线程安全类之ConcurrentHashMap

遗留的线程安全集合，为什么叫遗留，因为他们出现的比较早，而且保证线程安全的手法都是给方法上面添加 synchronized 关键字，并发效率太低

使用 Collections 装饰的线程安全集合，是如何操作的？以 Map 为例

public static  Map synchronizedMap(Map m) {
    return new SynchronizedMap<>(m);
}

private static class SynchronizedMap
    implements Map, Serializable {
    private static final long serialVersionUID = 1978198479659022715L;

    private final Map m;     // Backing Map
    final Object      mutex;        // Object on which to synchronize

    SynchronizedMap(Map m) {
        this.m = Objects.requireNonNull(m);
        //存储在自己的成员变量中
        mutex = this;
    }

    SynchronizedMap(Map m, Object mutex) {
        this.m = m;
        this.mutex = mutex;
    }

    public int size() {
        synchronized (mutex) {return m.size();}
    }
    public boolean isEmpty() {
        synchronized (mutex) {return m.isEmpty();}
    }
    public boolean containsKey(Object key) {
        synchronized (mutex) {return m.containsKey(key);}
    }
    public boolean containsValue(Object value) {
        synchronized (mutex) {return m.containsValue(value);}
    }
    public V get(Object key) {
        synchronized (mutex) {return m.get(key);}
    }

    public V put(K key, V value) {
        synchronized (mutex) {return m.put(key, value);}
    }
    public V remove(Object key) {
        synchronized (mutex) {return m.remove(key);}
    }
    public void putAll(Map map) {
        synchronized (mutex) {m.putAll(map);}
    }
    public void clear() {
        synchronized (mutex) {m.clear();}
    }

    private transient Set keySet;
    private transient Set> entrySet;
    private transient Collection values;

    public Set keySet() {
        synchronized (mutex) {
            if (keySet==null)
                keySet = new SynchronizedSet<>(m.keySet(), mutex);
            return keySet;
        }
    }

    public Set> entrySet() {
        synchronized (mutex) {
            if (entrySet==null)
                entrySet = new SynchronizedSet<>(m.entrySet(), mutex);
            return entrySet;
        }
    }

    public Collection values() {
        synchronized (mutex) {
            if (values==null)
                values = new SynchronizedCollection<>(m.values(), mutex);
            return values;
        }
    }

    public boolean equals(Object o) {
        if (this == o)
            return true;
        synchronized (mutex) {return m.equals(o);}
    }
    public int hashCode() {
        synchronized (mutex) {return m.hashCode();}
    }
    public String toString() {
        synchronized (mutex) {return m.toString();}
    }

    // Override default methods in Map
    @Override
    public V getOrDefault(Object k, V defaultValue) {
        synchronized (mutex) {return m.getOrDefault(k, defaultValue);}
    }
    @Override
    public void forEach(BiConsumer action) {
        synchronized (mutex) {m.forEach(action);}
    }
    @Override
    public void replaceAll(BiFunction function) {
        synchronized (mutex) {m.replaceAll(function);}
    }
    @Override
    public V putIfAbsent(K key, V value) {
        synchronized (mutex) {return m.putIfAbsent(key, value);}
    }
    @Override
    public boolean remove(Object key, Object value) {
        synchronized (mutex) {return m.remove(key, value);}
    }
    @Override
    public boolean replace(K key, V oldValue, V newValue) {
        synchronized (mutex) {return m.replace(key, oldValue, newValue);}
    }
    @Override
    public V replace(K key, V value) {
        synchronized (mutex) {return m.replace(key, value);}
    }
    @Override
    public V computeIfAbsent(K key,
                             Function mappingFunction) {
        synchronized (mutex) {return m.computeIfAbsent(key, mappingFunction);}
    }
    @Override
    public V computeIfPresent(K key,
                              BiFunction remappingFunction) {
        synchronized (mutex) {return m.computeIfPresent(key, remappingFunction);}
    }
    @Override
    public V compute(K key,
                     BiFunction remappingFunction) {
        synchronized (mutex) {return m.compute(key, remappingFunction);}
    }
    @Override
    public V merge(K key, V value,
                   BiFunction remappingFunction) {
        synchronized (mutex) {return m.merge(key, value, remappingFunction);}
    }

    private void writeObject(ObjectOutputStream s) throws IOException {
        synchronized (mutex) {s.defaultWriteObject();}
    }
}

