currenthashmap原理(currenthashmap源码解析)

1.8 hashMap 和CurrentHashMap结构

hashMap主要是 数组+链表+红黑树 ，1.7是 数组+链表

允许key 为null

1.8 HashMap put流程

1、计算key的hash值（高低位异或）

2、判断数组是否为空，如果数组为空 则直接扩容

3、如果数组非空 则 根据hash值计算数组下标（n-1） hash，根据下标取数组对应值，如果值为空则新建一个node，非空则转为下一步

4、key的hash 和 equals与 下标数组的值都相同，则直接覆盖；

5、如果不相同则 判断下标数组的值 是否 红黑树实例，是红黑树的话 新节点直接加入红黑树中

6、不是红黑树实例就是链表，循环遍历链表，并判断是否为已有节点如果有则直接返回，如果没有 则将新节点放到链表尾部，如果新链表大小超过 阈值（8-1）即= 7，将链表转为红黑树

7、key存储完毕之后，并判断 hashMap大小是否超阈值（上次map大小的2的次数），如果超过 则直接扩容，否则 put流程结束

1.8 ConcurrentHashMap put流程

1.8?ConcurrentHashMap 的数据结构和hashmap相同，不过处理方式上又有不同。

数据结构上是 数组+链表 +红黑树，但是 为了支持并发，又采取了 synchronized同步+ cas 模式来控制key的存放。

具体实现上 采用 被 volatile 修饰key value的node ，保证了并发的可见性。

从JDK1.7版本的ReentrantLock+Segment+HashEntry，到JDK1.8版本中synchronized+CAS+HashEntry+红黑树

并发行 是对 node节点 加同步锁 来保证 高效的插入。

put流程

1、key 或value 是否为空，任一为空直接返回空指针异常

2、非空，计算出key的hash值，高低位异或后 再与bit与操作

3、循环遍历数组，如果数组为空 则初始化数组主要?sizeCtl，非空则继续

4、数组非空，根据hash(n-1)下标值，取出数组对应的node，如果node为空 通过cas赋值

5、如果node非空，且node.hash 为moved，则扩容转移

6、否则，对取出的node加同步锁，如果此时内存的值未变（根据内存偏移取出的新值比较）如果 hash状态= 0,则循环遍历链表；若链表中已存在（通过hash和equals判断）则直接新值覆盖旧值；如果不存在 将新节点放入链表尾部。并记录链表大小 （binCount）

7、如果内存的值未变，如果 node是红黑树的实例，则将新node 放入红黑树中，如果红黑树中已存在，新值覆盖旧值。至此同步整个结束

8、另外 同步时候 有记录 binCount，如果binCount = 8,链表转红黑树处理

9、节点加入完成后，判断是否 需要扩容（转移），仅在无竞争情况下扩容

hashmap底层实现原理是什么？

HashMap的实现原理：首先有一个每个元素都是链表（可能表述不准确）的数组，当添加一个元素（key-value）时，就首先计算元素key的hash值，以此确定插入数组中的位置，但是可能存在同一hash值的元素已经被放在数组同一位置了。

这时就添加到同一hash值的元素的后面，他们在数组的同一位置，但是形成了链表，同一各链表上的Hash值是相同的，所以说数组存放的是链表。而当链表长度太长时，链表就转换为红黑树，这样大大提高了查找的效率。

当链表数组的容量超过初始容量的0.75时，再散列将链表数组扩大2倍，把原链表数组的搬移到新的数组中。

HashMap 的实例有两个参数影响其性能：

初始容量和加载因子。容量是哈希表中桶的数量，初始容量只是哈希表在创建时的容量。

加载因子是哈希表在其容量自动增加之前可以达到多满的一种尺度。当哈希表中的条目数超出了加载因子与当前容量的乘积时，则要对该哈希表进行 rehash 操作（即重建内部数据结构），从而哈希表将具有大约两倍的桶数。在Java编程语言中，加载因子默认值为0.75，默认哈希表元为101。

