1.ConcurrentHashmap簡介 在使用HashMap時在多線程情況下擴容會出現CPU接近100%的情況，因為hashmap並不是線程安全的，通常我們可以使用在java體系中古老的hashtable類，該類基本上所有的方法都採用synchronized進行線程安全的控制，可想而知，在高併發 ...
1.ConcurrentHashmap簡介
在使用HashMap時在多線程情況下擴容會出現CPU接近100%的情況，因為hashmap並不是線程安全的，通常我們可以使用在java體系中古老的hashtable類，該類基本上所有的方法都採用synchronized進行線程安全的控制，可想而知，在高併發的情況下，每次只有一個線程能夠獲取對象監視器鎖，這樣的併發性能的確不令人滿意。另外一種方式通過Collections的Map<K,V> synchronizedMap(Map<K,V> m)將hashmap包裝成一個線程安全的map。比如SynchronzedMap的put方法源碼為：
public V put(K key, V value) { synchronized (mutex) {return m.put(key, value);} }
實際上SynchronizedMap實現依然是採用synchronized獨占式鎖進行線程安全的併發控制的。同樣，這種方案的性能也是令人不太滿意的。針對這種境況，Doug Lea大師不遺餘力的為我們創造了一些線程安全的併發容器，讓每一個java開發人員倍感幸福。相對於hashmap來說，ConcurrentHashMap就是線程安全的map，其中利用了鎖分段的思想提高了併發度。
ConcurrentHashMap在JDK1.6的版本網上資料很多，有興趣的可以去看看。 JDK 1.6版本關鍵要素：
- segment繼承了ReentrantLock充當鎖的角色，為每一個segment提供了線程安全的保障；
- segment維護了哈希散列表的若幹個桶，每個桶由HashEntry構成的鏈表。
而到了JDK 1.8的ConcurrentHashMap就有了很大的變化，光是代碼量就足足增加了很多。1.8版本捨棄了segment，並且大量使用了synchronized，以及CAS無鎖操作以保證ConcurrentHashMap操作的線程安全性。
至於為什麼不用ReentrantLock而是Synchronzied呢？實際上，synchronzied做了很多的優化，包括偏向鎖，輕量級鎖，重量級鎖，可以依次向上升級鎖狀態，但不能降級，因此，使用synchronized相較於ReentrantLock的性能會持平甚至在某些情況更優，具體的性能測試可以去網上查閱一些資料。另外，底層數據結構改變為採用數組+鏈表+紅黑樹的數據形式。
2.關鍵屬性及類
在瞭解ConcurrentHashMap的具體方法實現前，我們需要系統的來看一下幾個關鍵的地方。
ConcurrentHashMap的關鍵屬性
- table volatile Node<K,V>[] table://裝載Node的數組，作為ConcurrentHashMap的數據容器，採用懶載入的方式，直到第一次插入數據的時候才會進行初始化操作，數組的大小總是為2的冪次方。
- nextTable volatile Node<K,V>[] nextTable; //擴容時使用，平時為null，只有在擴容的時候才為非null
- sizeCtl volatile int sizeCtl; 該屬性用來控制table數組的大小，根據是否初始化和是否正在擴容有幾種情況： 當值為負數時：如果為-1表示正在初始化，如果為-N則表示當前正有N-1個線程進行擴容操作； 當值為正數時：如果當前數組為null的話表示table在初始化過程中，sizeCtl表示為需要新建數組的長度；
若已經初始化了，表示當前數據容器（table數組）可用容量也可以理解成臨界值（插入節點數超過了該臨界值就需要擴容），具體指為數組的長度n 乘以 載入因數loadFactor； 當值為0時，即數組長度為預設初始值。
- sun.misc.Unsafe U 在ConcurrentHashMapde的實現中可以看到大量的U.compareAndSwapXXXX的方法去修改ConcurrentHashMap的一些屬性。這些方法實際上是利用了CAS演算法保證了線程安全性，這是一種樂觀策略，假設每一次操作都不會產生衝突，當且僅當衝突發生的時候再去嘗試。
而CAS操作依賴於現代處理器指令集，通過底層CMPXCHG指令實現。CAS(V,O,N)核心思想為：若當前變數實際值V與期望的舊值O相同，則表明該變數沒被其他線程進行修改，因此可以安全的將新值N賦值給變數；若當前變數實際值V與期望的舊值O不相同，則表明該變數已經被其他線程做了處理，此時將新值N賦給變數操作就是不安全的，在進行重試。
而在大量的同步組件和併發容器的實現中使用CAS是通過sun.misc.Unsafe類實現的，該類提供了一些可以直接操控記憶體和線程的底層操作，可以理解為java中的“指針”。該成員變數的獲取是在靜態代碼塊中：
``` static { try { U = sun.misc.Unsafe.getUnsafe(); ....... } catch (Exception e) { throw new Error(e); } } ```
ConcurrentHashMap中關鍵內部類
- Node Node類實現了Map.Entry介面，主要存放key-value對，並且具有next域
static class Node<K,V> implements Map.Entry<K,V> { final int hash; final K key; volatile V val; volatile Node<K,V> next; ...... }
另外可以看出很多屬性都是用volatile進行修飾的，也就是為了保證記憶體可見性。