想来，和 HashTable 没有太大区别，都是使用了 synchronized 关键字，然后调用原始的 Map，洛 2、ConcurrentHashMap 2.1、简单应用

讲解 CHM 之前，我们先做一个 Demo，单词计数，首先准备测试数据

static final String ALPHA = "abcedfghijklmnopqrstuvwxyz";

@SneakyThrows
public static void main(String[] args) {
    int length = ALPHA.length();
    int count = 200;
    List list = new ArrayList<>(length * count);
    for (int i = 0; i < length; i++) {
        char ch = ALPHA.charAt(i);
        for (int j = 0; j < count; j++) {
            list.add(String.valueOf(ch));
        }
    }
    //随机打乱顺序
    Collections.shuffle(list);
    for (int i = 0; i < 26; i++) {
        try (PrintWriter out = new PrintWriter(
                new OutputStreamWriter(
                        new FileOutputStream("D:/temp/" + (i + 1) + ".txt")))) {
            String collect = String.join("n", list.subList(i * count, (i + 1) * count));
            out.print(collect);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

接下来准备测试代码，以下代码用于从文件集合中读取内容，并同时并发的往自己准备的 Map 集合中存储字符出现次数

private static  void demo(Supplier> supplier,
                             BiConsumer, List> consumer) {
    Map counterMap = supplier.get();
    List ts = new ArrayList<>();
    for (int i = 1; i <= 26; i++) {
        int idx = i;
        Thread thread = new Thread(() -> {
            List words = readFromFile(idx);
            consumer.accept(counterMap, words);
        });
        ts.add(thread);
    }
    ts.forEach(Thread::start);
    //等待26个线程结束
    ts.forEach(t -> {
        try {
            t.join();
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    });
    System.out.println(counterMap);
}

public static List readFromFile(int i) {
    ArrayList words = new ArrayList<>();
    try (BufferedReader in = new BufferedReader(new InputStreamReader(new FileInputStream("D:/temp/"
                                                                                          + i + ".txt")))) {
        while (true) {
            String word = in.readLine();
            if (word == null) {
                break;
            }
            words.add(word);
        }
        return words;
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

首先使用普通的 HashMap 做测试

demo(
    (Supplier>) HashMap::new,
    (map, words) -> {
        for (String word : words) {
            Integer count = map.get(word);
            map.put(word, count == null ? 1 : count + 1);
        }
    }
);

可以发现，没有一个是对的，因为有 26 个线程同时操作同一个 HashMap，出现了线程安全的问题，那么我们换线程安全的类 ConcurrentHashMap 试试

demo(
        (Supplier>) ConcurrentHashMap::new,
        (map, words) -> {
            for (String word : words) {
                Integer count = map.get(word);
                map.put(word, count == null ? 1 : count + 1);
            }
        }
);

发现仍然是错误的结果，这是为什么呢？其实对于线程安全的集合类，它们只能保证其对应的某个方法线程安全，但是如果对于多个方法的合集，并不能保证其线程安全，可以明白的是，我们的程序在高并发的场景下，使用了线程安全的集合仍然不能保证程序的正确性，但是使用了非线程安全的集合，必然不能保证程序的正确性

为了保证我们程序输出的正确性，我们可以尝试在统计字母的时候，加上 synchronized

private static final Object LOCK = new Object();

public static void main(String[] args) {
    demo(
        (Supplier>) ConcurrentHashMap::new,
        (map, words) -> {
            synchronized (LOCK) {
                for (String word : words) {
                    Integer count = map.get(word);
                    map.put(word, count == null ? 1 : count + 1);
                }
            }
        }
    );
}

demo(
        (Supplier>) ConcurrentHashMap::new,
        (map, words) -> {
            synchronized (LOCK) {
                for (String word : words) {
                    //如果缺少key，则可以计算生成一个 value，然后将 key value 放入map
                    LongAdder count = map.computeIfAbsent(word, (k) -> new LongAdder());
                    //内部使用 cas 保证线程安全
                    count.increment();
                }
            }
        }
);