ConcurrentHashMap原理和使用

ConcurrentHashMap是线程安全的，使用环境大多在多线程环境下，在高并发情况下保证数据的可见性和一致性。

HashMap是一种键值对的数据存储容器，在JDK1.7中使用的是数组+链表的存储结构，在JDK1.8使用的是数组+链表+红黑树的存储结构，关于HashMap的实现原理可以查看 《hashMap实现原理》 。

HashMap是线程不安全的，主要体现在多线程环境下，容器扩容的时候会造成环形链表的情况，关于hashMap线程不安全原因可以查看 《HashMap线程不安全原因》

HashTable也是一种线程安全的键值对容器，我们一般都是听说过，具体使用较少，为什么线程安全的HashTable在多线程环境下使用较少，主要原因在于其效率较低（虽然效率低，但是很安全在多线程环境下）。

下面来分析一下HashTable为什么线程安全，但是效率较低的原因？

查看HashTable类，我们发现在源码中所有的方法都加上了synchronized同步关键字，这也就保证的在多线程环境下线程安全，由于所有的方法都加上了synchronized，这也就导致在一个线程获取到HashTable对象锁的时候，其他线程是不能访问HashTable中的其他方法的，比如A线程在使用HashTable的get()方法时，当B线程想使用HashTable的put()方法的时候必须等到A线程使用完get()方法并释放锁，而且B线程正好能够获取到HashTable的锁的时候才行，这样在多线程环境下就会造成线程长时间的阻塞。使其效率底下的原因所在。

在HashTable中由于在方法上设置synchronized，导致虽然是线程安全的，但是只有一个HashTable的对象锁，也就是说同一时刻只能有一个线程可以访问HashTable，线程都必须竞争同一把锁。假如容器中里面有多把锁，每把锁用于锁住容器的一部分数据，那么当多线程访问容器里面不同的数据时，多线程之间就不会存在锁的竞争，从而提高了并发访问的效率，这就是ConcurrentHashMap的 锁分段技术 。

ConcurrentHashMap是由Segment数组结构和HashEntry数组结构组成。Segment是一种可重入锁（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。Segment的结构和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

ConcurrentHashMap的初始化

在ConcurrentHashMap中如何将数据均匀的散列到每一个Segment中？如果数据不能均匀的散列到各个Segment中，那么ConcurrentHashMap的并行性就会下降，好比，所有的数据都在一个Segment中，那么一个ConcurrentHashMap中就相当于只有一个锁，这和HashTable没有什么区别，所以通过一个hash()方法，将数据均匀的散列到不同的Segment中去（注意，虽然经过散列数据会均匀分散的不同的Segment中去，但是，也会有可能出现一个Segment中数据过多的问题，如果数据过多，多线程访问到的概率就会增加，导致并行度下降，如何优化解决ConcurrentHashMap中锁的加入时机和位置，这就是JDK1.8对ConcurrentHashMap所要做的事情）

查看ConcurrentHashMap的put()方法

由于put方法里需要对共享变量进行写入操作，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。插入操作需要经历两个步骤，第一步判断是否需要对Segment里的HashEntry数组进行扩容，第二步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（threshold），如果超过阈值，则对数组进行扩容。值得一提的是，Segment的扩容判断比HashMap更恰当，因为HashMap是在插入元素后判断元素是否已经到达容量的，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

在扩容的时候，首先会创建一个容量是原来容量两倍的数组，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进行扩容。

get操作的高效之处在于整个get过程不需要加锁，除非读到的值是空才会加锁重读。我们知道HashTable容器的get方法是需要加锁的，那么ConcurrentHashMap的get操作是如何做到不加锁的呢？原因是它的get方法里将要使用的共享变量都定义成volatile类型（关于volatile可以查看 《volatile synchronized final的内存语义》 ），如用于统计当前Segement大小的count字段和用于存储值的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。

锁的优化

在前面我们提到，在JDK1.7中ConcurrentHashMap使用锁分段的技术，提高了ConcurrentHashMap的并行度，虽然经过散列数据会均匀分散的不同的Segment中去，但是也会有可能出现一个Segment中数据过多的问题，如果数据过多，多线程访问到的概率就会增加，导致并行度下降。