- TreeNode 樹節點，繼承於承載數據的Node類。而紅黑樹的操作是針對TreeBin類的，從該類的註釋也可以看出，也就是TreeBin會將TreeNode進行再一次封裝
** * Nodes for use in TreeBins */ static final class TreeNode<K,V> extends Node<K,V> { TreeNode<K,V> parent; // red-black tree links TreeNode<K,V> left; TreeNode<K,V> right; TreeNode<K,V> prev; // needed to unlink next upon deletion boolean red; ...... } - TreeBin 這個類並不負責包裝用戶的key、value信息，而是包裝的很多TreeNode節點。實際的ConcurrentHashMap“數組”中，存放的是TreeBin對象，而不是TreeNode對象。
static final class TreeBin<K,V> extends Node<K,V> { TreeNode<K,V> root; volatile TreeNode<K,V> first; volatile Thread waiter; volatile int lockState; // values for lockState static final int WRITER = 1; // set while holding write lock static final int WAITER = 2; // set when waiting for write lock static final int READER = 4; // increment value for setting read lock ...... } - ForwardingNode 在擴容時才會出現的特殊節點，其key,value,hash全部為null。並擁有nextTable指針引用新的table數組。
static final class ForwardingNode<K,V> extends Node<K,V> { final Node<K,V>[] nextTable; ForwardingNode(Node<K,V>[] tab) { super(MOVED, null, null, null); this.nextTable = tab; } ..... }
CAS關鍵操作
在上面我們提及到在ConcurrentHashMap中會大量使用CAS修改它的屬性和一些操作。因此，在理解ConcurrentHashMap的方法前我們需要瞭解下麵幾個常用的利用CAS演算法來保障線程安全的操作。
- tabAt
static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) { return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE); }
該方法用來獲取table數組中索引為i的Node元素。
- casTabAt
static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i, Node<K,V> c, Node<K,V> v) { return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v); }
利用CAS操作設置table數組中索引為i的元素 - setTabAt
static final <K,V> void setTabAt(Node<K,V>[] tab, int i, Node<K,V> v) { U.putObjectVolatile(tab, ((long)i << ASHIFT) + ABASE, v); }
該方法用來設置table數組中索引為i的元素
3.重點方法講解
在熟悉上面的這核心信息之後，我們接下來就來依次看看幾個常用的方法是怎樣實現的。
3.1 實例構造器方法
在使用ConcurrentHashMap第一件事自然而然就是new 出來一個ConcurrentHashMap對象，一共提供瞭如下幾個構造器方法：
// 1\. 構造一個空的map，即table數組還未初始化，初始化放在第一次插入數據時，預設大小為16
ConcurrentHashMap()
// 2\. 給定map的大小
ConcurrentHashMap(int initialCapacity)
// 3\. 給定一個map
ConcurrentHashMap(Map<? extends K, ? extends V> m)
// 4\. 給定map的大小以及載入因數
ConcurrentHashMap(int initialCapacity, float loadFactor)
// 5\. 給定map大小，載入因數以及併發度（預計同時操作數據的線程）
ConcurrentHashMap(int initialCapacity,float loadFactor, int concurrencyLevel)
ConcurrentHashMap一共給我們提供了5中構造器方法，具體使用請看註釋，我們來看看第2種構造器，傳入指定大小時的情況，該構造器源碼為：
public ConcurrentHashMap(int initialCapacity) { //1\. 小於0直接拋異常 if (initialCapacity < 0) throw new IllegalArgumentException(); //2\. 判斷是否超過了允許的最大值，超過了話則取最大值，否則再對該值進一步處理 int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY : tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1)); //3\. 賦值給sizeCtl this.sizeCtl = cap; }