如果是在单线程下使用 HashMap，自然是没有问题的，如果后期由于代码优化，这段逻辑引入了多线程并发执行，在一个未知的时间点，会发现 CPU 占用 100%，居高不下，通过查看堆栈，你会惊讶的发现，线程都卡在 HashMap 的 get() 方法上，服务重启之后，问题消失，过段时间可能又复现了。这是为什么？

第一步，保证当前 JDK 环境为 7

System.getProperty("java.version");

第二步，加入如下测试代码，注意，不要轻易更改其中逻辑

public static void main(String[] args) {
    // 测试 java 7 中哪些数字的 hash 结果相等
    System.out.println("长度为16时，桶下标为1的key");
    for (int i = 0; i < 64; i++) {
        if (hash(i) % 16 == 1) {
            System.out.println(i);
        }
    }
    System.out.println("长度为32时，桶下标为1的key");
    for (int i = 0; i < 64; i++) {
        if (hash(i) % 32 == 1) {
            System.out.println(i);
        }
    }
    // 1, 35, 16, 50 当大小为16时，它们在一个桶内
    final HashMap map = new HashMap<>();
    // 放 12 个元素
    map.put(2, null);
    map.put(3, null);
    map.put(4, null);
    map.put(5, null);
    map.put(6, null);
    map.put(7, null);
    map.put(8, null);
    map.put(9, null);
    map.put(10, null);
    map.put(16, null);
    map.put(35, null);
    map.put(1, null);
    System.out.println("扩容前大小[main]:" + map.size());
    new Thread() {
        @Override
        public void run() {
            // 放第 13 个元素, 发生扩容
            map.put(50, null);
            System.out.println("扩容后大小[Thread-0]:" + map.size());
        }
    }.start();
    new Thread() {
        @Override
        public void run() {
            // 放第 13 个元素, 发生扩容
            map.put(50, null);
            System.out.println("扩容后大小[Thread-1]:" + map.size());
        }
    }.start();
}

static int hash(Object k) {
    int h = 0;
    h ^= k.hashCode();
    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
}

第三步，在 HashMap 源码第 590 行打上断点，注意断点类型设置为 Thread，否则一个线程断住后，其他，然后加上一个断点条件

newTable.length==32 &&
    (
    Thread.currentThread().getName().equals("Thread-0")||
    Thread.currentThread().getName().equals("Thread-1")
)

debug ，注意 IDEA 在调试的时候在非 Object 视图下有些属性不可见，需要改以下视图类型为 Object，其余不可见属性同样可这样设置

可以看到，1 的位置上有三个节点，我们程序在 put 的时候，顺序是 16 -> 35 -> 1 ,这里可以体现，如果出现 Hash 冲突，节点指向顺序是添加的逆序

单步运行到 594 行，然后在这里再加一个断点，目的是为了让 Thread-1 恢复运行后停在这里，同样需要加上如下断点条件

Thread.currentThread().getName().equals("Thread-0")

记住现在的 e 和 next，分别是 1 和 35，也就是：

e:1 -> 35 -> 16 -> null
next : 35 -> 16 -> null

在 Threads 面板选中 Thread-1 恢复运行

直接让它执行完，可以看见，扩容完毕

现在只剩下 Thread-0 还停下来了

现在再看一下 1 的位置，因为我们 rehash 的时候，访问链表的顺序和我们重新插入的顺序是相反的，所以 1 -> 35 变为了 35 -> 1，原本的 16 经过 rehash 转移到了其他地方

好，现在我们重新把注意力放在之前的 e 和 next

e:1 -> 35 -> 16 -> null
next : 35 -> 16 -> null

现在变成了

e   :      (1)->null 
next:(35)->(1)->null 

因为 Thread-1 扩容时链表也是后加入的元素放入链表头，因此链表就倒过来了，但 Thread-1 虽然结果正确，但它结束后 Thread-0 还要继续运行，现在单步执行，进入下一次循环，此时观察 newTable，它把 1 加入了，并且 e = 35，next = 1

再执行一次循环，35 -> 1

再次执行循环，此时 e = 1 重新加入头节点，1 -> 35，便有了 1 -> 35 -> 1…

然后就直接卡死了

在了解来龙去脉之后，我们再来回顾一下 HashMap 的数据结构。

在内部，HashMap 使用一个 Entry 数组保存 key、value 数据，当一对 key、value 被加入时，会通过一个 hash 算法得到数组的下标 index，算法很简单，根据 key 的 hash 值，对数组的大小取模 hash & (length-1)，并把结果插入数组该位置，如果该位置上已经有元素了，就说明存在 hash 冲突，这样会在 index 位置生成链表。

