并发-ConcurrentHashMap 1.7和1.8的区别

参考：

https://blog.csdn.net/hao_yunfeng/article/details/82535009

https://blog.csdn.net/u013374645/article/details/88700927

ConcurrentHashMap1.7和1.8的底层不同实现

https://my.oschina.net/zupengliu/blog/1930025

1.Hashmap和HashTable在线程安全方面的优劣？

Hashmap多线程会导致HashMap的Entry链表形成环形数据结构，一旦形成环形数据结构，Entry的next节点永远不为空，就会产生死循环获取Entry。

HashTable使用synchronized来保证线程安全，但在线程竞争激烈的情况下HashTable的效率非常低下。因为当一个线程访问HashTable的同步方法，其他线程也访问HashTable的同步方法时，会进入阻塞或轮询状态。如线程1使用put进行元素添加，线程2不但不能使用put方法添加元素，也不能使用get方法来获取元素，所以竞争越激烈效率越低。

2.预备知识

Hash

散列，哈希：把任意长度的输入通过一种算法（散列），变换成为固定长度的输出，这个输出值就是散列值。属于压缩映射，容易产生哈希冲突。Hash算法有直接取余法等。

产生哈希冲突时解决办法：开放寻址；2、再散列；3、链地址法（相同hash值的元素用链表串起来）。

ConcurrentHashMap在发生hash冲突时采用了链地址法。

md4,md5,sha-hash算法也属于hash算法，又称摘要算法。

位运算

2的0次方 = 1，2的1次方=2…….，以上表格代表数字 （2的5次方+2的3次方）= 40

由上面的表格可以看出，数字类型在数字渐渐变大时，是由低位慢慢向高位扩展的。

Java实际保存int型时 正数  第31位 =0        负数：第31位=1

常用位运算有：

1. 位与  &  (1&1=1         1&0=0      0&0=0)
2. 位或  |   (1|1=1           1|0=1   0|0=0)
3. 位非  ~  （ ~1=0         ~0=1）
4. 位异或  ^   (1^1=0      1^0=1     0^0=0)
5. <<有符号左移     >>有符号的右移    >>>无符号右移  例如：8 << 2 = 32       8>>2 = 2
6. 取模的操作 a % (Math.pow(2,n)) 等价于 a&( Math.pow(2,n)-1)

位运算适用：权限控制，物品的属性非常多时的保存

3.  1.7中原理和实现

• ConcurrentHashMap中的数据结构

ConcurrentHashMap是由Segment数组结构和HashEntry数组结构组成。Segment实际继承自可重入锁（ReentrantLock），在ConcurrentHashMap里扮演锁的角色；HashEntry则用于存储键值对数据。一个ConcurrentHashMap里包含一个Segment数组，每个Segment里包含一个HashEntry数组，我们称之为table，每个HashEntry是一个链表结构的元素。

面试常问：

1. ConcurrentHashMap实现原理是怎么样的或者问ConcurrentHashMap如何在保证高并发下线程安全的同时实现了性能提升？

答：ConcurrentHashMap允许多个修改操作并发进行，其关键在于使用了锁分离技术。它使用了多个锁来控制对hash表的不同部分进行的修改。内部使用段(Segment)来表示这些不同的部分，每个段其实就是一个小的hash table，只要多个修改操作发生在不同的段上，它们就可以并发进行。

• 初始化做了什么事？

初始化有三个参数

initialCapacity：初始容量大小 ，默认16。

loadFactor, 扩容因子，默认0.75，当一个Segment存储的元素数量大于initialCapacity* loadFactor时，该Segment会进行一次扩容。

concurrencyLevel 并发度，默认16。并发度可以理解为程序运行时能够同时更新ConccurentHashMap且不产生锁竞争的最大线程数，实际上就是ConcurrentHashMap中的分段锁个数，即Segment[]的数组长度。如果并发度设置的过小，会带来严重的锁竞争问题；如果并发度设置的过大，原本位于同一个Segment内的访问会扩散到不同的Segment中，CPU cache命中率会下降，从而引起程序性能下降。

构造方法中部分代码解惑：

1、

 