這段代碼的邏輯請看註釋，很容易理解，如果小於0就直接拋出異常，如果指定值大於了所允許的最大值的話就取最大值，否則，在對指定值做進一步處理。最後將cap賦值給sizeCtl,關於sizeCtl的說明請看上面的說明，當調用構造器方法之後，sizeCtl的大小應該就代表了ConcurrentHashMap的大小，即table數組長度。tableSizeFor做了哪些事情了？源碼為：
/** * Returns a power of two table size for the given desired capacity. * See Hackers Delight, sec 3.2 */ private static final int tableSizeFor(int c) { int n = c - 1; n |= n >>> 1; n |= n >>> 2; n |= n >>> 4; n |= n >>> 8; n |= n >>> 16; return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1; }
通過註釋就很清楚了，該方法會將調用構造器方法時指定的大小轉換成一個2的冪次方數，也就是說ConcurrentHashMap的大小一定是2的冪次方，比如，當指定大小為18時，為了滿足2的冪次方特性，實際上concurrentHashMapd的大小為2的5次方（32）。另外，需要註意的是，調用構造器方法的時候並未構造出table數組（可以理解為ConcurrentHashMap的數據容器），只是算出table數組的長度，當第一次向ConcurrentHashMap插入數據的時候才真正的完成初始化創建table數組的工作。
3.2 initTable方法
直接上源碼：
private final Node<K,V>[] initTable() { Node<K,V>[] tab; int sc; while ((tab = table) == null || tab.length == 0) { if ((sc = sizeCtl) < 0) // 1\. 保證只有一個線程正在進行初始化操作 Thread.yield(); // lost initialization race; just spin else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) { try { if ((tab = table) == null || tab.length == 0) { // 2\. 得出數組的大小 int n = (sc > 0) ? sc : DEFAULT_CAPACITY; @SuppressWarnings("unchecked") // 3\. 這裡才真正的初始化數組 Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n]; table = tab = nt; // 4\. 計算數組中可用的大小：實際大小n*0.75（載入因數） sc = n - (n >>> 2); } } finally { sizeCtl = sc; } break; } } return tab; }
代碼的邏輯請見註釋，有可能存在一個情況是多個線程同時走到這個方法中，為了保證能夠正確初始化，在第1步中會先通過if進行判斷，若當前已經有一個線程正在初始化即sizeCtl值變為-1，這個時候其他線程在If判斷為true從而調用Thread.yield()讓出CPU時間片。正在進行初始化的線程會調用U.compareAndSwapInt方法將sizeCtl改為-1即正在初始化的狀態。
另外還需要註意的事情是，在第四步中會進一步計算數組中可用的大小即為數組實際大小n乘以載入因數0.75.可以看看這裡乘以0.75是怎麼算的，0.75為四分之三，這裡n - (n >>> 2)是不是剛好是n-(1/4)n=(3/4)n，挺有意思的吧:)。如果選擇是無參的構造器的話，這裡在new Node數組的時候會使用預設大小為DEFAULT_CAPACITY（16），然後乘以載入因數0.75為12，也就是說數組的可用大小為12。
3.3 put方法
使用ConcurrentHashMap最長用的也應該是put和get方法了吧，我們先來看看put方法是怎樣實現的。調用put方法時實際具體實現是putVal方法，源碼如下：
/** Implementation for put and putIfAbsent */ final V putVal(K key, V value, boolean onlyIfAbsent) { if (key == null || value == null) throw new NullPointerException(); //1\. 計算key的hash值 int hash = spread(key.hashCode()); int binCount = 0; for (Node<K,V>[] tab = table;;) { Node<K,V> f; int n, i, fh; //2\. 如果當前table還沒有初始化先調用initTable方法將tab進行初始化 if (tab == null || (n = tab.length) == 0) tab = initTable(); //3\. tab中索引為i的位置的元素為null，則直接使用CAS將值插入即可 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 } //4\. 當前正在擴容 else if ((fh = f.hash) == MOVED) tab = helpTransfer(tab, f); else { V oldVal = null; synchronized (f) { if (tabAt(tab, i) == f) { //5\. 