如果存在 hash 冲突，最惨的情况，就是所有元素都定位到同一个位置，形成一个长长的链表，这样 get 一个值时，最坏情况需要遍历所有节点，性能变成了 O(n)，所以元素的 hash 值算法和 HashMap 的初始化大小很重要。

当插入一个新的节点时，如果不存在相同的 key，则会判断当前内部元素是否已经达到阈值（默认是数组大小的 0.75 ），如果已经达到阈值，会对数组进行扩容，也会对链表中的元素进行 rehash。

原始 map（省略其他节点）

Thread-0，Thread-1执行到扩容操作后，同时创建了新的 entry 数组 newTable

Thread-0 在执行到 Entry next = e.next; 时间片用完了，挂起了，此时

e -> 1 -> 35 -> 16 -> nullnext -> 35 -> 16 -> null

Thread-1 正常执行，由于当前 JDK7 在进行链表插入的时候，是用的头插法，所以 Thread-1 在 rehash 后，复制出来的新链表顺序就和以前相反（16 转移到其他地方了）

此时 Thread-0 的变量 e 指向的还是 1 ，next 指向了 35 ,开始循环操作，将 1 插入链表，e 变为 后继 35，next 此时又等于 35 的后继 1

再来一次循环 e = 1， next = null

至此，35 和 1 分别指向了对方，形成一个死链

JDK 8 将扩容算法做了调整，不再将元素加入链表头（而是保持与扩容前一样的顺序），但仍不意味着能够在多线程环境下能够安全扩容，还会出现其它问题（如扩容丢数据），但是官方并不会修复，因为高并发场景下本身就没让你用 HashMap，明明让你用 ConcurrentHashMap

// 默认为 0
// 当初始化时, 为 -1
// 当扩容时, 为 -(1 + 扩容线程数)
// 当初始化或扩容完成后，为 下一次的扩容的阈值大小
private transient volatile int sizeCtl;

// 整个 ConcurrentHashMap 就是一个 Node[]
static class Node implements Map.Entry {}

// hash 表
transient volatile Node[] table;

// 扩容时的 新 hash 表
private transient volatile Node[] nextTable;

// 扩容时如果某个 bin 迁移完毕, 用 ForwardingNode 作为旧 table bin 的头结点，key = -1
static final class ForwardingNode extends Node {}

// 用在 compute 以及 computeIfAbsent 时, 用来占位, 计算完成后替换为普通 Node
static final class ReservationNode extends Node {}

// 作为 红黑树 的头节点, 存储 root 和 first，其子节点还是 TreeNode
static final class TreeBin extends Node {}

// 作为 treebin 的节点, 存储 parent, left, right
static final class TreeNode extends Node {}

// 获取 Node[] 中第 i 个 Node
static final  Node tabAt(Node[] tab, int i)
 
// cas 修改 Node[] 中第 i 个 Node 的值, c 为旧值, v 为新值
static final  boolean casTabAt(Node[] tab, int i, Node c, Node v)
 
// 直接修改 Node[] 中第 i 个 Node 的值, v 为新值
static final  void setTabAt(Node[] tab, int i, Node v)

JDK 8 是懒惰初始化的，在构造方法中仅仅计算了 table 的大小，以后在第一次使用时才会真正创建

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
    long size = (long)(1.0 + (long)initialCapacity / loadFactor);
    // tableSizeFor 仍然是保证计算的大小是 2^n, 即 16,32,64 ... 
    int cap = (size >= (long)MAXIMUM_CAPACITY) ?
        MAXIMUM_CAPACITY : tableSizeFor((int)size);
    this.sizeCtl = cap;
}