保证Segment数组的大小，一定为2的幂，例如用户设置并发度为17，则实际Segment数组大小则为32

2、

保证每个Segment中tabel数组的大小，一定为2的幂，初始化的三个参数取默认值时，table数组大小为2

3、

初始化Segment数组，并实际只填充Segment数组的第0个元素。

4、

用于定位元素所在segment。segmentShift表示偏移位数，通过前面的int类型的位的描述我们可以得知，int类型的数字在变大的过程中，低位总是比高位先填满的，为保证元素在segment级别分布的尽量均匀，计算元素所在segment时，总是取hash值的高位进行计算。segmentMask作用就是为了利用位运算中取模的操作：      a % (Math.pow(2,n)) 等价于 a&( Math.pow(2,n)-1)

• 在get和put操作中，是如何快速定位元素放在哪个位置的？

对于某个元素而言，一定是放在某个segment元素的某个table元素中的，所以在定位上，

定位segment：取得key的hashcode值进行一次再散列（通过Wang/Jenkins算法），拿到再散列值后，以再散列值的高位进行取模得到当前元素在哪个segment上。

定位table：同样是取得key的再散列值以后，用再散列值的全部和table的长度进行取模，得到当前元素在table的哪个元素上。

• get（）方法

定位segment和定位table后，依次扫描这个table元素下的的链表，要么找到元素，要么返回null。

在高并发下的情况下如何保证取得的元素是最新的？

答：用于存储键值对数据的HashEntry，在设计上它的成员变量value等都是volatile类型的，这样就保证别的线程对value值的修改，get方法可以马上看到。

• put()方法

1、首先定位segment，当这个segment在map初始化后，还为null，由ensureSegment方法负责填充这个segment。

1. 对Segment 加锁

3、定位所在的table元素，并扫描table下的链表，找到时：

没有找到时：

• 扩容操作

Segment 不扩容，扩容下面的table数组，每次都是将数组翻倍

带来的好处

假设原来table长度为4，那么元素在table中的分布是这样的：

Hash值	15	23	34	56	77
在table中下标	3  = 15%4	3 = 23 % 4	2 = 34%4	0 = 56%4	1 = 77 % 4

扩容后table长度变为8，那么元素在table中的分布变成：

Hash值	56		34			77		15,23
下标	0	1	2	3	4	5	6	7

可以看见 hash值为34和56的下标保持不变，而15,23,77的下标都是在原来下标的基础上+4即可，可以快速定位和减少重排次数。

• size方法

size的时候进行两次不加锁的统计，两次一致直接返回结果，不一致，重新加锁再次统计

• 弱一致性

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

4.  1.8中的原理和实现

• 数据结构

JDK1.8的实现已经摒弃了Segment的概念，而是直接用Node数组+链表+红黑树的数据结构来实现，并发控制使用Synchronized和CAS来操作，整个看起来就像是优化过且线程安全的HashMap，虽然在JDK1.8中还能看到Segment的数据结构，但是已经简化了属性，只是为了兼容旧版本

在深入JDK1.8的put和get实现之前要知道一些常量设计和数据结构，这些是构成ConcurrentHashMap实现结构的基础，下面看一下基本属性：

// node数组最大容量：2^30=1073741824
private static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认初始值，必须是2的幕数
private static final int DEFAULT_CAPACITY = 16;
//数组可能最大值，需要与toArray（）相关方法关联
static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
//并发级别，遗留下来的，为兼容以前的版本
private static final int DEFAULT_CONCURRENCY_LEVEL = 16;
// 负载因子
private static final float LOAD_FACTOR = 0.75f;
// 链表转红黑树阀值,> 8 链表转换为红黑树
static final int TREEIFY_THRESHOLD = 8;
//树转链表阀值，小于等于6（tranfer时，lc、hc=0两个计数器分别++记录原bin、新binTreeNode数量，<=UNTREEIFY_THRESHOLD 则untreeify(lo)）
static final int UNTREEIFY_THRESHOLD = 6;
static final int MIN_TREEIFY_CAPACITY = 64;
private static final int MIN_TRANSFER_STRIDE = 16;
private static int RESIZE_STAMP_BITS = 16;
// 2^15-1，help resize的最大线程数
private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1;
// 32-16=16，sizeCtl中记录size大小的偏移量
private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;
// forwarding nodes的hash值
static final int MOVED     = -1; 
// 树根节点的hash值
static final int TREEBIN   = -2; 
// ReservationNode的hash值
static final int RESERVED  = -3; 
// 可用处理器数量
static final int NCPU = Runtime.getRuntime().availableProcessors();
//存放node的数组
transient volatile Node<K,V>[] table;
/*控制标识符，用来控制table的初始化和扩容的操作，不同的值有不同的含义
 *当为负数时：-1代表正在初始化，-N代表有N-1个线程正在 进行扩容
 *当为0时：代表当时的table还没有被初始化
 *当为正数时：表示初始化或者下一次进行扩容的大小*/
private transient volatile int sizeCtl;

