欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

HashMap、ConcurrentHashMap解析

程序员文章站 2023-04-04 15:44:29
一、HashMap分析 在JDK1.8之前,hashMap由数组+链表组成,1.8之后,对hashMap进行了一些修改,最大的不同就是利用了红黑树,所以其由数组+链表+红黑树组成。查找时,根据hash值我们能够快速定位到数组的具体下标,但是之后的话,需要顺着链表一个个比较下去才能找到我们需要的,时间 ......

一、hashmap分析

  在jdk1.8之前,hashmap由数组+链表组成,1.8之后,对hashmap进行了一些修改,最大的不同就是利用了红黑树,所以其由数组+链表+红黑树组成。查找时,根据hash值我们能够快速定位到数组的具体下标,但是之后的话,需要顺着链表一个个比较下去才能找到我们需要的,时间复杂度取决于链表的长度为o(n),为了降低这部分的开销,在java8中,当链表中的元素达到了8个时,会将链表转换为红黑树,在这些位置进行查找时可以降低时间复杂度为o(logn)。

1.put过程:(jdk1.8)

   第一次put值时,会触发resize(),类似java7的第一次put也是要初始化数组长度的。

   第一次resize和后续的扩容有些不一样,因为这次是数组从null初始化到默认的16或自定义的初始容量,找到具体的数据下标,如果此位置没有值,那么直接初始化一下node并放置在这个位置就可以了。如果数组改为只有数据:首先,判断该位置的第一个数据和我们要插入的数据,key是不是“相等”,如果是,取出这个节点,如果该节点是代表红黑树的节点,调用红黑树的插值方法,插入到链表的最后面(java7是插入到链表的最前面),当treeify_threshold为8时,如果新插入的值是链表中的第8个,会触发下面的treeifybin,也就是将链表转换为红黑树;如果在该链表中找到了“相等”的key(==或equals);如果hashmap由于新插入这个值导致size已经超过了阈值,则需要进行扩容。

 jdk1.7

  当插入第一个元素时,需要先初始化数组大小;

  1)求key的hash值(数组索引 index=hash&(size-1));

  2)找到对应的数组下标;

  3)遍历一下对应下标处的链表,看是否有重复的key已经存在,如果有,直接覆盖,put方法返回旧值就结束了;

  4)不存在重复的key,将此entry添加到链表中。

2.数组扩容(当前的size已经达到了阈值,并且要插入的数组位置上已经有元素,那么就会触发扩容,扩容后,数组大小为原来的2倍)(jdk1.8)

  resize()方法用于初始化数组或数组扩容,每次扩容后,容量为原来的2倍,并进行数据迁移。

  1)对数组进行扩容,将数组扩大一倍,将阈值扩大一倍;

  2)第一次put时初始化数组;

  3)开始遍历数组进行数据迁移;

  如果该数组位置上只有单个元素:那就简单了,直接迁移这个元素就可以了。

  如果是链表:需要将此链表拆成两个链表,放到新的数组中,并且保留原来的先后顺序,lohead,lotail对应一条链表,hihead、hitail对应另一条链表。

 jdk 1.7 

  扩容就是一个新的大数组替换原来的小数组,并将原来数组中的值迁移到新的数组中。

  由于是双倍扩容,迁移过程中,会将原来table[i] 中的链表的所有节点,分拆到新的数组的newtable[i] 和 newtable[i+oldlength]位置上。如原来数组长度为16,那么扩容后,原来table[0]出的链表中的所有元素会被分配到新数组中 newtable[0] 和 newtable[16] 这两个位置。

3.get过程(jdk1.8)

  1)计算key的hash值,根据hash值找到对应的数组下标:hash&(length-1)

  2)判断数组该位置处的元素是否刚好是我们要找的,如果不是,走第三步;

  3)判断该元素类型是否是treenode,如果是,用红黑树的方法取数据,如果不是,走第四步;