在JDK1.8中ConcurrentHashMap细化了锁的粒度，缩小了公共资源的范围。采用synchronized+CAS的方式实现对共享资源的安全访问，只锁定当前链表或红黑二叉树的 首节点 ，这样只要hash不冲突，就不会产生并发，效率又提升N倍。

结构优化

在JDK1.7中ConcurrentHashMap的结构是数组+链表，我们知道链表随机插入和删除较快，但是查询和修改则会很慢，在ConcurrentHashMap中如果存在一个数组下标下的链表过长，查找某个value的复杂度为O(n)，

在JDK1.8中ConcurrentHashMap的结构是数组+链表+红黑树，在链表的长度不超过8时，使用链表，在链表长度超过8时，将链表转换为红黑树复杂度变成O(logN)。效率提高

下面是JDK1.8中ConcurrentHashMap的数据结构

TreeBin:红黑树数节点? ? ?Node:链表节点

在JDK1.8中，hash()方法得到了简化，提高了效率，但是增加了碰撞的概率，不过碰撞的概率虽然增加了，但是通过红黑树可以优化，总的来说还是相较JDK1.7有很大的优化。

下面来分析put()，来观察JDK1.8中如何采用synchronized+CAS的方式细化锁的粒度，只锁定当前链表或红黑二叉树的 首节点。

hashmap底层实现原理

hashmap底层实现原理是SortedMap接口能够把它保存的记录根据键排序，默认是按键值的升序排序，也可以指定排序的比较器，当用Iterator遍历TreeMap时，得到的记录是排过序的。

如果使用排序的映射，建议使用TreeMap。在使用TreeMap时，key必须实现Comparable接口或者在构造TreeMap传入自定义的Comparator，否则会在运行时抛出java.lang.ClassCastException类型的异常。

Hashtable是遗留类，很多映射的常用功能与HashMap类似，不同的是它承自Dictionary类，并且是线程安全的，任一时间只有一个线程能写Hashtable

从结构实现来讲，HashMap是：数组+链表+红黑树（JDK1.8增加了红黑树部分）实现的。

扩展资料

从源码可知，HashMap类中有一个非常重要的字段，就是 Node[] table，即哈希桶数组。Node是HashMap的一个内部类，实现了Map.Entry接口，本质是就是一个映射(键值对)，除了K，V，还包含hash和next。

HashMap就是使用哈希表来存储的。哈希表为解决冲突，采用链地址法来解决问题，链地址法，简单来说，就是数组加链表的结合。在每个数组元素上都一个链表结构，当数据被Hash后，得到数组下标，把数据放在对应下标元素的链表上。

如果哈希桶数组很大，即使较差的Hash算法也会比较分散，如果哈希桶数组数组很小，即使好的Hash算法也会出现较多碰撞，所以就需要在空间成本和时间成本之间权衡，其实就是在根据实际情况确定哈希桶数组的大小，并在此基础上设计好的hash算法减少Hash碰撞。

一图了解ConcurrentHashMap底层原理

1、ConcurrentHashMap底层数据结构是一个数组table

2、table数组上挂着单向链表或红黑树

3、new ConcurrentHashMap();如果没有指定长度的话，默认是16，并且数组长度必须是2的n次幂，若自定义初始化的长度不是2的n次幂，那么在初始化数组时，会吧数组长度设置为大于自定义长度的最近的2的n次幂。（如：自定义长度为7，那么实际初始化数组后的长度为8）

4、底层是使用synchronized作为同步锁，并且锁的粒度是数组的具体索引位（有些人称之为分段锁）。

5、Node节点，hash0，当hash冲突时，会形成一个单向链表挂在数组上。

6、ForwardindNode，继承至Node，其hash=-1，表示当前索引位的数据已经被迁移到新数组上了

7、ReservationNode，继承至Node，其hash=-3，表示当前索引位被占用了（compute方法）

8、TreenBin，继承至Node，其hash=-2，代表当前索引下挂着一颗红黑树

9、lockState为ConcurrentHashMap底层自己实现的基于cas的读写锁，锁粒度是具体的某颗树。当向红黑树进行增，删操作时，首先会先上sync同步锁，然后自平衡的时候会上lockState写锁，当读红黑树的时候，会上lockState读锁，然后判断此时是否有线程正持有写锁，或是否有线程正在等待获取写锁，若有，则读线程会直接去读双向链表，而不是去读红黑树。