基本属性定义了ConcurrentHashMap的一些边界以及操作时的一些控制，下面看一些内部的一些结构组成，这些是整个ConcurrentHashMap整个数据结构的核心

• put操作

public V put(K key, V value) {
    return putVal(key, value, false);
}
/** Implementation for put and putIfAbsent */
final V putVal(K key, V value, boolean onlyIfAbsent) {
    if (key == null || value == null) throw new NullPointerException();
    int hash = spread(key.hashCode()); //两次hash，减少hash冲突，可以均匀分布
    int binCount = 0;
    for (Node<K,V>[] tab = table;;) { //对这个table进行迭代
        Node<K,V> f; int n, i, fh;
        //这里就是上面构造方法没有进行初始化，在这里进行判断，为null就调用initTable进行初始化，属于懒汉模式初始化
        if (tab == null || (n = tab.length) == 0)
            tab = initTable();
        else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {//如果i位置没有数据，就直接无锁插入
            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)//如果在进行扩容，则先进行扩容操作
            tab = helpTransfer(tab, f);
        else {
            V oldVal = null;
            //如果以上条件都不满足，那就要进行加锁操作，也就是存在hash冲突，锁住链表或者红黑树的头结点
            synchronized (f) {
                if (tabAt(tab, i) == f) {
                    if (fh >= 0) { //表示该节点是链表结构
                        binCount = 1;
                        for (Node<K,V> e = f;; ++binCount) {
                            K ek;
                            //这里涉及到相同的key进行put就会覆盖原先的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;
                            if ((e = e.next) == null) {  //插入链表尾部
                                pred.next = new Node<K,V>(hash, key,
                                                          value, null);
                                break;
                            }
                        }
                    }
                    else if (f instanceof TreeBin) {//红黑树结构
                        Node<K,V> p;
                        binCount = 2;
                        //红黑树结构旋转插入
                        if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
                                                       value)) != null) {
                            oldVal = p.val;
                            if (!onlyIfAbsent)
                                p.val = value;
                        }
                    }
                }
            }
            if (binCount != 0) { //如果链表的长度大于8时就会进行红黑树的转换
                if (binCount >= TREEIFY_THRESHOLD)
                    treeifyBin(tab, i);
                if (oldVal != null)
                    return oldVal;
                break;
            }
        }
    }
    addCount(1L, binCount);//统计size，并且检查是否需要扩容
    return null;
}

这个put的过程很清晰，对当前的table进行无条件自循环直到put成功，可以分成以下六步流程来概述

1. 如果没有初始化就先调用initTable（）方法来进行初始化过程
2. 如果没有hash冲突就直接CAS插入
3. 如果还在进行扩容操作就先进行扩容
4. 如果存在hash冲突，就加锁来保证线程安全，这里有两种情况，一种是链表形式就直接遍历到尾端插入，一种是红黑树就按照红黑树结构插入，
5. 最后一个如果该链表的数量大于阈值8，就要先转换成黑红树的结构，break再一次进入循环
6. 如果添加成功就调用addCount（）方法统计size，并且检查是否需要扩容