  4)遍历链表,直到找到相等(==或equals)的key。

 jdk 1.7

  1)根据key计算hash值;

  2)找到对应的数组下标:hash&(length-1)

  3)遍历该数组位置处的链表,直到找到相等的key。

4.为什么hashmap线程不安全?(hash冲突和扩容导致的)

  hashmap的实现使用了一个数组,每个数组项里面由一个链表方式来实现,因为hashmap使用key的hashcode来寻找存储位置,不同的key可能具有相同的hashcode,这时就出现了哈希冲突,也叫哈希碰撞。为了解决哈希冲突,有开放地址法,以及链地址法。hashmap的实现选取了链地址法,也就是将哈希值一样的entry保存在同一个数组里面,可以把一个数组项当作一个桶,桶里面装的entry的key的hashcode是一样的。

 扩容导致的不安全:

  1)put时导致的多线程数据不一致。比如有两个线程a和b,首先a希望插入一个key-value对到hashmap中,首先计算记录所要落到的桶里面的链表头结点,此时线程a的时间片用完了,而此时线程b被调用得以执行,和线程a一样执行,只不过线程b成功将记录插到了桶里面,假设线程a插入的记录计算出来的桶所引和线程b要插入的记录计算出来的桶索引是一样的,那么当线程b成功插入后,线程a再次被调用运行时,它依然持有过期的链表头但是它对此一无所知,以至于它认为应该这样做,如此一来就覆盖了线程b插入的记录,这样线程b插入的记录就凭空消失了,造成了数据不一致的行为。

  2)get:扩容时将数组扩为二倍后,原数组中的数组的索引会发生变化,在进行get时仍然用原来的索引进行寻找,导致找不到要寻找的值。

二、concurrenthashmap分析

  concurrenthashmap是线程安全且高效的hashmap。

1.线程不安全的hashmap

  hashmap是java中最常用的一个map类,性能好,速度快,但是不能保证线程安全,它可用null作为key/value。

  在多线程环境下,使用hashmap进行put操作会引起死循环,是因为多线程会导致hashmap的entry链表形成环,一旦成环,entry的next节点永远不为空,产生死循环。所以在并发情况下不能使用hashmap。

2.效率低下的hashtable

  线程安全的map类,其public方法均用synchronize修饰,这表示在多线程操作时,每个线程在操作之前都会锁住整个map,待操作完成后才释放。

  如线程1使用put操作进行元素添加,线程2不但不能使用put方法进行添加元素,也不能使用get方法来获取元素,所以竞争越激烈效率越低,这必然导致多线程时性能不佳。另外,hashtable不能使用null作为key/value。

3. 锁分段技术可有效提升并发访问效率

  hashtable在竞争激烈的并发环境中表现出效率低下的原因是所访问hashtable的线程都必须竞争同一把锁,假如容器中有多把锁,每一把锁用于锁容器其中一部分的数据,那么当多线程访问容器里不同数据段的数据时,线程间就不会存在锁竞争,从而可以有效提高并发访问效率,这就是concurrenthashmap所使用的锁分段技术

  - 首先将数据分成一段一段地存储;

  - 然后给每个数据段配一把锁;

  - 当一个线程占用锁访问其中一个段数据时,其他段的数据也能被其他线程访问。

  HashMap、ConcurrentHashMap解析

  HashMap、ConcurrentHashMap解析

  concurrenthashmap是由segment数组和hashentry数组组成。

  segment是一种可重入锁,在consurrenthashmap里扮演锁的角色;hashentry则用于存储键值对数据。

  一个consurrenthashmap里包含一个segment数组,segment的机构和hashmap类似,是一种数组和链表结构。一个segment里包含一个hashentry数组,每个hashentry是一个链表结构的元素,每个segment守护着一个hashentry数组里的元素,当对hashentry数组的数据进行修改时,必须首先获得与它对应的segment锁。如图:

  HashMap、ConcurrentHashMap解析

4.concurrenthashmap的初始化

  1)concurrenthashmap类中包含三个与segment相关的成员变量:

    final int segmentmask;

    final int segmentshift;

    final segment<k,v>[] segments;

  其中segments是segment的原生数组,此数组的长度可以在concurrenthashmap的构造函数中使用并发度参数指定,其默认值为default_concurrency_level=16;segmentshift是用来计算segments数组索引的位移量,而segmentmask则是用来计算索引的掩码值。

  例如并发度为16时(即segments数组长度为16),segmentshift为32-4=28(因为2的4次幂为16),而segmentmask则为1111(二进制),索引的计算式如下:

    int j=(hash>>>segmentshift) & segmentmask;

  2)在多线程并发访问一个共享变量时,为了保证逻辑的正确,可以采用以下方法:

    加锁,性能最低,能保证原子性、可见性,防止指令重排;

    volatile修饰,性能中等,能保证原子性,防止指令重排;

    使用getobjectvolatile,性能最好,可防止指令重排;

   因此concurrenthashmap选择了使用unsafe的getobjectvolatile来读取segments中的元素。

1 private segment<k,v> segmentforhash(int h) {
2     long u = (((h >>> segmentshift) & segmentmask) << sshift) + sbase;
3     return (segment<k,v>) unsafe.getobjectvolatile(segments, u);
4 }

 

  3)segment锁

    segment继承了reentrantlock(可重入锁),因此它实际上是一把锁。在进行put、remove、replace、clear等需要改动内容的操作时,都要进行加锁操作,其代码一般是这样的:

 1 final v put(k key, int hash, v value, boolean onlyifabsent) {
 2     hashentry<k,v> node = trylock() ?  :  scanandlockforput(key, hash, value);
 3     v oldvalue;
 4     try {
 5 //实际代码……
 6         }
 7     } finally {
 8         unlock();
 9     }
10     return oldvalue;
11 }

    首先调用trylock,如果加锁失败,则进入scanandlockforput(key,hash,value),该方法实际上是先自旋等待其他线程解锁,直至指定的次数max_scan_retries;若自旋过程中,其他线程释放了锁,导致本线程直接获得了锁,就避免了本线程进入等待锁的场景,提高了效率。若自旋一定次数后,仍未获取锁,则调用lock方法进入等待锁的场景。

  优点:采用这种自旋锁和独占锁结合的方法,在很多场景下能够提高segment并发操作数据的效率。

  初始化方法是通过initialcapacity、loadfactor和concurrencylevel等参数来初始化segment数组,段偏移量segmentshift、段掩码segmentmask和每个segment里的hashentry数组来实现的。

  4)初始化segments数组 

 1  if (concurrencylevel > max_segments)
 2             concurrencylevel = max_segments;
 3             int sshift = 0;
 4             int ssize = 1;
 5             while (ssize < concurrencylevel) {
 6                     ++sshift;
 7                     ssize <<= 1;
 8                }
 9        segmentshift = 32 - sshift;
10        segmentmask = ssize - 1;
11        this.segments = segment.newarray(ssize);

 

    segments数组的长度ssize是通过concurrencylevel计算得出的;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数组的长度为2的n次方,所以必须计算出一个大于或等于concurrencylevel的最小的2的n次方值来作为segments数组的长度。concurrencylevel的最大值为65535,这意味着segments数组的长度最大为65536,对应的二进制是16位。

  5)初始化segmentshift和segmentmask

    这两个全局变量需要在定位segment时的散列算法里使用;sshift等于ssize从1向左移位的次数,默认concurrencylevel等于16,1需要向左位移动4次,所以sshift为4.

