ConcurrentHashMap从jdk1.7到jdk1.8的变化

客官°小女子只卖身不卖艺 2022-07-17 00:54 103阅读 0赞

**一、简单回顾ConcurrentHashMap在jdk1.7中的设计**

先简单看下ConcurrentHashMap类在jdk1.7中的设计，其基本结构如图所示：

![764863-20160620202714522-1795796503.png][]

每一个segment都是一个HashEntry<K,V>\[\] table， table中的每一个元素本质上都是一个HashEntry的单向队列。比如table\[3\]为首节点，table\[3\]->next为节点1，之后为节点2，依次类推。

![复制代码][copycode.gif]

public class ConcurrentHashMap<K, V> extends AbstractMap<K, V>
            implements ConcurrentMap<K, V>, Serializable {
    
        // 将整个hashmap分成几个小的map，每个segment都是一个锁；与hashtable相比，这么设计的目的是对于put, remove等操作，可以减少并发冲突，对
        // 不属于同一个片段的节点可以并发操作，大大提高了性能
        final Segment<K,V>[] segments;
    
        // 本质上Segment类就是一个小的hashmap，里面table数组存储了各个节点的数据，继承了ReentrantLock, 可以作为互拆锁使用
        static final class Segment<K,V> extends ReentrantLock implements Serializable {
            transient volatile HashEntry<K,V>[] table;
            transient int count;
        }
    
        // 基本节点，存储Key， Value值
        static final class HashEntry<K,V> {
            final int hash;
            final K key;
            volatile V value;
            volatile HashEntry<K,V> next;
        }
    }

![复制代码][copycode.gif]

**二、在jdk1.8中主要做了2方面的改进**

**改进一：取消segments字段，直接采用transient volatile HashEntry<K,V>\[\] table保存数据，采用table数组元素作为锁，从而实现了对每一行数据进行加锁，进一步减少并发冲突的概率。**

**改进二：将原先table数组＋单向链表的数据结构，变更为table数组＋单向链表＋红黑树的结构。对于hash表来说，最核心的能力在于将key hash之后能均匀的分布在数组中。如果hash之后散列的很均匀，那么table数组中的每个队列长度主要为0或者1。但实际情况并非总是如此理想，虽然ConcurrentHashMap类默认的加载因子为0.75，但是在数据量过大或者运气不佳的情况下，还是会存在一些队列长度过长的情况，如果还是采用单向列表方式，那么查询某个节点的时间复杂度为O(n)；因此，对于个数超过8(默认值)的列表，jdk1.8中采用了红黑树的结构，那么查询的时间复杂度可以降低到O(logN)，可以改进性能。**

为了说明以上2个改动，看一下put操作是如何实现的。

![复制代码][copycode.gif]

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;
            // 如果table为空，初始化；否则，根据hash值计算得到数组索引i，如果tab[i]为空，直接新建节点Node即可。注：tab[i]实质为链表或者红黑树的首节点。
            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
            }
            // 如果tab[i]不为空并且hash值为MOVED，说明该链表正在进行transfer操作，返回扩容完成后的table。
            else if ((fh = f.hash) == MOVED)
                tab = helpTransfer(tab, f);
            else {
                V oldVal = null;
                // 针对首个节点进行加锁操作，而不是segment，进一步减少线程冲突
                synchronized (f) {
                    if (tabAt(tab, i) == f) {
                        if (fh >= 0) {
                            binCount = 1;
                            for (Node<K,V> e = f;; ++binCount) {
                                K ek;
                                // 如果在链表中找到值为key的节点e，直接设置e.val = value即可。
                                if (e.hash == hash &&
                                    ((ek = e.key) == key ||
                                     (ek != null && key.equals(ek)))) {
                                    oldVal = e.val;
                                    if (!onlyIfAbsent)
                                        e.val = value;
                                    break;
                                }
                                // 如果没有找到值为key的节点，直接新建Node并加入链表即可。
                                Node<K,V> pred = e;
                                if ((e = e.next) == null) {
                                    pred.next = new Node<K,V>(hash, key,
                                                              value, null);
                                    break;
                                }
                            }
                        }
                        // 如果首节点为TreeBin类型，说明为红黑树结构，执行putTreeVal操作。
                        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) {
                    // 如果节点数>＝8，那么转换链表结构为红黑树结构。
                    if (binCount >= TREEIFY_THRESHOLD)
                        treeifyBin(tab, i);
                    if (oldVal != null)
                        return oldVal;
                    break;
                }
            }
        }
        // 计数增加1，有可能触发transfer操作(扩容)。
        addCount(1L, binCount);
        return null;
    }

![复制代码][copycode.gif]

另外，在其他方面也有一些小的改进，比如新增字段 transient volatile CounterCell\[\] counterCells; 可方便的计算hashmap中所有元素的个数，性能大大优于jdk1.7中的size()方法。