现在我们来对每一步的细节进行源码分析，在第一步中，符合条件会进行初始化操作，我们来看看initTable（）方法

/**
 * Initializes table, using the size recorded in sizeCtl.
 */
private final Node<K,V>[] initTable() {
    Node<K,V>[] tab; int sc;
    while ((tab = table) == null || tab.length == 0) {//空的table才能进入初始化操作
        if ((sc = sizeCtl) < 0) //sizeCtl<0表示其他线程已经在初始化了或者扩容了，挂起当前线程 
            Thread.yield(); // lost initialization race; just spin
        else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {//CAS操作SIZECTL为-1，表示初始化状态
            try {
                if ((tab = table) == null || tab.length == 0) {
                    int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
                    @SuppressWarnings("unchecked")
                    Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];//初始化
                    table = tab = nt;
                    sc = n - (n >>> 2);//记录下次扩容的大小
                }
            } finally {
                sizeCtl = sc;
            }
            break;
        }
    }
    return tab;
}

如果相应位置的Node还未初始化，则通过CAS插入相应的数据

1.  
   else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
2.  
   if (casTabAt(tab, i, null,
3.  
   new Node<K,V>(hash, key, value, null)))
4.  
   break; // no lock when adding to empty bin
5.  
   }
6.  
   /********************************/
7.  
   static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i,
8.  
   Node<K,V> c, Node<K,V> v) {
9.  
   return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v);
10.  
    }

在第二步中没有hash冲突就直接调用Unsafe的方法CAS插入该元素，进入第三步如果容器正在扩容，则会调用helpTransfer（）方法帮助扩容，现在我们跟进helpTransfer（）方法看看 

1.  
   /**
2.  
   * Helps transfer if a resize is in progress.
3.  
   * 帮助从旧的table的元素复制到新的table中
4.  
   */
5.  
   final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) {
6.  
   Node<K,V>[] nextTab; int sc;
7.  
   if (tab != null && (f instanceof ForwardingNode) &&
8.  
   (nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) { //新的table nextTba已经存在前提下才能帮助扩容
9.  
   int rs = resizeStamp(tab.length);
10.  
    while (nextTab == nextTable && table == tab &&
11.  
    (sc = sizeCtl) < 0) {
12.  
    if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
13.  
    sc == rs + MAX_RESIZERS || transferIndex <= 0)
14.  
    break;
15.  
    if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
16.  
    transfer(tab, nextTab);//调用扩容方法
17.  
    break;
18.  
    }
19.  
    }
20.  
    return nextTab;
21.  
    }
22.  
    return table;
23.  
    }

其实helpTransfer（）方法的目的就是调用多个工作线程一起帮助进行扩容，这样的效率就会更高，而不是只有检查到要扩容的那个线程进行扩容操作，其他线程就要等待扩容操作完成才能工作