10、TreeNode，hash0，为红黑树具体节点。TreeBin的root代表红黑树的根节点，first代表双向链表的第一个节点

11、双向链表：构建红黑树时还维护了一个双向链表，其目的为：(1)当并发写读同一颗红黑树的时候，读线程判断到有线程正持有写锁，那么会跑去读取双向链表，避免因为并发写读导致读线程等待或阻塞。(2)当扩容的时候，会去遍历双向链表，重新计算节点hash，根据新的hash判断放在新数组的高位还是地位

1、触发扩容的规则：

1）添加完元素后，若判断到当前容器元素个数达到了扩容的阈值（数组长度*0.75），则会触发扩容

2）添加完元素后，所在的单向链表长度=8，则会转为红黑树，不过在转红黑树之前会判断数组长度是否小于64，若小于64则会触发扩容

2、table为扩容前的数组，nextTable为扩容中创建的新数组，迁移数据完毕后需要将nextTable赋值给table

3、扩容后的数组是元素组长度的2倍

4、ln，hn分别表示高位和低位的链表（高链，低链）。即，扩容时，会用nh==0来判断元素应该放在新数组的i位置还是i+n位置。n：元素组长度；h：元素hash值；i：元素所在的原数组索引位；。这样就会出现有些元素会被挂在低位，有些元素会被挂在高位，从而达到打散元素的目的。

5、红黑树扩容时，会遍历双向链表，并且计算nh==0来判断元素放在低位（lo）还是高位（ho），确定完元素的去处之后，会判断分别判断两个双向链表（lo,ho）的长度是否大于6，若大于6则将还是以一颗红黑树的结构挂在数组上，若=6的话，则转为单向链表，挂在数组上

CurrentHashMap源码分析（2018-08-11）

1.7实现

采用segment数组分段锁机制，实现并发的更新，底层采用数组+链表+红黑树

每一个segment相当于一个hashMap

1.8实现

采用CSA和Synchronized机制，底层同样采用了数组+链表+红黑树

初始化：initTable()

当tab==null || tab.length()==0时 while循环中执行；

table只在put方法中初始化1次，初始化的线程将sizeCtl设置为-1，

U.compareAndSwapInt(this, SIZECTL, sc, -1)

其他线程判断sizeClt0，则THhread.yield()让出时间片

putVal()方法

1.hash算法

static final int spread(int h) {return (h ^ (h 16)) HASH_BITS;}

2.table中定位索引位置，n是table的大小? int index = (n - 1) hash

3.获取table中对应索引的元素f

Doug Lea采用Unsafe.getObjectVolatile来获取，为什么不直接从每个线程的table[index]中取？

因为每个线程中取到的table的元素，有可能不是最新的，而Unsafe.getObjectVolatile()可以直接从内存中获取最新的元素

【红黑树】

如果链表结构中元素超过TREEIFY_THRESHOLD阈值，默认为8个，则把链表转化为红黑树，提高遍历查询效率，效率为log(n)

链表转树阈值：8

树转链表阈值：6

树根节点的hash值为：-2

【sizeCtl】

sizeCtl是控制标识符，不同的值表示不同的意义。

负数代表正在进行初始化或扩容操作

-1代表正在初始化

-N 表示有N-1个线程正在进行扩容操作

正数或0代表hash表还没有被初始化，这个数值表示初始化或下一次进行扩容的大小，类似于扩容阈值。它的值始终是当前ConcurrentHashMap容量的0.75倍，这与loadfactor是对应的。实际容量=sizeCtl，则扩容（sc?=?n?-?(n??2);?//无符号右移2位，此即0.75*n?）

参考博客：

JDK 1.8 ConcurrentHashMap 源码剖析