    segmentshift用于定位参与散列算法的位数,segmentshift等于32减sshift,所以等于28。这里之所以是32,是因为concurrenthashmap里的hash()方法输出的最大位数为32位。

    segmentmask是散列运算的掩码,等于ssize减1,即15;掩码的二进制各个位的值都是1,因为ssize的最大长度为65536,所以segmentshift最大值是16,segmentmask最大值是65535,对应的二进制为16位,每个位都是1。

  6)初始化每个segment

    输入参数initialcapacity是concurrenthashmap的初始化容量,loadfactor是每个segment的负载因子,在构造方法里需要通过这两个参数来初始化数组中的每个segment。

 1    if (initialcapacity > maximum_capacity)
 2             initialcapacity = maximum_capacity;
 3         int c = initialcapacity / ssize;
 4         if (c * ssize < initialcapacity)
 5             ++c;
 6         int cap = 1;
 7         while (cap < c)
 8             cap <<= 1;
 9         for (int i = 0; i < this.segments.length; ++i)
10             this.segments[i] = new segment<k, v>(cap, loadfactor);

    上面代码中的变量cap就是segment里hashentry数组的长度,它等于initialcapacity除以ssize的倍数c,如果c大于1,就会取大于等于c的2的n次方值,所以cap不是1,就是2的n次方。

    segment的容量threshold=(int) cap*loadfactor,默认initialcapacity等于16,loadfactor等于0.75,通过运算cap等于1,threshold等于零。

  7)定位segment

    既然concurrenthashmap使用分段锁segment来保护不同段的数据,那么在插入和获取元素时,必须先通过散列算法定位到segment。可以看到concurrenthashmap会首先使用hash的变种算法对元素的hashcode进行一次再散列。

1 private static int hash(int h) {
2             h += (h << 15) ^ 0xffffcd7d;
3             h ^= (h >>> 10);
4             h += (h << 3);
5             h ^= (h >>> 6);
6             h += (h << 2) + (h << 14);
7             return h ^ (h >>> 16);
8         }

    进行再散列,是为了减少散列冲突,使元素能够均匀地分布在不同的segment上,从而提高容器的存取效率。

    假如散列的质量差到极点,那么所有元素都在一个segment中,不仅存区元素缓慢,分段锁也会失去意义。

1 //concurrenthashmap通过以下散列算法定位segment
2 final segment<k,v> segmentfor(int hash) {
3       return segments[(hash >>> segmentshift) & segmentmask];
4 }
5 //默认情况下segmentshift为28,segmentmask为15,再散列后的数最大是32位二进制数据,向右无符号移动28位,即让高4位参与到散列运算中,(hash>>>segmentshift)&segmentmask的运算结果分别是4、15、7和8,可以看到散列值没有发生冲突.

 

  8)hashentry

 1 static final class hashentry<k,v> {
 2     final int hash;
 3     final k key;
 4     volatile v value;
 5     volatile hashentry<k,v> next;
 6 
 7     hashentry(int hash, k key, v value, hashentry<k,v> next) {
 8         this.hash = hash;
 9         this.key = key;
10         this.value = value;
11         this.next = next;
12     }
13 final void setnext(hashentry<k,v> n) {
14         unsafe.putorderedobject(this, nextoffset, n);
15     }
16 
17     static final long nextoffset;
18     static {
19         try {
20             unsafe = sun.misc.unsafe.getunsafe();
21             class k = hashentry.class;
22             nextoffset = unsafe.objectfieldoffset
23                 (k.getdeclaredfield("next"));
24         } catch (exception e) {
25             throw new error(e);
26         }
27     }
28 }
29 @suppresswarnings("unchecked")
30 static final <k,v> hashentry<k,v> entryat(hashentry<k,v>[] tab, int i) {
31     return (tab == ) ?  :
32         (hashentry<k,v>) unsafe.getobjectvolatile
33         (tab, ((long)i << tshift) + tbase);
34 }
35 static final <k,v> void setentryat(hashentry<k,v>[] tab, int i, hashentry<k,v> e) {
36         unsafe.putorderedobject(tab, ((long)i << tshift) + tbase, e);
37 }