既然这里涉及到扩容的操作，我们也一起来看看扩容方法transfer（）

1.  
   private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) {
2.  
   int n = tab.length, stride;
3.  
   // 每核处理的量小于16，则强制赋值16
4.  
   if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE)
5.  
   stride = MIN_TRANSFER_STRIDE; // subdivide range
6.  
   if (nextTab == null) { // initiating
7.  
   try {
8.  
   @SuppressWarnings("unchecked")
9.  
   Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1]; //构建一个nextTable对象，其容量为原来容量的两倍
10.  
    nextTab = nt;
11.  
    } catch (Throwable ex) { // try to cope with OOME
12.  
    sizeCtl = Integer.MAX_VALUE;
13.  
    return;
14.  
    }
15.  
    nextTable = nextTab;
16.  
    transferIndex = n;
17.  
    }
18.  
    int nextn = nextTab.length;
19.  
    // 连接点指针，用于标志位（fwd的hash值为-1，fwd.nextTable=nextTab）
20.  
    ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab);
21.  
    // 当advance == true时，表明该节点已经处理过了
22.  
    boolean advance = true;
23.  
    boolean finishing = false; // to ensure sweep before committing nextTab
24.  
    for (int i = 0, bound = 0;;) {
25.  
    Node<K,V> f; int fh;
26.  
    // 控制 --i ,遍历原hash表中的节点
27.  
    while (advance) {
28.  
    int nextIndex, nextBound;
29.  
    if (--i >= bound || finishing)
30.  
    advance = false;
31.  
    else if ((nextIndex = transferIndex) <= 0) {
32.  
    i = -1;
33.  
    advance = false;
34.  
    }
35.  
    // 用CAS计算得到的transferIndex
36.  
    else if (U.compareAndSwapInt
37.  
    (this, TRANSFERINDEX, nextIndex,
38.  
    nextBound = (nextIndex > stride ?
39.  
    nextIndex - stride : 0))) {
40.  
    bound = nextBound;
41.  
    i = nextIndex - 1;
42.  
    advance = false;
43.  
    }
44.  
    }
45.  
    if (i < 0 || i >= n || i + n >= nextn) {
46.  
    int sc;
47.  
    // 已经完成所有节点复制了
48.  
    if (finishing) {
49.  
    nextTable = null;
50.  
    table = nextTab; // table 指向nextTable
51.  
    sizeCtl = (n << 1) - (n >>> 1); // sizeCtl阈值为原来的1.5倍
52.  
    return; // 跳出死循环，
53.  
    }
54.  
    // CAS 更扩容阈值，在这里面sizectl值减一，说明新加入一个线程参与到扩容操作
55.  
    if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {
56.  
    if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT)
57.  
    return;
58.  
    finishing = advance = true;
59.  
    i = n; // recheck before commit
60.  
    }
61.  
    }
62.  
    // 遍历的节点为null，则放入到ForwardingNode 指针节点
63.  
    else if ((f = tabAt(tab, i)) == null)
64.  
    advance = casTabAt(tab, i, null, fwd);
65.  
    // f.hash == -1 表示遍历到了ForwardingNode节点，意味着该节点已经处理过了
66.  
    // 这里是控制并发扩容的核心
67.  
    else if ((fh = f.hash) == MOVED)
68.  
    advance = true; // already processed
69.  
    else {
70.  
    // 节点加锁
71.  
    synchronized (f) {
72.  
    // 节点复制工作
73.  
    if (tabAt(tab, i) == f) {
74.  
    Node<K,V> ln, hn;
75.  
    // fh >= 0 ,表示为链表节点
76.  
    if (fh >= 0) {
77.  
    // 构造两个链表 一个是原链表 另一个是原链表的反序排列
78.  
    int runBit = fh & n;
79.  
    Node<K,V> lastRun = f;
80.  
    for (Node<K,V> p = f.next; p != null; p = p.next) {
81.  
    int b = p.hash & n;
82.  
    if (b != runBit) {
83.  
    runBit = b;
84.  
    lastRun = p;
85.  
    }
86.  
    }
87.  
    if (runBit == 0) {
88.  
    ln = lastRun;
89.  
    hn = null;
90.  
    }
91.  
    else {
92.  
    hn = lastRun;
93.  
    ln = null;
94.  
    }
95.  
    for (Node<K,V> p = f; p != lastRun; p = p.next) {
96.  
    int ph = p.hash; K pk = p.key; V pv = p.val;
97.  
    if ((ph & n) == 0)
98.  
    ln = new Node<K,V>(ph, pk, pv, ln);
99.  
    else
100.  
     hn = new Node<K,V>(ph, pk, pv, hn);
101.  
     }
102.  
     // 在nextTable i 位置处插上链表
103.  
     setTabAt(nextTab, i, ln);
104.  
     // 在nextTable i + n 位置处插上链表
105.  
     setTabAt(nextTab, i + n, hn);
106.  
     // 在table i 位置处插上ForwardingNode 表示该节点已经处理过了
107.  
     setTabAt(tab, i, fwd);
108.  
     // advance = true 可以执行--i动作，遍历节点
109.  
     advance = true;
110.  
     }
111.  
     // 如果是TreeBin，则按照红黑树进行处理，处理逻辑与上面一致
112.  
     else if (f instanceof TreeBin) {
113.  
     TreeBin<K,V> t = (TreeBin<K,V>)f;
114.  
     TreeNode<K,V> lo = null, loTail = null;
115.  
     TreeNode<K,V> hi = null, hiTail = null;
116.  
     int lc = 0, hc = 0;
117.  
     for (Node<K,V> e = t.first; e != null; e = e.next) {
118.  
     int h = e.hash;
119.  
     TreeNode<K,V> p = new TreeNode<K,V>
120.  
     (h, e.key, e.val, null, null);
121.  
     if ((h & n) == 0) {
122.  
     if ((p.prev = loTail) == null)
123.  
     lo = p;
124.  
     else
125.  
     loTail.next = p;
126.  
     loTail = p;
127.  
     ++lc;
128.  
     }
129.  
     else {
130.  
     if ((p.prev = hiTail) == null)
131.  
     hi = p;
132.  
     else
133.  
     hiTail.next = p;
134.  
     hiTail = p;
135.  
     ++hc;
136.  
     }
137.  
     }
138.  
     // 扩容后树节点个数若<=6，将树转链表
139.  
     ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) :
140.  
     (hc != 0) ? new TreeBin<K,V>(lo) : t;
141.  
     hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) :
142.  
     (lc != 0) ? new TreeBin<K,V>(hi) : t;
143.  
     setTabAt(nextTab, i, ln);
144.  
     setTabAt(nextTab, i + n, hn);
145.  
     setTabAt(tab, i, fwd);
146.  
     advance = true;
147.  
     }
148.  
     }
149.  
     }
150.  
     }
151.  
     }
152.  
     }

