转：
Java并发包concurrent——ConcurrentHashMap
目录
1. ConcurrentHashMap的实现——JDK7版本
2. ConcurrentHashMap的实现——JDK8版本
ConcurrentHashMap从JDK1.5开始随java.util.concurrent包一起引入JDK中，主要为了解决HashMap线程不安全和Hashtable效率不高的问题。众所周知，HashMap在多线程编程中是线程不安全的，而Hashtable由于使用了synchronized修饰方法而导致执行效率不高；因此，在concurrent包中，实现了ConcurrentHashMap以使在多线程编程中可以使用一个高性能的线程安全HashMap方案。
而JDK1.7之前的ConcurrentHashMap使用分段锁机制实现，JDK1.8则使用数组+链表+红黑树数据结构和CAS原子操作实现ConcurrentHashMap；本文将分别介绍这两种方式的实现方案及其区别。
1. ConcurrentHashMap的实现——JDK7版本
1.1 分段锁机制
Hashtable之所以效率低下主要是因为其实现使用了synchronized关键字对put等操作进行加锁，而synchronized关键字加锁是对整个对象进行加锁，也就是说在进行put等修改Hash表的操作时，锁住了整个Hash表，从而使得其表现的效率低下；因此，在JDK1.5~1.7版本，Java使用了分段锁机制实现ConcurrentHashMap.
简而言之，ConcurrentHashMap在对象中保存了一个Segment数组，即将整个Hash表划分为多个分段；而每个Segment元素，即每个分段则类似于一个Hashtable；这样，在执行put操作时首先根据hash算法定位到元素属于哪个Segment，然后对该Segment加锁即可。因此，ConcurrentHashMap在多线程并发编程中可是实现多线程put操作。接下来，本文将详细分析JDK1.7版本中ConcurrentHashMap的实现原理。
1.2 ConcurrentHashMap的数据结构
ConcurrentHashMap类结构如上图所示。由图可知，在ConcurrentHashMap中，定义了一个Segment<K, V>[]数组来将Hash表实现分段存储，从而实现分段加锁；而么一个Segment元素则与HashMap结构类似，其包含了一个HashEntry数组，用来存储Key/Value对。Segment继承了ReetrantLock，表示Segment是一个可重入锁，因此ConcurrentHashMap通过可重入锁对每个分段进行加锁。
1.3 ConcurrentHashMap的初始化
JDK1.7的ConcurrentHashMap的初始化主要分为两个部分：一是初始化ConcurrentHashMap，即初始化segments数组、segmentShift段偏移量和segmentMask段掩码等；然后则是初始化每个segment分段。接下来，我们将分别介绍这两部分初始化。
ConcurrentHashMap包含多个构造函数，而所有的构造函数最终都调用了如下的构造函数：
-
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;
-
// Find power-of-two sizes best matching arguments
-
int sshift = 0;
-
int ssize = 1;
-
while (ssize < concurrencyLevel) {
-
++sshift;
-
ssize <<= 1;
-
}
-
this.segmentShift = 32 - sshift;
-
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;
-
// create segments and segments[0]
-
Segment<K,V> s0 =
-
new Segment<K,V>(loadFactor, (int)(cap * loadFactor),
-
(HashEntry<K,V>[])new HashEntry[cap]);
-
Segment<K,V>[] ss = (Segment<K,V>[])new Segment[ssize];
-
UNSAFE.putOrderedObject(ss, SBASE, s0); // ordered write of segments[0]
-
this.segments = ss;
-
}
由代码可知，该构造函数需要传入三个参数：initialCapacity、loadFactor、concurrencyLevel，其中，concurrencyLevel主要用来初始化segments、segmentShift和segmentMask等；而initialCapacity和loadFactor则主要用来初始化每个Segment分段。
1.3.1 初始化ConcurrentHashMap
根据ConcurrentHashMap的构造方法可知，在初始化时创建了两个中间变量ssize和sshift，它们都是通过concurrencyLevel计算得到的。其中ssize表示了segments数组的长度，为了能通过按位与的散列算法来定位segments数组的索引，必须保证segments数组的长度是2的N次方，所以在初始化时通过循环计算出一个大于或等于concurrencyLevel的最小的2的N次方值来作为数组的长度；而sshift表示了计算ssize时进行移位操作的次数。
segmentShift用于定位参与散列运算的位数，其等于32减去sshift，使用32是因为ConcurrentHashMap的hash()方法返回的最大数是32位的；segmentMask是散列运算的掩码，等于ssize减去1，所以掩码的二进制各位都为1.