public V get(Object key) {
    Node[] tab; Node e, p; int n, eh; K ek;
    // spread 方法能确保返回结果是正数
    int h = spread(key.hashCode());
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (e = tabAt(tab, (n - 1) & h)) != null) {
        // 如果头结点已经是要查找的 key
        if ((eh = e.hash) == h) {
            if ((ek = e.key) == key || (ek != null && key.equals(ek)))
                return e.val;
        }
        // hash 为负数表示该 bin 在扩容中（-1）或是 treebin（-2）, 这时调用 find 方法来查找
        else if (eh < 0)
            return (p = e.find(h, key)) != null ? p.val : null;
        // 正常遍历链表, 用 equals 比较
        while ((e = e.next) != null) {
            if (e.hash == h &&
                ((ek = e.key) == key || (ek != null && key.equals(ek))))
                return e.val;
        }
    }
    return null;
}

put 还有一个重载的三参数方法，第三个参数表示是否要覆盖已有的值，如果已经存在就不能放了HashMap 允许空值，但是 ConcurrentHashMap 不允许map 的初始化是懒惰的如果链表长度 >= 树化阈值(8), 进行链表转为红黑树，但是也不是立即转换为红黑树，首先会进行扩容，如果 hash 表长度还没有达到 64 的时候，它会先扩容，让数据再分散一次，如果扩容到 64 后，链表长度大于等于 8 就不会再扩容了，就会转换为红黑树的数据结构初始化 hash 表的时候，只有一个线程能够创建，其他线程并不会阻塞，而是忙等，死循环的方式在 put 成功后，还会借鉴 LongAdder 的思想，调用了 addCount 方法做了一个分段的计数，保存每一个位置的元素个数，同时还去判断了当前是否需要扩容

public V put(K key, V value) {
    //第三个参数是是否要覆盖已有的值，如果已经存在就不能放了
    return putVal(key, value, false);
}
final V putVal(K key, V value, boolean onlyIfAbsent) {
    //HashMap允许空值，但是ConcurrentHashMap不允许
    if (key == null || value == null) throw new NullPointerException();
    // 其中 spread 方法会综合高位低位, 具有更好的 hash 性
    int hash = spread(key.hashCode());
    int binCount = 0;
    for (Node[] tab = table;;) {
        // f 是链表头节点
        // fh 是链表头结点的 hash
        // i 是链表在 table 中的下标
        Node f; int n, i, fh;
        // 要创建 table
        if (tab == null || (n = tab.length) == 0)
            // 初始化 table 使用了 cas, 无需 synchronized，创建成功, 进入下一轮循环
            tab = initTable();
        // 要创建链表头节点
        else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
            // 添加链表头使用了 cas, 无需 synchronized
            if (casTabAt(tab, i, null,
                         new Node(hash, key, value, null)))
                break;
        }
        // 判断头节点是否是 -1 ，如果是，则其他线程正在扩容，然后自己还回去帮忙扩容
        else if ((fh = f.hash) == MOVED)
            // 帮忙之后, 进入下一轮循环
            tab = helpTransfer(tab, f);
        //既不是扩容，也不是初始化，就是下标冲突
        else {
            V oldVal = null;
            // 锁住链表头节点
            synchronized (f) {
                // 再次确认链表头节点没有被移动
                if (tabAt(tab, i) == f) {
                    // 链表，红黑树是-2
                    if (fh >= 0) {
                        //链表长度
                        binCount = 1;
                        // 遍历链表
                        for (Node e = f;; ++binCount) {
                            K ek;
                            // 找到相同的 key
                            if (e.hash == hash &&
                                ((ek = e.key) == key ||
                                 (ek != null && key.equals(ek)))) {
                                oldVal = e.val;
                                // 更新
                                if (!onlyIfAbsent)
                                    e.val = value;
                                break;
                            }
                            Node pred = e;
                            // 已经是最后的节点了, 新增 Node, 追加至链表尾
                            if ((e = e.next) == null) {
                                pred.next = new Node(hash, key,
                                                          value, null);
                                break;
                            }
                        }
                    }
                    // 红黑树
                    else if (f instanceof TreeBin) {
                        Node p;
                        //树高度
                        binCount = 2;
                        // putTreeval 会看 key 是否已经在树中, 是, 则返回对应的 TreeNode
                        if ((p = ((TreeBin)f).putTreeval(hash, key,
                                                              value)) != null) {
                            oldVal = p.val;
                            if (!onlyIfAbsent)
                                p.val = value;
                        }
                    }
                }
                // 释放链表头节点的锁
            }