扩容过程有点复杂，这里主要涉及到多线程并发扩容,ForwardingNode的作用就是支持扩容操作，将已处理的节点和空节点置为ForwardingNode，并发处理时多个线程经过ForwardingNode就表示已经遍历了，就往后遍历，下图是多线程合作扩容的过程：

介绍完扩容过程，我们再次回到put流程，在第四步中是向链表或者红黑树里加节点，到第五步，会调用treeifyBin（）方法进行链表转红黑树的过程

1.  
   private final void treeifyBin(Node<K,V>[] tab, int index) {
2.  
   Node<K,V> b; int n, sc;
3.  
   if (tab != null) {
4.  
   //如果整个table的数量小于64，就扩容至原来的一倍，不转红黑树了
5.  
   //因为这个阈值扩容可以减少hash冲突，不必要去转红黑树
6.  
   if ((n = tab.length) < MIN_TREEIFY_CAPACITY)
7.  
   tryPresize(n << 1);
8.  
   else if ((b = tabAt(tab, index)) != null && b.hash >= 0) {
9.  
   synchronized (b) {
10.  
    if (tabAt(tab, index) == b) {
11.  
    TreeNode<K,V> hd = null, tl = null;
12.  
    for (Node<K,V> e = b; e != null; e = e.next) {
13.  
    //封装成TreeNode
14.  
    TreeNode<K,V> p =
15.  
    new TreeNode<K,V>(e.hash, e.key, e.val,
16.  
    null, null);
17.  
    if ((p.prev = tl) == null)
18.  
    hd = p;
19.  
    else
20.  
    tl.next = p;
21.  
    tl = p;
22.  
    }
23.  
    //通过TreeBin对象对TreeNode转换成红黑树
24.  
    setTabAt(tab, index, new TreeBin<K,V>(hd));
25.  
    }
26.  
    }
27.  
    }
28.  
    }
29.  
    }

到第六步表示已经数据加入成功了，现在调用addCount()方法计算ConcurrentHashMap的size，在原来的基础上加一，现在来看看addCount()方法

1.  
   private final void addCount(long x, int check) {
2.  
   CounterCell[] as; long b, s;
3.  
   //更新baseCount，table的数量，counterCells表示元素个数的变化
4.  
   if ((as = counterCells) != null ||
5.  
   !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
6.  
   CounterCell a; long v; int m;
7.  
   boolean uncontended = true;
8.  
   //如果多个线程都在执行，则CAS失败，执行fullAddCount，全部加入count
9.  
   if (as == null || (m = as.length - 1) < 0 ||
10.  
    (a = as[ThreadLocalRandom.getProbe() & m]) == null ||
11.  
    !(uncontended =
12.  
    U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
13.  
    fullAddCount(x, uncontended);
14.  
    return;
15.  
    }
16.  
    if (check <= 1)
17.  
    return;
18.  
    s = sumCount();
19.  
    }
20.  
    //check>=0表示需要进行扩容操作
21.  
    if (check >= 0) {
22.  
    Node<K,V>[] tab, nt; int n, sc;
23.  
    while (s >= (long)(sc = sizeCtl) && (tab = table) != null &&
24.  
    (n = tab.length) < MAXIMUM_CAPACITY) {
25.  
    int rs = resizeStamp(n);
26.  
    if (sc < 0) {
27.  
    if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
28.  
    sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
29.  
    transferIndex <= 0)
30.  
    break;
31.  
    if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
32.  
    transfer(tab, nt);
33.  
    }
34.  
    //当前线程发起库哦哦让操作，nextTable=null
35.  
    else if (U.compareAndSwapInt(this, SIZECTL, sc,
36.  
    (rs << RESIZE_STAMP_SHIFT) + 2))
37.  
    transfer(tab, null);
38.  
    s = sumCount();
39.  
    }
40.  
    }
41.  
    }