當前為鏈表，在鏈表中插入新的鍵值對 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; } } } // 6.當前為紅黑樹，將新的鍵值對插入到紅黑樹中 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; } } } } // 7.插入完鍵值對後再根據實際大小看是否需要轉換成紅黑樹 if (binCount != 0) { if (binCount >= TREEIFY_THRESHOLD) treeifyBin(tab, i); if (oldVal != null) return oldVal; break; } } } //8.對當前容量大小進行檢查，如果超過了臨界值（實際大小*載入因數）就需要擴容 addCount(1L, binCount); return null; }
put方法的代碼量有點長，我們按照上面的分解的步驟一步步來看。從整體而言，為瞭解決線程安全的問題，ConcurrentHashMap使用了synchronzied和CAS的方式。在之前瞭解過HashMap以及1.8版本之前的ConcurrenHashMap都應該知道ConcurrentHashMap結構圖，為了方面下麵的講解這裡先直接給出，如果對這有疑問的話，可以在網上隨便搜搜即可。
[圖片上傳中...(image-326780-1575107646328-1)]
<figcaption></figcaption>
如圖（圖片摘自網路），ConcurrentHashMap是一個哈希桶數組，如果不出現哈希衝突的時候，每個元素均勻的分佈在哈希桶數組中。當出現哈希衝突的時候，是標準的鏈地址的解決方式，將hash值相同的節點構成鏈表的形式，稱為“拉鏈法”，另外，在1.8版本中為了防止拉鏈過長，當鏈表的長度大於8的時候會將鏈表轉換成紅黑樹。table數組中的每個元素實際上是單鏈表的頭結點或者紅黑樹的根節點。當插入鍵值對時首先應該定位到要插入的桶，即插入table數組的索引i處。那麼，怎樣計算得出索引i呢？當然是根據key的hashCode值。
- spread()重哈希，以減小Hash衝突
我們知道對於一個hash表來說，hash值分散的不夠均勻的話會大大增加哈希衝突的概率，從而影響到hash表的性能。因此通過spread方法進行了一次重hash從而大大減小哈希衝突的可能性。spread方法為：
static final int spread(int h) { return (h ^ (h >>> 16)) & HASH_BITS; }
該方法主要是將key的hashCode的低16位於高16位進行異或運算，這樣不僅能夠使得hash值能夠分散能夠均勻減小hash衝突的概率，另外只用到了異或運算，在性能開銷上也能兼顧，做到平衡的trade-off。
2.初始化table
緊接著到第2步，會判斷當前table數組是否初始化了，沒有的話就調用initTable進行初始化，該方法在上面已經講過了。
3.能否直接將新值插入到table數組中
從上面的結構示意圖就可以看出存在這樣一種情況，如果插入值待插入的位置剛好所在的table數組為null的話就可以直接將值插入即可。那麼怎樣根據hash確定在table中待插入的索引i呢？很顯然可以通過hash值與數組的長度取模操作，從而確定新值插入到數組的哪個位置。而之前我們提過ConcurrentHashMap的大小總是2的冪次方，(n - 1) & hash運算等價於對長度n取模，也就是hash%n，但是位運算比取模運算的效率要高很多，Doug lea大師在設計併發容器的時候也是將性能優化到了極致，令人欽佩。
確定好數組的索引i後，就可以可以tabAt()方法（該方法在上面已經說明瞭，有疑問可以回過頭去看看）獲取該位置上的元素，如果當前Node f為null的話，就可以直接用casTabAt方法將新值插入即可。
4.當前是否正在擴容
如果當前節點不為null，且該節點為特殊節點（forwardingNode）的話，就說明當前concurrentHashMap正在進行擴容操作，關於擴容操作，下麵會作為一個具體的方法進行講解。那麼怎樣確定當前的這個Node是不是特殊的節點了？是通過判斷該節點的hash值是不是等於-1（MOVED）,代碼為(fh = f.hash) == MOVED，對MOVED的解釋在源碼上也寫的很清楚了：
static final int MOVED = -1; // hash for forwarding nodes
5.當table[i]為鏈表的頭結點，在鏈表中插入新值
在table[i]不為null並且不為forwardingNode時，並且當前Node f的hash值大於0（fh >= 0）的話說明當前節點f為當前桶的所有的節點組成的鏈表的頭結點。那麼接下來，要想向ConcurrentHashMap插入新值的話就是向這個鏈表插入新值。通過synchronized (f)的方式進行加鎖以實現線程安全性。往鏈表中插入節點的部分代碼為：
if (fh >= 0) { binCount = 1; for (Node<K,V> e = f;; ++binCount) { K ek; // 找到hash值相同的key,覆蓋舊值即可 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) { //如果到鏈表末尾仍未找到，則直接將新值插入到鏈表末尾即可 pred.next = new Node<K,V>(hash, key, value, null); break; } } }
這部分代碼很好理解，就是兩種情況：1. 在鏈表中如果找到了與待插入的鍵值對的key相同的節點，就直接覆蓋即可；2. 如果直到找到了鏈表的末尾都沒有找到的話，就直接將待插入的鍵值對追加到鏈表的末尾即可