            //判断是否要扩容
            if (binCount != 0) { 
                if (binCount >= TREEIFY_THRESHOLD)
                    // 如果链表长度 >= 树化阈值(8), 进行链表转为红黑树，但是也不是立即转换为红黑树，首先会进行扩容，如果 hash 表长度还没有达到 64 的时候，它会先扩容，让数据再分散一次，如果扩容到 64 后，链表长度大于等于 8 就不会再扩容了，就会转换为红黑树的数据结构
                    treeifyBin(tab, i);
                if (oldVal != null)
                    return oldVal;
                break;
            }
        }
    }
    // 增加 size 计数，保存了每个位置上的元素深度
    addCount(1L, binCount);
    return null;
}
private final Node[] initTable() {
    Node[] tab; int sc;
    while ((tab = table) == null || tab.length == 0) {
        if ((sc = sizeCtl) < 0)
            //如果其他线程已经在创建表了，就会让权
            Thread.yield();
        // 尝试将 sizeCtl 设置为 -1（表示初始化 table）
        else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
            // 获得锁, 创建 table, 这时其它线程会在 while() 循环中 yield 直至 table 创建
            try {
                if ((tab = table) == null || tab.length == 0) {
                    int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
                    Node[] nt = (Node[])new Node[n];
                    table = tab = nt;
                    //准备好下次要扩容的数值
                    sc = n - (n >>> 2);
                }
            } finally {sizeCtl = sc;
                      }
            break;
        }
    }
    return tab;
}
// check 是之前 binCount 的个数
private final void addCount(long x, int check) {
    CounterCell[] as; long b, s;
    if (
        // 已经有了 counterCells, 向 cell 累加
        (as = counterCells) != null ||
        // 还没有, 向 baseCount 累加
        !U.compareAndSwapLong(this, baseCOUNT, b = baseCount, s = b + x)
    ) {
        CounterCell a; long v; int m;
        boolean uncontended = true;
        if (
            // 还没有 counterCells
            as == null || (m = as.length - 1) < 0 ||
            // 还没有 cell
            (a = as[ThreadLocalRandom.getProbe() & m]) == null ||
            // cell cas 增加计数失败
            !(uncontended = U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))
        ) {
            // 创建累加单元数组和cell, 累加重试
            fullAddCount(x, uncontended);
            return;
        }
        if (check <= 1)
            return;
        // 获取元素个数
        s = sumCount();
    }
    if (check >= 0) {
        Node[] tab, nt; int n, sc;
        //是否大于扩容阈值
        while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
               (n = tab.length) < MAXIMUM_CAPACITY) {
            int rs = resizeStamp(n);
            if (sc < 0) {
                if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
                    sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
                    transferIndex <= 0)
                    break;
                // newtable 已经创建了，帮忙扩容
                if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
                    transfer(tab, nt);
            }
            // 需要扩容，这时 newtable 未创建
            else if (U.compareAndSwapInt(this, SIZECTL, sc,
                                         (rs << RESIZE_STAMP_SHIFT) + 2))
                transfer(tab, null);
            s = sumCount();
        }
    }
}

因为 ConcurrentHashMap 计算大小的时候实际发生在 put，remove 改变集合元素的操作之中

没有竞争发生，向 baseCount 累加计数

有竞争发生，新建 counterCells，向其中的一个 cell 累加计数

counterCells 初始有两个 cell，如果计数竞争比较激烈，会创建新的 cell 来累加计数

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;
    // 将 baseCount 计数与所有 cell 计数累加
    long sum = baseCount;
    if (as != null) {
        for (int i = 0; i < as.length; ++i) {
            if ((a = as[i]) != null)
                sum += a.value;
        }
    }
    return sum;
}

它维护了一个 segment 数组，每个 segment 对应一把锁(其实本身就继承自 ReentrantLock，自己就是一把锁)