put的流程现在已经分析完了，你可以从中发现，他在并发处理中使用的是乐观锁，当有冲突的时候才进行并发处理，而且流程步骤很清晰，但是细节设计的很复杂，毕竟多线程的场景也复杂

• get操作

我们现在要回到开始的例子中，我们对个人信息进行了新增之后，我们要获取所新增的信息，使用String name = map.get(“name”)获取新增的name信息，现在我们依旧用debug的方式来分析下ConcurrentHashMap的获取方法get()

1.  
   public V get(Object key) {
2.  
   Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
3.  
   int h = spread(key.hashCode()); //计算hash,再散列
4.  
   if ((tab = table) != null && (n = tab.length) > 0 &&
5.  
   (e = tabAt(tab, (n - 1) & h)) != null) {//读取首节点的Node元素
6.  
   if ((eh = e.hash) == h) { //如果该节点就是首节点就返回
7.  
   if ((ek = e.key) == key || (ek != null && key.equals(ek)))
8.  
   return e.val;
9.  
   }
10.  
    //hash值为负值表示正在扩容，这个时候查的是ForwardingNode的find方法来定位到nextTable来
11.  
    //查找，查找到就返回
12.  
    else if (eh < 0)
13.  
    return (p = e.find(h, key)) != null ? p.val : null;
14.  
    while ((e = e.next) != null) {//既不是首节点也不是ForwardingNode，那就往下遍历
15.  
    if (e.hash == h &&
16.  
    ((ek = e.key) == key || (ek != null && key.equals(ek))))
17.  
    return e.val;
18.  
    }
19.  
    }
20.  
    return null;
21.  
    }

ConcurrentHashMap的get操作的流程很简单，也很清晰，可以分为三个步骤来描述

1. 计算hash值，定位到该table索引位置，如果是首节点符合就返回
2. 如果遇到扩容的时候，会调用标志正在扩容节点ForwardingNode的find方法，查找该节点，匹配就返回
3. 以上都不符合的话，就往下遍历节点，匹配就返回，否则最后就返回null

• size操作

最后我们来看下例子中最后获取size的方式int size = map.size();，现在让我们看下size()方法

1.  
   public int size() {
2.  
   long n = sumCount();
3.  
   return ((n < 0L) ? 0 :
4.  
   (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :
5.  
   (int)n);
6.  
   }
7.  
   final long sumCount() {
8.  
   CounterCell[] as = counterCells; CounterCell a; //变化的数量
9.  
   long sum = baseCount;
10.  
    if (as != null) {
11.  
    for (int i = 0; i < as.length; ++i) {
12.  
    if ((a = as[i]) != null)
13.  
    sum += a.value;
14.  
    }
15.  
    }
16.  
    return sum;
17.  
    }

 在JDK1.8版本中，对于size的计算，在扩容和addCount()方法就已经有处理了，JDK1.7是在调用size()方法才去计算，其实在并发集合中去计算size是没有多大的意义的，因为size是实时在变的，只能计算某一刻的大小，但是某一刻太快了，人的感知是一个时间段，所以并不是很精确。