    与segment类似,hashentry使用unsafe.putorderedobject来设置它的next成员变量,这样既可以提高性能,又能保持并发可见性。同时entryat方法和setentryat方法也使用了unsafe.getobjectvolatile和unsafe.putorderedobject来获取和写入指定索引的hashentry。

    总之,segment数组和hashentry数组的读取写入一般都是使用unsafe。

5.concurrenthashmap的操作

  5.1 get操作

    先经过一次再散列,然后使用这个散列值通过散列运算定位到segment,再通过散列算法定位到元素。

 1 public v get(object key) {
 2     segment<k,v> s; 
 3     hashentry<k,v>[] tab;
 4     int h = hash(key);
 5 //找到segment的地址 long u = (((h >>> segmentshift) & segmentmask) << sshift) + sbase;
 6 //取出segment,并找到其hashtable if ((s = (segment<k,v>)unsafe.getobjectvolatile(segments, u)) != null &&
 7         (tab = s.table) != ) {
 8 //遍历此链表,直到找到对应的值 for (hashentry<k,v> e = (hashentry<k,v>) unsafe.getobjectvolatile
 9                  (tab, ((long)(((tab.length - 1) & h)) << tshift) + tbase); e != ; e = e.next) {
10                     k k;
11                     if ((k = e.key) == key || (e.hash == h && key.equals(k)))
12                             return e.value;
13         }
14     }
15     return ;
16 }

    整个get方法不需要加锁,只需要计算两次hash值,然后遍历一个单向链表(此链表长度平均小于2),因此get性能很高。高效之处在于整个过程不需要加锁,除非读到的值是空才会加锁重读。

  hashtable容器的get方法是需要加锁的,那concurrenthashmap的get操作是如何做到不加锁的呢?

    原因是它的get方法将要使用的共享变量都定义成了volatile类型,如用于统计当前segment大小的count字段和用于存储值得hashentry的value。

    定义成volatile的变量,能够在线程之间保持可见性,能够被多线程同时读,并且保证不会读到过期的值,但是只能被单线程写(有一种情况可以被多线程写,就是写入的值不依赖于原值),在get操作里只需要读不需要写共享变量count和value,所以可以不用加锁。

    之所以不会读到过期的值,是因为根据java内存模型的happen before原则,对volatile字段的写操作先于读操作,即使两个线程同时修改和获取volatile变量,get操作也能拿到最新的值,这是用volatile替换锁的经典应用场景。

      transient volatile int count;

      volatile v value;

    在定位元素的代码里可以实现,定位hashentry和定位segment的散列算法虽然一样,都与数组的长度减去1再相“与”,但是相“与”的值不一样。

    定位segment使用的是元素的hashcode再散列后得到的值的高位,定位hashentry直接使用再散列后的值。其目的是避免两次散列后的值一样,虽然元素在segment里散列开了,但是却没有在hashentry中散列开。

      hash>>>segmentshift & segmentmask;  //定位segment所使用的hash算法

      int index=hash & (tab.length-1);  //定位hashentry所使用的hash算法

  5.2 put操作

    由于需要对共享变量进行写操作,所以为了线程安全,在操作共享变量时必须加锁。put方法首先定位到segment,然后在segment里进行插入操作。 

    插入操作需要经历的两个步骤:

      判断是否需要对segment里的hashentry数组进行扩容;定位添加元素的位置,然后将其放在hashentry数组里;

    1)是否需要扩容?

      在插入元素前会先判断segment里的hashentry数组是否超过容量,如果超过阈值,则对数组进行扩容。segment的扩容判断比hashmap更恰当,因为hashmap是在插入元素后判断是否已经到达容量,如果到达了就进行扩容,但是很有可能扩容之后没有新元素插入,这时hashmap就进行了一次无效的扩容。

    2)如何扩容?

