ConcurrentHashMap解析

ConcurrentHashMap解析

以下是对 Java 8 及以后版本 ConcurrentHashMap 源码的深入解析，涵盖其底层数据结构、并发控制机制、核心操作流程、扩容与迁移、树化/退化策略，以及性能特性。总体来说，ConcurrentHashMap 在 JDK 8 中摒弃了原有的 Segment 分段锁，采用了「数组 + 链表/红黑树 + CAS + synchronized」的设计，使得检索无锁、更新高并发，且在扩容时支持多线程协作，以此在确保线程安全的同时，最大化地提升性能和可伸缩性。

底层数据结构

ConcurrentHashMap 维护一个类型为 Node<K,V>[] table 的主数组，数组长度始终为 2 的幂次方，每个桶（bin）最初存储 Node 节点（单链表）或 TreeBin（红黑树）

• Node：包含 final int hash; final K key; volatile V val; volatile Node<K,V> next;，用于链表结构的实现
• TreeBin：当单链表长度 ≥ 8 且数组容量 ≥ 64 时，链表会转换为红黑树节点（TreeNode），以将单桶最坏查找从 O(n) 降至 O(log n)

并发控制机制

CAS 与 Unsafe

ConcurrentHashMap 使用 sun.misc.Unsafe 提供的 CAS 原语（casTabAt、U.compareAndSwapObject 等）来在无锁情况下完成桶头的插入（桶中无数据时）与更新，从而实现高效的并发写

当 CAS 插入失败（即已存在元素，或链表/树操作），会对该桶首节点 **f** 加 **synchronized(f)** 锁以串行化后续对链表或树结构的修改，保证冲突处理的正确性而不会全表加锁

核心操作流程

初始化

• 构造 ConcurrentHashMap 实例时，table 并不立即分配；首个插入或显式调用 put 时，才通过 CAS 确保单线程完成初始化（容量默认为 16）

get

• 直接读取 table（不加锁）；
• 计算扰动哈希 h = spread(key.hashCode()) 并定位桶索引 i = (n – 1) & h；
• 若 tab[i] == null，返回 null；若首节点匹配则返回值；否则依次遍历链表或在 TreeBin 中调用 find 进行对数级查找

put

1. 计算哈希并尝试在对应桶通过 CAS 插入新 Node 作为头节点；
2. 若 CAS 失败且 tab[i] 已存在：

• • 对首节点 f 加锁，检查键是否已存在，存在则覆盖；
  • 否则将新节点追加到链表尾部，若链表长度达 8 且表容量 ≥ 64，则调用 treeifyBin 将桶转为红黑树；

1. 更新计数器 size，如超过阈值 threshold = capacity * loadFactor，触发扩容

remove 与 compute

• remove 同样通过 CAS 快速尝试删除头节点，失败则锁定对应桶进行遍历删除；
• computeIfAbsent 等高级方法在锁定桶头后进行 remappingFunction 调用，并在必要时插入新节点，递归调用时会触发 OpenJDK 中对递归的防护机制（过于严格时可参考 JDK-8294891 报告）

扩容与迁移

扩容由 transfer 方法完成，支持多线程协作：

1. 单线程初始化 **nextTable**（容量翻倍）并设置 transferIndex；
2. 多线程迁移：各线程通过 CAS 递减 transferIndex 分配任务块，遇到 forwarding 标记则跳过，遍历旧 Node 并按高位拆分到新表的 i 或 i + oldCap 位置；
3. 迁移完成后，nextTable 替代 table，更新 sizeCtl 为新容量 × 0.75

树化与退化

• 树化阈值：链表长度 ≥ 8 且表容量 ≥ 64 时由 treeifyBin 转为红黑树；
• 退化阈值：在迁移过程中，若树节点数 < 6，则调用 untreeify 将 TreeBin 转回链表，以减少平衡维护开销

性能与特性

• 并发级别：检索无锁（完全并发），更新高预期并发性（局部 synchronized + CAS）
• 时间复杂度：平均 O(1)，最坏 O(log n)（树化后）；
• 内存开销：红黑树节点需额外维护父/左右指针与颜色标志；
• 线程安全：内部确保了多线程访问安全，无死锁风险，但不支持全表锁定；全表级别的操作需外部同步或使用其他并发集合。

CAS 和Synchronized的使用时机

1. CAS（Compare-And-Swap）使用场景 🔄

适用于无冲突或低冲突操作，确保乐观并发性。

• 表初始化：

• • 使用 CAS 保证 table 初始化只由一个线程成功（initTable() 方法）。
  • casTabAt(tab, i, null, newNode) 用于无锁创建桶。

• 节点插入（无冲突时）：

• • 当目标桶 tab[i] 为空，直接使用 CAS 插入新节点，无需加锁。

• 计数器更新：

• • 使用 CAS 递增 baseCount 计数器（统计元素个数）。
  • 如果 CAS 失败，才会退化到 fullAddCount()，分散计数压力。

典型源码片段：

if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null))) {break; // 成功插入
}

---

2. synchronized 使用场景 🔒

适用于存在冲突或复杂结构变更的操作，确保悲观锁定。

• 桶内链表/树操作：

• • 如果 CAS 插入失败（表示桶非空），需要遍历链表或红黑树；
  • 此时，对桶头节点 synchronized (f) 加锁，串行化冲突修改。

• 链表转红黑树（treeify）：

• • 当桶中链表长度 ≥ 8，需要加锁完成链表到红黑树的结构变换。

• 红黑树操作：

• • TreeBin 内部操作，比如插入、删除、旋转、平衡时，用 synchronized 确保树结构正确。

• 复杂删除和 compute 方法：

• • 如 remove()、computeIfAbsent()、compute()，涉及读取 + 修改；
  • 这些方法会对桶头 synchronized 来串行化整个修改逻辑。

典型源码片段：

synchronized (f) {Node<K,V>[] tab2;// 遍历链表/树进行插入或更新
}

---

✅ 总结记忆口诀：

场景	用法
无冲突，简单插入	CAS
冲突、遍历、结构变更	synchronized
链表 → 红黑树转化	synchronized
红黑树插入/删除	synchronized
size 计数更新	CAS + 分段计数

---

🚩设计哲学：

• 优先使用 CAS（乐观并发） → 快速失败重试，效率高；
• 结构性修改退化为 synchronized → 保证链表/树一致性，不追求无锁，但控制在桶级别，避免全表锁。