因为ssize的最大长度为65536，所以segmentShift最大值为16，segmentMask最大值为65535. 由于segmentShift和segmentMask与散列运算相关，因此之后还会对此进行分析。
1.3.2 初始化Segment分段
ConcurrentHashMap通过initialCapacity和loadFactor来初始化每个Segment. 在初始化Segment时，也定义了一个中间变量cap，其等于initialCapacity除以ssize的倍数c，如果c大于1，则取大于等于c的2的N次方，cap表示Segment中HashEntry数组的长度；loadFactor表示了Segment的加载因子，通过cap*loadFactor获得每个Segment的阈值threshold.
默认情况下，initialCapacity等于16，loadFactor等于0.75，concurrencyLevel等于16.
1.4 定位Segment
由于采用了Segment分段锁机制实现一个高效的同步，那么首先则需要通过hash散列算法计算key的hash值，从而定位其所在的Segment. 因此，首先需要了解ConcurrentHashMap中hash()函数的实现。
-
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);
-
}
通过hash()函数可知，首先通过计算一个随机的hashSeed减少String类型的key值的hash冲突；然后利用Wang/Jenkins hash算法对key的hash值进行再hash计算。通过这两种方式都是为了减少散列冲突，从而提高效率。因为如果散列的质量太差，元素分布不均，那么使用Segment分段加锁也就没有意义了。
-
private Segment<K,V> segmentForHash(int h) {
-
long u = (((h >>> segmentShift) & segmentMask) << SSHIFT) + SBASE;
-
return (Segment<K,V>) UNSAFE.getObjectVolatile(segments, u);
-
}
接下来，ConcurrentHashMap通过上述定位函数则可以定位到key所在的Segment分段。
1.5 ConcurrentHashMap的操作
在介绍ConcurrentHashMap的操作之前，首先需要介绍一下Unsafe类，因为在JDK1.7新版本中是通过Unsafe类的方法实现锁操作的。Unsafe类是一个保护类，一般应用程序很少用到，但其在一些框架中经常用到，如JDK、Netty、Spring等框架。Unsafe类提供了一些硬件级别的原子操作，其在JDK1.7和JDK1.8中的ConcurrentHashMap都有用到，但其用法却不同，在此只介绍在JDK1.7中用到的几个方法：
- arrayBaseOffset(Class class)：获取数组第一个元素的偏移地址。
- arrayIndexScale(Class class)：获取数组中元素的增量地址。
- getObjectVolatile(Object obj, long offset)：获取obj对象中offset偏移地址对应的Object型field属性值，支持Volatile读内存语义。
1.5.1 get
JDK1.7的ConcurrentHashMap的get操作是不加锁的，因为在每个Segment中定义的HashEntry数组和在每个HashEntry中定义的value和next HashEntry节点都是volatile类型的，volatile类型的变量可以保证其在多线程之间的可见性，因此可以被多个线程同时读，从而不用加锁。而其get操作步骤也比较简单，定位Segment –> 定位HashEntry –> 通过getObjectVolatile()方法获取指定偏移量上的HashEntry –> 通过循环遍历链表获取对应值。
定位Segment：(((h >>> segmentShift) & segmentMask) << SSHIFT) + SBASE
定位HashEntry：(((tab.length - 1) & h)) << TSHIFT) + TBASE
1.5.2 put
ConcurrentHashMap的put方法就要比get方法复杂的多，其实现源码如下：
-
public V put(K key, V value) {
-
Segment<K,V> s;
-
if (value == null)
-
throw new NullPointerException();
-
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
-
s = ensureSegment(j);
-
return s.put(key, hash, value, false);
-
}
