每一个结点，计算p.hash & n，如果值为0，表示需要迁移，否则不需要迁移                             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) {                                     //将ln作为参数，以ln为基础构造低位链，不需要迁移                                     ln = new Node<K,V>(ph, pk, pv, ln);                                 } else {                                     //将hn作为参数，以hn为基础构造高位链，需要迁移                                     hn = new Node<K,V>(ph, pk, pv, hn);                                 }                             }                             //把低位链设置到扩容后的数组的位置i                             setTabAt(nextTab, i, ln);                             //把高位链设置到扩容后的数组的位置i + n                             setTabAt(nextTab, i + n, hn);                             //当原数组中某位置的数据完成迁移后，会对该位置设置一个ForwardingNode，表示该位置已经处理过了                             setTabAt(tab, i, fwd);                             //当前线程已处理完位置为i的数据的迁移，于是设置advance为true，让后续的for循环继续进入while循环来实现对i的递减                             advance = true;                         } else if (f instanceof TreeBin) {                             //如果f instanceof TreeBin，则表示结点f为红黑树，需要按照红黑树的规则进行数据迁移                             //需要注意的是，数据迁移之后可能会存在红黑树转化为链表的情况，当链表长度小于等于6时，红黑树就会转化为链表                             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;                                 }                             }                             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;                             setTabAt(nextTab, i, ln);                             setTabAt(nextTab, i + n, hn);                             setTabAt(tab, i, fwd);                             advance = true;                         }                     }                 }                 //第四部分结束             }         }     }     ... }

8.ConcurrentHashMap的分段锁统计元素数据

(1)ConcurrentHashMap维护数组元素个数思路

(2)ConcurrentHashMap维护数组元素个数流程

(3)维护数组元素个数的addCount()方法

(4)维护数组元素个数的fullAddCount()方法

(5)获取数组元素个数的size()方法

(1)ConcurrentHashMap维护数组元素个数思路

当调用完put()方法后，ConcurrentHashMap必须增加当前元素的个数，以方便在size()方法中获得存储的元素个数。

在常规的集合中，只需要一个全局int类型的字段保存元素个数即可。每次添加一个元素，就对这个size变量 + 1。

在ConcurrentHashMap中，需要保证对该变量修改的并发安全。如果使用同步锁synchronized，那么性能开销比较大，不合适。所以ConcurrentHashMap使用了自旋 + 分段锁来维护元素个数。

(2)ConcurrentHashMap维护数组元素个数流程

ConcurrentHashMap采用了两种方式来保存元素的个数。当线程竞争不激烈时，直接使用baseCount + 1来增加元素个数。当线程竞争比较激烈时，构建一个CounterCell数组，默认长度为2。然后随机选择一个CounterCell，针对该CounterCell中的value进行保存。

增加元素个数的流程如下：