6.當table[i]為紅黑樹的根節點，在紅黑樹中插入新值
按照之前的數組+鏈表的設計方案，這裡存在一個問題，即使負載因數和Hash演算法設計的再合理，也免不了會出現拉鏈過長的情況，一旦出現拉鏈過長，甚至在極端情況下，查找一個節點會出現時間複雜度為O(n)的情況，則會嚴重影響ConcurrentHashMap的性能，於是，在JDK1.8版本中，對數據結構做了進一步的優化，引入了紅黑樹。而當鏈表長度太長（預設超過8）時，鏈表就轉換為紅黑樹，利用紅黑樹快速增刪改查的特點提高ConcurrentHashMap的性能，其中會用到紅黑樹的插入、刪除、查找等演算法。當table[i]為紅黑樹的樹節點時的操作為：
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; } }
首先在if中通過f instanceof TreeBin判斷當前table[i]是否是樹節點，這下也正好驗證了我們在最上面介紹時說的TreeBin會對TreeNode做進一步封裝，對紅黑樹進行操作的時候針對的是TreeBin而不是TreeNode。這段代碼很簡單，調用putTreeVal方法完成向紅黑樹插入新節點，同樣的邏輯，如果在紅黑樹中存在於待插入鍵值對的Key相同（hash值相等並且equals方法判斷為true）的節點的話，就覆蓋舊值，否則就向紅黑樹追加新節點。
7.根據當前節點個數進行調整
當完成數據新節點插入之後，會進一步對當前鏈表大小進行調整，這部分代碼為：
if (binCount != 0) { if (binCount >= TREEIFY_THRESHOLD) treeifyBin(tab, i); if (oldVal != null) return oldVal; break; }
很容易理解，如果當前鏈表節點個數大於等於8（TREEIFY_THRESHOLD）的時候，就會調用treeifyBin方法將tabel[i]（第i個散列桶）拉鏈轉換成紅黑樹。
至此，關於Put方法的邏輯就基本說的差不多了，現在來做一些總結：
整體流程：
- 首先對於每一個放入的值，首先利用spread方法對key的hashcode進行一次hash計算，由此來確定這個值在 table中的位置；
- 如果當前table數組還未初始化，先將table數組進行初始化操作；
- 如果這個位置是null的，那麼使用CAS操作直接放入；
- 如果這個位置存在結點，說明發生了hash碰撞，首先判斷這個節點的類型。如果該節點fh==MOVED(代表forwardingNode,數組正在進行擴容)的話，說明正在進行擴容；
- 如果是鏈表節點（fh>0）,則得到的結點就是hash值相同的節點組成的鏈表的頭節點。需要依次向後遍歷確定這個新加入的值所在位置。如果遇到key相同的節點，則只需要覆蓋該結點的value值即可。否則依次向後遍歷，直到鏈表尾插入這個結點；
- 如果這個節點的類型是TreeBin的話，直接調用紅黑樹的插入方法進行插入新的節點；
- 插入完節點之後再次檢查鏈表長度，如果長度大於8，就把這個鏈表轉換成紅黑樹；
- 對當前容量大小進行檢查，如果超過了臨界值（實際大小*載入因數）就需要擴容。
3.4 get方法
看完了put方法再來看get方法就很容易了，用逆向思維去看就好，這樣存的話我反過來這麼取就好了。get方法源碼為：
public V get(Object key) { Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek; // 1\. 重hash int h = spread(key.hashCode()); if ((tab = table) != null && (n = tab.length) > 0 && (e = tabAt(tab, (n - 1) & h)) != null) { // 2\. table[i]桶節點的key與查找的key相同，則直接返回 if ((eh = e.hash) == h) { if ((ek = e.key) == key || (ek != null && key.equals(ek))) return e.val; } // 3\. 當前節點hash小於0說明為樹節點，在紅黑樹中查找即可 else if (eh < 0) return (p = e.find(h, key)) != null ? p.val : null; while ((e = e.next) != null) { //4\. 從鏈表中查找，查找到則返回該節點的value，否則就返回null即可 if (e.hash == h && ((ek = e.key) == key || (ek != null && key.equals(ek)))) return e.val; } } return null; }
代碼的邏輯請看註釋，首先先看當前的hash桶數組節點即table[i]是否為查找的節點，若是則直接返回；若不是，則繼續再看當前是不是樹節點？通過看節點的hash值是否為小於0，如果小於0則為樹節點。如果是樹節點在紅黑樹中查找節點；如果不是樹節點，那就只剩下為鏈表的形式的一種可能性了，就向後遍歷查找節點，若查找到則返回節點的value即可，若沒有找到就返回null。
3.5 transfer方法
當ConcurrentHashMap容量不足的時候，需要對table進行擴容。這個方法的基本思想跟HashMap是很像的，但是由於它是支持併發擴容的，所以要複雜的多。原因是它支持多線程進行擴容操作，而並沒有加鎖。我想這樣做的目的不僅僅是為了滿足concurrent的要求，而是希望利用併發處理去減少擴容帶來的時間影響。transfer方法源碼為：