同样的，put方法首先也会通过hash算法定位到对应的Segment，此时，如果获取到的Segment为空，则调用ensureSegment()方法；否则，直接调用查询到的Segment的put方法插入值，注意此处并没有用getObjectVolatile()方法读，而是在ensureSegment()中再用volatile读操作，这样可以在查询segments不为空的时候避免使用volatile读，提高效率。在ensureSegment()方法中，首先使用getObjectVolatile()读取对应Segment，如果还是为空，则以segments[0]为原型创建一个Segment对象，并将这个对象设置为对应的Segment值并返回。
在Segment的put方法中，首先需要调用tryLock()方法获取锁，然后通过hash算法定位到对应的HashEntry，然后遍历整个链表，如果查到key值，则直接插入元素即可；而如果没有查询到对应的key，则需要调用rehash()方法对Segment中保存的table进行扩容，扩容为原来的2倍，并在扩容之后插入对应的元素。插入一个key/value对后，需要将统计Segment中元素个数的count属性加1。最后，插入成功之后，需要使用unLock()释放锁。
1.5.3 size
ConcurrentHashMap的size操作的实现方法也非常巧妙，一开始并不对Segment加锁，而是直接尝试将所有的Segment元素中的count相加，这样执行两次，然后将两次的结果对比，如果两次结果相等则直接返回；而如果两次结果不同，则再将所有Segment加锁，然后再执行统计得到对应的size值。
2. ConcurrentHashMap的实现——JDK8版本
在JDK1.7之前，ConcurrentHashMap是通过分段锁机制来实现的，所以其最大并发度受Segment的个数限制。因此，在JDK1.8中，ConcurrentHashMap的实现原理摒弃了这种设计，而是选择了与HashMap类似的数组+链表+红黑树的方式实现，而加锁则采用CAS和synchronized实现。
2.1 CAS原理
一般地，锁分为悲观锁和乐观锁：悲观锁认为对于同一个数据的并发操作，一定是为发生修改的；而乐观锁则任务对于同一个数据的并发操作是不会发生修改的，在更新数据时会采用尝试更新不断重试的方式更新数据。
在Java中，悲观锁的实现方式就是各种锁；而乐观锁则是通过CAS实现的。
CAS（Compare And Swap，比较交换）：CAS有三个操作数，内存值V、预期值A、要修改的新值B，当且仅当A和V相等时才会将V修改为B，否则什么都不做。Java中CAS操作通过JNI本地方法实现，在JVM中程序会根据当前处理器的类型来决定是否为cmpxchg指令添加lock前缀。如果程序是在多处理器上运行，就为cmpxchg指令加上lock前缀（Lock Cmpxchg）；反之，如果程序是在单处理器上运行，就省略lock前缀。
Intel的手册对lock前缀的说明如下：
- 确保对内存的读-改-写操作原子执行。之前采用锁定总线的方式，但开销很大；后来改用缓存锁定来保证指令执行的原子性。
- 禁止该指令与之前和之后的读和写指令重排序。
- 把写缓冲区中的所有数据刷新到内存中。
CAS同时具有volatile读和volatile写的内存语义。
不过CAS操作也存在一些缺点：1. 存在ABA问题，其解决思路是使用版本号；2. 循环时间长，开销大；3. 只能保证一个共享变量的原子操作。
为了能更好的利用CAS原理解决并发问题，JDK1.5之后在java.util.concurrent.atomic包下采用CAS实现了一系列的原子操作类，这在之后的文章中会详细分析介绍。
2.2 ConcurrentHashMap的数据结构
JDK1.8的ConcurrentHashMap数据结构比JDK1.7之前的要简单的多，其使用的是HashMap一样的数据结构：数组+链表+红黑树。ConcurrentHashMap中包含一个table数组，其类型是一个Node数组；而Node是一个继承自Map.Entry<K, V>的链表，而当这个链表结构中的数据大于8，则将数据结构升级为TreeBin类型的红黑树结构。另外，JDK1.8中的ConcurrentHashMap中还包含一个重要属性sizeCtl，其是一个控制标识符，不同的值代表不同的意思：其为0时，表示hash表还未初始化，而为正数时这个数值表示初始化或下一次扩容的大小，相当于一个阈值；即如果hash表的实际大小>=sizeCtl，则进行扩容，默认情况下其是当前ConcurrentHashMap容量的0.75倍；而如果sizeCtl为-1，表示正在进行初始化操作；而为-N时，则表示有N-1个线程正在进行扩容。
2.3 ConcurrentHashMap的初始化
JDK1.8的ConcurrentHashMap的初始化过程也比较简单，所有的构造方法最终都会调用如下这个构造方法。
-
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);
-
int cap = (size >= (long)MAXIMUM_CAPACITY) ?