      在扩容时,首先会创建一个容量是原来两倍的数组,然后将原数组里的元素进行再散列后插入到新的数组里。为了高效,concurrenthashmap不会对整个容器进行扩容,而只对某个segment扩容。

    put方法的第一步:计算segment数组的索引,并找到该segment,然后调用该segment的put方法。

 1 public v put(k key, v value) {
 2     segment<k,v> s;
 3     if (value == )
 4         throw new nullpointerexception();
 5     int hash = hash(key);
 6 //计算segment数组的索引,并找到该segment int j = (hash >>> segmentshift) & segmentmask;
 7     if ((s = (segment<k,v>)unsafe.getobject          // nonvolatile; recheck
 8          (segments, (j << sshift) + sbase)) == ) //  in ensuresegment
 9         s = ensuresegment(j);
10 //调用该segment的put方法 return s.put(key, hash, value, false);
11 }

    put方法的第二步:在segment的put方法中进行操作。

 1 final v put(k key, int hash, v value, boolean onlyifabsent) {
 2 //调用trylock()尝试加锁,若失败则调用scanandlockforput进行加锁,同时寻找key相应的节点node
 3     hashentry<k,v> node = trylock() ?  :
 4         scanandlockforput(key, hash, value);
 5 //以下的代码都运行在加锁状态
 6     v oldvalue;
 7     try {
 8         hashentry<k,v>[] tab = table;
 9 //计算hash表的索引值,并取出hashentry int index = (tab.length - 1) & hash;
10         hashentry<k,v> first = entryat(tab, index);
11 //遍历此链表 for (hashentry<k,v> e = first;;) {
12 //如果链表不为空,在链表中寻找对应的node,找到后进行赋值,并退出循环 if (e != null) {
13                 k k;
14                 if ((k = e.key) == key ||
15                     (e.hash == hash && key.equals(k))) {
16                     oldvalue = e.value;
17                     if (!onlyifabsent) {
18                         e.value = value;
19                         ++modcount;
20                     }
21                     break;
22                 }
23                 e = e.next;
24             }
25 //如果在链表中没有找到对应的node else {
26 //如果scanandlockforput方法中已经返回的对应的node,则将其插入first之前 if (node != null)
27                     node.setnext(first);
28                 else //否则,new一个新的hashentry
29                     node = new hashentry<k,v>(hash, key, value, first);
30                 int c = count + 1;
31 //测试是否需要自动扩容 if (c > threshold && tab.length < maximum_capacity)
32                     rehash(node);
33                 else //设置node到hash表的index索引处
34                     setentryat(tab, index, node);
35                 ++modcount;
36                 count = c;
37                 oldvalue = ;
38                 break;
39             }
40         }
41     } finally {
42         unlock();
43     }
44     return oldvalue;
45 }

  5.3 size操作

    要统计整个concurrenthashmap里的元素的数量,就必须统计所有segment里元素的数量后计总。

    segment里的全局变量count是一个volatile,在并发场景下,是不是直接把所有的segment的count相加就可以得到整个concurrenthashmap大小了呢?不是的。

    虽然相加时可以获取每个segment的count的最新值,但是可能累加前使用的count发生了变化,那么统计结果就不准了。所以,最安全的做法就是在统计size时把所有segment的put、remove和clear方法全部锁住,但是这种做法显然非常低效。

    因为在累加count操作过程中,之前累加过的count发生变化的机率非常小,所以concurrenthashmap的做法是先尝试2次通过不锁segment的方式来统计各个segment大小,如果统计的过程中,count发生了变化,则再采用加锁的方式来统计所有segment的大小。

  那么concurrenthashmap又是如何判断在统计时容器是否发生了变化呢?

    使用modcount变量,在put、remove和clear方法里操作元素前都会将变量modcount进行加1,那么在统计size前后比较modcount是否发生变化,从而得知容器的大小是否发生了变化。