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) { int n = tab.length, stride; if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE) stride = MIN_TRANSFER_STRIDE; // subdivide range //1\. 新建Node數組，容量為之前的兩倍 if (nextTab == null) { // initiating try { @SuppressWarnings("unchecked") Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1]; nextTab = nt; } catch (Throwable ex) { // try to cope with OOME sizeCtl = Integer.MAX_VALUE; return; } nextTable = nextTab; transferIndex = n; } int nextn = nextTab.length; //2\. 新建forwardingNode引用，在之後會用到 ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab); boolean advance = true; boolean finishing = false; // to ensure sweep before committing nextTab for (int i = 0, bound = 0;;) { Node<K,V> f; int fh; // 3\. 確定遍歷中的索引i while (advance) { int nextIndex, nextBound; if (--i >= bound || finishing) advance = false; else if ((nextIndex = transferIndex) <= 0) { i = -1; advance = false; } else if (U.compareAndSwapInt (this, TRANSFERINDEX, nextIndex, nextBound = (nextIndex > stride ? nextIndex - stride : 0))) { bound = nextBound; i = nextIndex - 1; advance = false; } } //4.將原數組中的元素複製到新數組中去 //4.5 for迴圈退出，擴容結束修改sizeCtl屬性 if (i < 0 || i >= n || i + n >= nextn) { int sc; if (finishing) { nextTable = null; table = nextTab; sizeCtl = (n << 1) - (n >>> 1); return; } if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) { if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT) return; finishing = advance = true; i = n; // recheck before commit } } //4.1 當前數組中第i個元素為null，用CAS設置成特殊節點forwardingNode(可以理解成占位符) else if ((f = tabAt(tab, i)) == null) advance = casTabAt(tab, i, null, fwd); //4.2 如果遍歷到ForwardingNode節點 說明這個點已經被處理過了 直接跳過 這裡是控制併發擴容的核心 else if ((fh = f.hash) == MOVED) advance = true; // already processed else { synchronized (f) { if (tabAt(tab, i) == f) { Node<K,V> ln, hn; if (fh >= 0) { //4.3 處理當前節點為鏈表的頭結點的情況，構造兩個鏈表，一個是原鏈表 另一個是原鏈表的反序排列 int runBit = fh & n; Node<K,V> lastRun = f; for (Node<K,V> p = f.next; p != null; p = p.next) { int b = p.hash & n; if (b != runBit) { runBit = b; lastRun = p; } } if (runBit == 0) { ln = lastRun; hn = null; } else { hn = lastRun; ln = null; } for (Node<K,V> p = f; p != lastRun; p = p.next) { int ph = p.hash; K pk = p.key; V pv = p.val; if ((ph & n) == 0) ln = new Node<K,V>(ph, pk, pv, ln); else hn = new Node<K,V>(ph, pk, pv, hn); } //在nextTable的i位置上插入一個鏈表 setTabAt(nextTab, i, ln); //在nextTable的i+n的位置上插入另一個鏈表 setTabAt(nextTab, i + n, hn); //在table的i位置上插入forwardNode節點 表示已經處理過該節點 setTabAt(tab, i, fwd); //設置advance為true 返回到上面的while迴圈中 就可以執行i--操作 advance = true; } //4.4 處理當前節點是TreeBin時的情況，操作和上面的類似 else if (f instanceof TreeBin) { TreeBin<K,V> t = (TreeBin<K,V>)f; TreeNode<K,V> lo = null, loTail = null; TreeNode<K,V> hi = null, hiTail = null; int lc = 0, hc = 0; for (Node<K,V> e = t.first; e != null; e = e.next) { int h = e.hash; TreeNode<K,V> p = new TreeNode<K,V> (h, e.key, e.val, null, null); if ((h & n) == 0) { if ((p.prev = loTail) == null) lo = p; else loTail.next = p; loTail = p; ++lc; } else { if ((p.prev = hiTail) == null) hi = p; else hiTail.next = p; hiTail = p; ++hc; } } ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) : (hc != 0) ? new TreeBin<K,V>(lo) : t; hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) : (lc != 0) ? new TreeBin<K,V>(hi) : t; setTabAt(nextTab, i, ln); setTabAt(nextTab, i + n, hn); setTabAt(tab, i, fwd); advance = true; } } } } } }
代碼邏輯請看註釋,整個擴容操作分為兩個部分：
第一部分是構建一個nextTable,它的容量是原來的兩倍，這個操作是單線程完成的。新建table數組的代碼為:Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1],在原容量大小的基礎上右移一位。
第二個部分就是將原來table中的元素複製到nextTable中，主要是遍歷複製的過程。 根據運算得到當前遍歷的數組的位置i，然後利用tabAt方法獲得i位置的元素再進行判斷：
- 如果這個位置為空，就在原table中的i位置放入forwardNode節點，這個也是觸發併發擴容的關鍵點；
- 如果這個位置是Node節點（fh>=0），如果它是一個鏈表的頭節點，就構造一個反序鏈表，把他們分別放在nextTable的i和i+n的位置上
- 如果這個位置是TreeBin節點（fh<0），也做一個反序處理，並且判斷是否需要untreefi，把處理的結果分別放在nextTable的i和i+n的位置上
- 遍歷過所有的節點以後就完成了複製工作，這時讓nextTable作為新的table，並且更新sizeCtl為新容量的0.75倍 ，完成擴容。設置為新容量的0.75倍代碼為
sizeCtl = (n << 1) - (n >>> 1)，仔細體會下是不是很巧妙，n<<1相當於n右移一位表示n的兩倍即2n,n>>>1左右一位相當於n除以2即0.5n,然後兩者相減為2n-0.5n=1.5n,是不是剛好等於新容量的0.75倍即2n*0.75=1.5n。
3.6 與size相關的一些方法
對於ConcurrentHashMap來說，這個table里到底裝了多少東西其實是個不確定的數量，因為不可能在調用size()方法的時候像GC的“stop the world”一樣讓其他線程都停下來讓你去統計，因此只能說這個數量是個估計值。對於這個估計值，ConcurrentHashMap也是大費周章才計算出來的。
為了統計元素個數，ConcurrentHashMap定義了一些變數和一個內部類
/** * A padded cell for distributing counts. Adapted from LongAdder * and Striped64\. See their internal docs for explanation. */ @sun.misc.Contended static final class CounterCell { volatile long value; CounterCell(long x) { value = x; } } /******************************************/ /** * 實際上保存的是hashmap中的元素個數 利用CAS鎖進行更新 但它並不用返回當前hashmap的元素個數 */ private transient volatile long baseCount; /** * Spinlock (locked via CAS) used when resizing and/or creating CounterCells. */ private transient volatile int cellsBusy; /** * Table of counter cells. When non-null, size is a power of 2. */ private transient volatile CounterCell[] counterCells;
mappingCount與size方法
mappingCount與size方法的類似 從給出的註釋來看，應該使用mappingCount代替size方法 兩個方法都沒有直接返回basecount 而是統計一次這個值，而這個值其實也是一個大概的數值，因此可能在統計的時候有其他線程正在執行插入或刪除操作。
public int size() { long n = sumCount(); return ((n < 0L) ? 0 : (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE : (int)n); }