-
MAXIMUM_CAPACITY : tableSizeFor((int)size);
-
this.sizeCtl = cap;
-
}
该初始化过程通过指定的初始容量initialCapacity，加载因子loadFactor和预估并发度concurrencyLevel三个参数计算table数组的初始大小sizeCtl的值。
可以看到，在构造ConcurrentHashMap时，并不会对hash表（Node<K, V>[] table）进行初始化，hash表的初始化是在插入第一个元素时进行的。在put操作时，如果检测到table为空或其长度为0时，则会调用initTable()方法对table进行初始化操作。
-
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 spin
-
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
-
try {
-
if ((tab = table) == null || tab.length == 0) {
-
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
-
-
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
-
table = tab = nt;
-
sc = n - (n >>> 2);
-
}
-
} finally {
-
sizeCtl = sc;
-
}
-
break;
-
}
-
}
-
return tab;
-
}
可以看到，该方法使用一个循环实现table的初始化；在循环中，首先会判断sizeCtl的值，如果其小于0，则说明其正在进行初始化或扩容操作，则不执行任何操作，调用yield()方法使当前线程返回等待状态；而如果sizeCtl大于等于0，则使用CAS操作比较sizeCtl的值是否是-1，如果是-1则进行初始化。初始化时，如果sizeCtl的值为0，则创建默认容量的table；否则创建大小为sizeCtl的table；然后重置sizeCtl的值为0.75n，即当前table容量的0.75倍，并返回创建的table，此时初始化hash表完成。
2.4 Node链表和红黑树结构转换
上文中说到，一个table元素会根据其包含的Node节点数在链表和红黑树两种结构之间切换，因此我们本节先介绍Node节点的结构转换的实现。
首先，在table中添加一个元素时，如果添加元素的链表节点个数超过8，则会触发链表向红黑树结构转换。具体的实现方法如下：
-
private final void treeifyBin(Node<K,V>[] tab, int index) {
-
Node<K,V> b; int n, sc;
-
if (tab != null) {
-
if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
-
tryPresize(n << 1);
-
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) {
-
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));
-
}
-
}
-
}
-
}
-
}
该方法首先会检查hash表的大小是否大于等于MIN_TREEIFY_CAPACITY，默认值为64，如果小于该值，则表示不需要转化为红黑树结构，直接将hash表扩容即可。
如果当前table的长度大于64，则使用CAS获取指定的Node节点，然后对该节点通过synchronized加锁，由于只对一个Node节点加锁，因此该操作并不影响其他Node节点的操作，因此极大的提高了ConcurrentHashMap的并发效率。加锁之后，便是将这个Node节点所在的链表转换为TreeBin结构的红黑树。
然后，在table中删除元素时，如果元素所在的红黑树节点个数小于6，则会触发红黑树向链表结构转换。具体实现如下：
-
static <K,V> Node<K,V> untreeify(Node<K,V> b) {
-
Node<K,V> hd = null, tl = null;
-
for (Node<K,V> q = b; q != null; q = q.next) {
-
Node<K,V> p = new Node<K,V>(q.hash, q.key, q.val, null);
-
if (tl == null)
-
hd = p;
-
else
-
tl.next = p;
-
tl = p;
-
}
-
return hd;
-
}
该方法实现简单，在此不再进行细致分析。
2.5 ConcurrentHashMap的操作
2.5.1 get
通过get获取hash表中的值时，首先需要获取key值的hash值。而在JDK1.8的ConcurrentHashMap中通过speed()方法获取。
-
static final int spread(int h) {
-
return (h ^ (h >>> 16)) & HASH_BITS;
-
}
speed()方法将key的hash值进行再hash，让hash值的高位也参与hash运算，从而减少哈希冲突。然后再查询对应的value值。
-
public V get(Object key) {
-
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
-
int h = spread(key.hashCode());
-
if ((tab = table) != null && (n = tab.length) > 0 &&
-
(e = tabAt(tab, (n - 1) & h)) != null) {
-
if ((eh = e.hash) == h) {
-
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
-
return e.val;
-
}
-
else if (eh < 0)
-
return (p = e.find(h, key)) != null ? p.val : null;