**三、ConcurrentHashMap jdk1.7、jdk1.8性能比较**

测试程序如下：

![复制代码][copycode.gif]

public class CompareConcurrentHashMap {
        private static ConcurrentHashMap<String, Integer> map = new ConcurrentHashMap<String, Integer>(40000);
    
    
        public static void putPerformance(int index, int num) {
            for (int i = index; i < (num + index) ; i++)
                map.put(String.valueOf(i), i);
        }
    public static void getPerformance2() {
            long start = System.currentTimeMillis();
            for (int i = 0; i < 400000; i++)
                map.get(String.valueOf(i));
            long end = System.currentTimeMillis();
            System.out.println("get: it costs " + (end - start) + " ms");
        }
    
        public static void main(String[] args) throws InterruptedException {
            long start = System.currentTimeMillis();
            final CountDownLatch cdLatch = new CountDownLatch(4);
            for (int i = 0; i < 4; i++) {
                final int finalI = i;
                new Thread(new Runnable() {
                    public void run() {
                        CompareConcurrentHashMap.putPerformance(100000 * finalI, 100000);
                        cdLatch.countDown();
                    }
                }).start();
            }
            cdLatch.await();
            long end = System.currentTimeMillis();
            System.out.println("put: it costs " + (end - start) + " ms");
            CompareConcurrentHashMap.getPerformance2();
        }
    }

![复制代码][copycode.gif]

程序运行多次后取平均值，结果如下：

![764863-20160620210413115-733159871.png][]

**四、Collections.synchronizedList和CopyOnWriteArrayList性能分析**

CopyOnWriteArrayList在线程对其进行变更操作的时候，会拷贝一个新的数组以存放新的字段，因此写操作性能很差；而Collections.synchronizedList读操作采用了synchronized，因此读性能较差。以下为测试程序：

![复制代码][copycode.gif]

public class App {
        private static List<String> arrayList = Collections.synchronizedList(new ArrayList<String>());
        private static List<String> copyOnWriteArrayList = new CopyOnWriteArrayList<String>();
        private static CountDownLatch cdl1 = new CountDownLatch(2);
        private static CountDownLatch cdl2 = new CountDownLatch(2);
        private static CountDownLatch cdl3 = new CountDownLatch(2);
        private static CountDownLatch cdl4 = new CountDownLatch(2);
    
        static class Thread1 extends Thread {
            @Override
            public void run() {
                for (int i = 0; i < 10000; i++)
                    arrayList.add(String.valueOf(i));
                cdl1.countDown();
            }
        }
    
        static class Thread2 extends Thread {
            @Override
            public void run() {
                for (int i = 0; i < 10000; i++)
                    copyOnWriteArrayList.add(String.valueOf(i));
                cdl2.countDown();
            }
        }
    
        static class Thread3 extends Thread1 {
            @Override
            public void run() {
                int size = arrayList.size();
                for (int i = 0; i < size; i++)
                    arrayList.get(i);
                cdl3.countDown();
            }
        }
    
        static class Thread4 extends Thread1 {
            @Override
            public void run() {
                int size = copyOnWriteArrayList.size();
                for (int i = 0; i < size; i++)
                    copyOnWriteArrayList.get(i);
                cdl4.countDown();
            }
        }
    
        public static void main(String[] args) throws InterruptedException {
            long start1 = System.currentTimeMillis();
            new Thread1().start();
            new Thread1().start();
            cdl1.await();
            System.out.println("arrayList add: " + (System.currentTimeMillis() - start1));
    
            long start2 = System.currentTimeMillis();
            new Thread2().start();
            new Thread2().start();
            cdl2.await();
            System.out.println("copyOnWriteArrayList add: " + (System.currentTimeMillis() - start2));
    
            long start3 = System.currentTimeMillis();
            new Thread3().start();
            new Thread3().start();
            cdl3.await();
            System.out.println("arrayList get: " + (System.currentTimeMillis() - start3));
    
            long start4 = System.currentTimeMillis();
            new Thread4().start();
            new Thread4().start();
            cdl4.await();
            System.out.println("copyOnWriteArrayList get: " + (System.currentTimeMillis() - start4));
        }
    }

![复制代码][copycode.gif]

结果如下：

![764863-20160620211116897-1685244837.png][]

[764863-20160620202714522-1795796503.png]: /images/20220717/c9b3a5d035f342a8a7730fc14b07c6e7.png
[copycode.gif]: /images/20220717/32408570f0ed441ba207963a2d9322ef.png
[764863-20160620210413115-733159871.png]: /images/20220717/e02d2cadd6254828be18c57c88e3da2b.png
[764863-20160620211116897-1685244837.png]: /images/20220717/856d427c4bbc4659aa29e78f79c447af.png