5.总结

1. JDK1.8取消了segment数组，直接用table保存数据，锁的粒度更小，减少并发冲突的概率。
2. JDK1.8存储数据时采用了链表+红黑树的形式，纯链表的形式时间复杂度为O(n)，红黑树则为O（logn），性能提升很大。什么时候链表转红黑树？当key值相等的元素形成的链表中元素个数超过8个的时候。
3. JDK1.8的实现降低锁的粒度，JDK1.7版本锁的粒度是基于Segment的，包含多个HashEntry，而JDK1.8锁的粒度就是HashEntry（首节点）
4. JDK1.8版本的数据结构变得更加简单，使得操作也更加清晰流畅，因为已经使用synchronized来进行同步，所以不需要分段锁的概念，也就不需要Segment这种数据结构了，由于粒度的降低，实现的复杂度也增加了
5. JDK1.8使用红黑树来优化链表，基于长度很长的链表的遍历是一个很漫长的过程，而红黑树的遍历效率是很快的，代替一定阈值的链表，这样形成一个最佳拍档
6. JDK1.8为什么使用内置锁synchronized来代替重入锁ReentrantLock，我觉得有以下几点
   1. 因为粒度降低了，在相对而言的低粒度加锁方式，synchronized并不比ReentrantLock差，在粗粒度加锁中ReentrantLock可能通过Condition来控制各个低粒度的边界，更加的灵活，而在低粒度中，Condition的优势就没有了
   2. JVM的开发团队从来都没有放弃synchronized，而且基于JVM的synchronized优化空间更大，使用内嵌的关键字比使用API更加自然
   3. 在大量的数据操作下，对于JVM的内存压力，基于API的ReentrantLock会开销更多的内存，虽然不是瓶颈，但是也是一个选择依据

ConcurrentHashMap 1.7和1.8的区别

1、整体结构

1.7：Segment + HashEntry + Unsafe

1.8: 移除Segment，使锁的粒度更小，Synchronized + CAS + Node + Unsafe

2、put（）

1.7：先定位Segment，再定位桶，put全程加锁，没有获取锁的线程提前找桶的位置，并最多自旋64次获取锁，超过则挂起。

1.8：由于移除了Segment，类似HashMap，可以直接定位到桶，拿到first节点后进行判断，1、为空则CAS插入；2、为-1则说明在扩容，则跟着一起扩容；3、else则加锁put（类似1.7）

3、get（）

基本类似，由于value声明为volatile，保证了修改的可见性，因此不需要加锁。

4、resize（）

1.7：跟HashMap步骤一样，只不过是搬到单线程中执行，避免了HashMap在1.7中扩容时死循环的问题，保证线程安全。

1.8：支持并发扩容，HashMap扩容在1.8中由头插改为尾插（为了避免死循环问题），ConcurrentHashmap也是，迁移也是从尾部开始，扩容前在桶的头部放置一个hash值为-1的节点，这样别的线程访问时就能判断是否该桶已经被其他线程处理过了。

5、size（）

1.7：很经典的思路：计算两次，如果不变则返回计算结果，若不一致，则锁住所有的Segment求和。

1.8：用baseCount来存储当前的节点个数，这就设计到baseCount并发环境下修改的问题（说实话我没看懂-_-!）。

总结

面试官还提了一个很有意思的问题，背景是这样，如何在很短的时间内将大量数据插入到ConcurrentHashMap，换句话说，就是提高ConcurrentHashMap的插入效率，我大概说了尽量散列均匀和避免加锁两个点，但是面试官还在问还有什么思路没？如果有人看到又有什么方案的话请留言！万分感激！

注：将大批量数据保存到map中有两个地方的消耗将会是比较大的：第一个是扩容操作，第二个是锁资源的争夺。第一个扩容的问题，主要还是要通过配置合理的容量大小和扩容因子，尽可能减少扩容事件的发生；第二个锁资源的争夺，在put方法中会使用synchonized对头节点进行加锁，而锁本身也是分等级的，因此我们的主要思路就是尽可能的避免锁等级。所以，针对第二点，我们可以将数据通过通过ConcurrentHashMap的spread方法进行预处理，这样我们可以将存在hash冲突的数据放在一个组里面，每个组都使用单线程进行put操作，这样的话可以保证锁仅停留在偏向锁这个级别，不会升级，从而提升效率

用线程池或者信号量来控制线程数量是必须的。另外，可以将多组Hash冲突的数据集合到一个线程就OK，只需要确保数据上只有一个线程持有锁，锁就不会升级了