-
while ((e = e.next) != null) {
-
if (e.hash == h &&
-
((ek = e.key) == key || (ek != null && key.equals(ek))))
-
return e.val;
-
}
-
}
-
return null;
-
}
查询时，首先通过tabAt()方法找到key对应的Node链表或红黑树，然后遍历该结构便可以获取key对应的value值。其中，tabAt()方法主要通过Unsafe类的getObjectVolatile()方法获取value值，通过volatile读获取value值，可以保证value值的可见性，从而保证其是当前最新的值。
2.5.2 put
JDK1.8的ConcurrentHashMap的put操作实现方式主要定义在putVal(K key, V value, boolean onlyIfAbsent)中。
-
final V putVal(K key, V value, boolean onlyIfAbsent) {
-
if (key == null || value == null) throw new NullPointerException();
-
int hash = spread(key.hashCode());
-
int binCount = 0;
-
for (Node<K,V>[] tab = table;;) {
-
Node<K,V> f; int n, i, fh;
-
if (tab == null || (n = tab.length) == 0)
-
tab = initTable();
-
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
-
if (casTabAt(tab, i, null,
-
new Node<K,V>(hash, key, value, null)))
-
break; // no lock when adding to empty bin
-
}
-
else if ((fh = f.hash) == MOVED)
-
tab = helpTransfer(tab, f);
-
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, null);
-
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;
-
}
-
}
-
}
-
}
-
if (binCount != 0) {
-
if (binCount >= TREEIFY_THRESHOLD)
-
treeifyBin(tab, i);
-
if (oldVal != null)
-
return oldVal;
-
break;
-
}
-
}
-
}
-
addCount(1L, binCount);
-
return null;
-
}
put操作大致可分为以下几个步骤：
- 计算key的hash值，即调用speed()方法计算hash值；
- 获取hash值对应的Node节点位置，此时通过一个循环实现。有以下几种情况：
- 如果table表为空，则首先进行初始化操作，初始化之后再次进入循环获取Node节点的位置；
- 如果table不为空，但没有找到key对应的Node节点，则直接调用casTabAt()方法插入一个新节点，此时不用加锁；
- 如果table不为空，且key对应的Node节点也不为空，但Node头结点的hash值为MOVED(-1)，则表示需要扩容，此时调用helpTransfer()方法进行扩容；
- 其他情况下，则直接向Node中插入一个新Node节点，此时需要对这个Node链表或红黑树通过synchronized加锁。
- 插入元素后，判断对应的Node结构是否需要改变结构，如果需要则调用treeifyBin()方法将Node链表升级为红黑树结构；
- 最后，调用addCount()方法记录table中元素的数量。
2.5.3 size
JDK1.8的ConcurrentHashMap中保存元素的个数的记录方法也有不同，首先在添加和删除元素时，会通过CAS操作更新ConcurrentHashMap的baseCount属性值来统计元素个数。但是CAS操作可能会失败，因此，ConcurrentHashMap又定义了一个CounterCell数组来记录CAS操作失败时的元素个数。因此，ConcurrentHashMap中元素的个数则通过如下方式获得：
元素总数 = baseCount + sum(CounterCell)
-
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;
-
}
而JDK1.8中提供了两种方法获取ConcurrentHashMap中的元素个数。
-
public int size() {
-
long n = sumCount();
-
return ((n < 0L) ? 0 :
-
(n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :
-
(int)n);
-
}
-
-
public long mappingCount() {
-
long n = sumCount();
-
return (n < 0L) ? 0L : n; // ignore transient negative values
-
}
如代码所示，size只能获取int范围内的ConcurrentHashMap元素个数；而如果hash表中的数据过多，超过了int类型的最大值，则推荐使用mappingCount()方法获取其元素个数。
以上主要分析了ConcurrentHashMap在JDK1.7和JDK1.8中的两种不同实现方案，当然ConcurrentHashMap的功能强大，还有很多方法本文都未能详细解析，但其分析方法与本文以上的内容类似，因此不再赘述，感兴趣的同学可以自行分析比较。通过学习JDK源码，对以后的Java程序设计也有一定的帮助。本系列文章将深入剖析Java concurrent包中的并发编程设计，并从中提炼出一些使用场景，从而为今后的Java程序设计提供一些小小的灵感。