优点：如果多个线程访问不同的 segment，实际是没有冲突的，这与 jdk8 中是类似的（加在每个链表头）缺点：Segments 数组默认大小为 16，这个容量初始化指定后就不能改变了，并且不是懒惰初始化 2.4.1、构造器

public ConcurrentHashMap(int initialCapacity, float loadFactor, int concurrencyLevel) {
    if (!(loadFactor > 0) || initialCapacity < 0 || concurrencyLevel <= 0)
        throw new IllegalArgumentException();
    if (concurrencyLevel > MAX_SEGMENTS)
        concurrencyLevel = MAX_SEGMENTS;
    // ssize 必须是 2^n, 即 2, 4, 8, 16 ... 表示了 segments 数组的大小
    int sshift = 0;
    int ssize = 1;
    while (ssize < concurrencyLevel) {
        ++sshift;
        ssize <<= 1;
    }
    // segmentShift 默认是 32 - 4 = 28
    this.segmentShift = 32 - sshift;
    // segmentMask 默认是 15 即 0000 0000 0000 1111
    this.segmentMask = ssize - 1;
    if (initialCapacity > MAXIMUM_CAPACITY)
        initialCapacity = MAXIMUM_CAPACITY;
    int c = initialCapacity / ssize;
    if (c * ssize < initialCapacity)
        ++c;
    int cap = MIN_SEGMENT_TABLE_CAPACITY;
    while (cap < c)
        cap <<= 1;
    // 创建 segments and segments[0]
    Segment s0 =
        new Segment(loadFactor, (int)(cap * loadFactor),
                         (HashEntry[])new HashEntry[cap]);
    Segment[] ss = (Segment[])new Segment[ssize];
    UNSAFE.putOrderedObject(ss, Sbase, s0); // ordered write of segments[0]
    this.segments = ss;
}

可以看到 ConcurrentHashMap 没有实现懒惰初始化，空间占用不友好，其中 this.segmentShift 和 this.segmentMask 的作用是决定将 key 的 hash 结果匹配到哪个 segment

例如，根据某一 hash 值求 segment 位置，先将高位向低位移动 this.segmentShift 位

最终得到 1010 即下标为 10 的 segment 2.4.2、put

public V put(K key, V value) {
    Segment s;
    if (value == null)
        throw new NullPointerException();
    int hash = hash(key);
    // 计算出 segment 下标
    int j = (hash >>> segmentShift) & segmentMask;

    // 获得 segment 对象, 判断是否为 null, 是则创建该 segment
    if ((s = (Segment)UNSAFE.getObject 
         (segments, (j << SSHIFT) + Sbase)) == null) {
        // 这时不能确定是否真的为 null, 因为其它线程也发现该 segment 为 null,
        // 因此在 ensureSegment 里用 cas 方式保证该 segment 安全性
        s = ensureSegment(j);
    }
    // 进入 segment 的put 流程
    return s.put(key, hash, value, false);
}

segment 继承了可重入锁（ReentrantLock），它的 put 方法为

final V put(K key, int hash, V value, boolean onlyIfAbsent) {
    // 尝试加锁
    HashEntry node = tryLock() ? null :
    // 如果不成功, 进入 scanAndLockForPut 流程
    // 如果是多核 cpu 最多 tryLock 64 次, 进入 lock 流程
    // 在尝试期间, 还可以顺便看该节点在链表中有没有, 如果没有顺便创建出来
    scanAndLockForPut(key, hash, value);

    // 执行到这里 segment 已经被成功加锁, 可以安全执行
    V oldValue;
    try {
        HashEntry[] tab = table;
        int index = (tab.length - 1) & hash;
        HashEntry first = entryAt(tab, index);
        for (HashEntry e = first;;) {
            if (e != null) {
                // 更新
                K k;
                if ((k = e.key) == key ||
                    (e.hash == hash && key.equals(k))) { 
                    oldValue = e.value;
                    if (!onlyIfAbsent) {
                        e.value = value;
                        ++modCount;
                    }
                    break;
                }
                e = e.next;
            }
            else {
                // 新增
                // 1) 之前等待锁时, node 已经被创建, next 指向链表头
                if (node != null)
                    node.setNext(first);
                else
                    // 2) 创建新 node
                    node = new HashEntry(hash, key, value, first);
                int c = count + 1; 
                // 3) 扩容
                if (c > threshold && tab.length < MAXIMUM_CAPACITY)
                    rehash(node);
                else
                    // 将 node 作为链表头
                    setEntryAt(tab, index, node);
                ++modCount;
                count = c;
                oldValue = null;
                break;
            }
        }
    } finally {
        unlock();
    }
    return oldValue;
}

