ConcurrentHashMap的实现原理
HashMap是Java当中很常用的数据结构。
但是HashMap不是线程安全的，单线程环境下还可以正常使用，不过在并发插入元素的时候有可能出现带环链表，让下一次读操作出现死循环。
那么什么样的哈希数据结构可以保证线程安全呢？
线程安全的哈希数据结构主要有HashTable和ConcurrentHashMap。而ConcurrentHashMap比HashTable的扩展性更好。
在多并发场景下，我们通常采用ConcurrentHashMap，这个集合类兼顾了线程安全和性能。
那么在并发场景下，ConcurrentHashMap是怎么保证线程安全的，又是怎么实现高性能读写的呢？
在细说ConcurrentHashMap之前，先来回顾一下HashMap。
我们来简单回顾一下HashMap的结构：
简单来说，HashMap是一个Entry对象的数组。数组中的每一个Entry元素，又是一个链表的头节点。
Hashmap不是线程安全的。在高并发环境下做插入操作，有可能出现下面的环形链表：
想要避免HashMap的线程安全问题有很多种方法，比如改用HashTable或者Collections.SynchronizedMap。但是，这两者有着共同的问题：性能。无论读操作还是写操作，他们都会给整个集合加锁，导致同一时间的其他操作为之阻塞。
在并发环境下，如何能够兼顾线程安全和运行效率呢？这时候ConcurrentHashMap就应运而生了。
那么，比起HashMap，ConcurrentHashMap有什么特别之处呢？
掌握HashMap之后，学习ConcurrentHashMap其实很简单，最关键是要理解一个概念：[Segment]。
Segment是什么呢？Segment本身就相当于一个HashMap对象。
同HashMap一样，Segment包含一个HashEntry数组，数组中的每一个HashEntry既是一个键值对，也是一个链表的头节点。
单一的Segment结构如下：
像这样的Segment对象，在ConcurrentHashMap集合中有多少个呢？有2的N次方个，共同保存在一个名为segments的数组当中。
因此整个ConcurrentHashMap的结构如下：
可以说，ConcurrentHashMap是一个二级哈希表。在一个总的哈希表下面，有若干个子哈希表。
这样的二级结构，和数据库的水平拆分有些相似。
那么ConcurrentHashMap这样的设计有什么好处呢？
ConcurrentHashMap优势就是采用了[锁分段技术]，每个Segment就好比一个自治区，读写操作高度自治，Segment之间互不影响。
下面我们来看看ConcurrentHashMap并发读写的几种情形：
Case1：不同Segment的并发写入
不同Segment的写入是可以并发执行的。
Case2：同一Segment的一写一读
同一Segment的写和读是可以并发执行的。
Case3：同一Segment的并发写入
同一Segment的并发写入是需要上锁的，因此对同一Segment的并发写入获取不到锁的线程会被阻塞。
不同Segment之间和同一Segment之内的读读操作都是不互斥的，因为读不涉及到对数据的修改操作。
由此可见，ConcurrentHashMap当中每个Segment各自持有一把锁。在保证线程安全的同时降低了锁的粒度，让并发操作效率更高。
ConcurrentHashMap的Segment之间的读写操作大致就是这样。那么ConcurrentHashMap的读写过程具体是什么样子呢？
我们来看一下ConcurrentHashMap读写的详细过程：
Get方法：
1.为输入的Key做Hash运算，得到hash值。
2.通过hash值，定位到对应的Segment对象。
3.再次通过hash值，定位到Segment当中数组的具体位置。
Put方法：
1.为输入的Key做Hash运算，得到hash值。
2.通过hash值，定位到对应的Segment对象。
3.获取可重入锁。
4.再次通过hash值，定位到Segment当中数组的具体位置。
5.插入或覆盖HashEntry对象。
6.释放锁。
从步骤可以看出，ConcurrentHashMap在读写时都需要二次定位。首先定位到Segment，之后定位到Segment内的具体数组下标。
既然每个Segment都各自加锁，那么在调用size( )方法的时候，怎么解决一致性的问题呢？
Size方法的目的是统计ConcurrentHashMap的总元素数量， 自然需要把各个Segment内部的元素数量汇总起来。
但是，如果在统计Segment元素数量的过程中，已统计过的Segment瞬间插入新的元素，这时候该怎么办呢？
关于这一点，我们来看看ConcurrentHashMap的size( )操作是怎样工作的：
ConcurrentHashMap的Size方法是一个嵌套循环，大体逻辑如下：
1.遍历所有的Segment。
2.把Segment的元素数量累加起来。
3.把Segment的修改次数累加起来。
4.判断所有Segment的总修改次数是否大于上一次的总修改次数。如果大于，说明统计过程中有修改，重新统计，尝试次数+1；如果不是。说明没有修改，统计结束。
5.如果尝试次数超过阈值，则对每一个Segment加锁，再重新统计。
6.再次判断所有Segment的总修改次数是否大于上一次的总修改次数。由于已经全部加锁，统计过程中肯定没有修改，统计的一定是正确的结果。
7.释放锁，统计结束。
官方源代码如下：
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<K,V>[] 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) {
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<K,V> 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;
}为什么这样设计呢？这种思想和乐观锁悲观锁的思想如出一辙。
为了尽量不锁住所有Segment，首先乐观地假设Size过程中不会有修改。当尝试一定次数，才无奈转为悲观锁，锁住所有Segment保证强一致性。
几点说明：
1. 这里介绍的ConcurrentHashMap原理和代码，都是基于Java1.7的。在Java8中会有些许差别。
2.ConcurrentHashMap在对Key求Hash值的时候，为了实现Segment均匀分布，进行了两次Hash。有兴趣的同学可以研究一下源代码。
关于ConcurrentHashMap的实现原理就介绍到这里了。
上一篇： android 解决aar二次封装问题
下一篇： 浅谈Android中的MVP