发生在 put 中，因为此时已经获得了锁，因此 rehash 时不需要考虑线程安全

private void rehash(HashEntry node) {
    HashEntry[] oldTable = table;
    int oldCapacity = oldTable.length;
    int newCapacity = oldCapacity << 1;
    threshold = (int)(newCapacity * loadFactor);
    HashEntry[] newTable =
        (HashEntry[]) new HashEntry[newCapacity];
    int sizeMask = newCapacity - 1;
    for (int i = 0; i < oldCapacity ; i++) {
        HashEntry e = oldTable[i];
        if (e != null) {
            HashEntry next = e.next;
            int idx = e.hash & sizeMask;
            if (next == null) // Single node on list
                newTable[idx] = e;
            else { // Reuse consecutive sequence at same slot
                HashEntry lastRun = e;
                int lastIdx = idx;
                // 过一遍链表, 尽可能把 rehash 后 idx 不变的节点重用
                for (HashEntry last = next;
                     last != null;
                     last = last.next) {
                    int k = last.hash & sizeMask;
                    if (k != lastIdx) {
                        lastIdx = k;
                        lastRun = last;
                    }
                }
                newTable[lastIdx] = lastRun;
                // 剩余节点需要新建
                for (HashEntry p = e; p != lastRun; p = p.next) {
                    V v = p.value;
                    int h = p.hash;
                    int k = h & sizeMask;
                    HashEntry n = newTable[k];
                    newTable[k] = new HashEntry(h, p.key, v, n);
                }
            }
        }
    }
    // 扩容完成, 才加入新的节点
    int nodeIndex = node.hash & sizeMask; // add the new node
    node.setNext(newTable[nodeIndex]);
    newTable[nodeIndex] = node;

    // 替换为新的 HashEntry table
    table = newTable;
}

get 时并未加锁，用了 UNSAFE 方法保证了可见性，扩容过程中，get 先发生就从旧表取内容，get 后发生就从新表取内容

public V get(Object key) {
    Segment s; // manually integrate access methods to reduce overhead
    HashEntry[] tab;
    int h = hash(key);
    // u 为 segment 对象在数组中的偏移量
    long u = (((h >>> segmentShift) & segmentMask) << SSHIFT) + Sbase;
    // s 即为 segment
    if ((s = (Segment)UNSAFE.getObjectVolatile(segments, u)) != null &&
        (tab = s.table) != null) {
        for (HashEntry e = (HashEntry) UNSAFE.getObjectVolatile
             (tab, ((long)(((tab.length - 1) & h)) << TSHIFT) + Tbase);
             e != null; e = e.next) {
            K k;
            if ((k = e.key) == key || (e.hash == h && key.equals(k)))
                return e.value;
        }
    }
    return null;
}

计算元素个数前，先不加锁计算两次，如果前后两次结果如一样，认为个数正确返回如果不一样，进行重试，重试次数超过 3，将所有 segment 锁住，重新计算个数返回

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[] segments = this.segments;
    int size;
    boolean overflow; // true if size overflows 32 bits
    long sum; // sum of modCounts
    long last = 0L; // previous sum
    int retries = -1; // first iteration isn't retry
    try {
        for (;;) {
            if (retries++ == RETRIES_BEFORE_LOCK) {
                // 超过重试次数, 需要创建所有 segment 并加锁
                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 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 {
        if (retries > RETRIES_BEFORE_LOCK) {
            for (int j = 0; j < segments.length; ++j)
                segmentAt(segments, j).unlock();
        }
    }
    return overflow ? Integer.MAX_VALUE : size;
}

JDK7 中 ConcurrentHashMap 使用的分段锁，也就是每一个 Segment 上同时只有一个线程可以操作，每一个 Segment 都是一个类似 HashMap 数组的结构，它可以扩容，它的冲突会转化为链表。但是 Segment 的个数一但初始化就不能改变。

JDK8 中的 ConcurrentHashMap 使用的 Synchronized 锁加 CAS 的机制。结构也由 JDK7 中的 Segment 数组 + HashEntry 数组 + 链表 进化成了 Node 数组 + 链表 / 红黑树，Node 是类似于一个 HashEntry 的结构。它的链表的元素个数达到了阈值 8 时会转化成红黑树，在冲突小于 6 时又退回链表。