JAVA：CONCURRENTHASHMAP的鎖分段技術
術語定義
| 術語 | 英文 | 解釋 |
| 雜湊演算法 | hash algorithm | 是一種將任意內容的輸入轉換成相同長度輸出的加密方式，其輸出被稱為雜湊值。 |
| 雜湊表 | hash table | 根據設定的雜湊函式H(key)和處理衝突方法將一組關鍵字映象到一個有限的地址區間上，並以關鍵字在地址區間中的象作為記錄在表中的儲存位置，這種表稱為雜湊表或雜湊，所得儲存位置稱為雜湊地址或雜湊地址。 |
執行緒不安全的HashMap
因為多執行緒環境下，使用Hashmap進行put操作會引起死迴圈，導致CPU利用率接近100%，所以在併發情況下不能使用HashMap。 如以下程式碼：
01 |
final HashMap<String, String> map = new HashMap<String, String>(2); |
03 |
Thread t = new Thread(new Runnable() { |
05 |
@Override |
07 |
public void run() { |
09 |
for (int i = 0; i < 10000; i++) { |
11 |
new Thread(new Runnable() { |
13 |
@Override |
15 |
public void run() { |
17 |
map.put(UUID.randomUUID().toString(), ""); |
19 |
} |
21 |
}, "ftf" + i).start(); |
23 |
} |
25 |
} |
27 |
}, "ftf"); |
29 |
t.start(); |
31 |
t.join(); |
效率低下的HashTable容器
HashTable容器使用synchronized來保證執行緒安全，但線上程競爭激烈的情況下HashTable的效率非常低下。因為當一個執行緒訪問HashTable的同步方法時，其他執行緒訪問HashTable的同步方法時，可能會進入阻塞或輪詢狀態。如執行緒1使用put進行新增元素，執行緒2不但不能使用put方法新增元素，並且也不能使用get方法來獲取元素，所以競爭越激烈效率越低。
ConcurrentHashMap的鎖分段技術
ConcurrentHashMap是Java 5中支援高併發、高吞吐量的執行緒安全HashMap實現。
HashTable容器在競爭激烈的併發環境下表現出效率低下的原因，是因為所有訪問HashTable的執行緒都必須競爭同一把鎖，那假如容器裡有多把鎖，每一把鎖用於鎖容器其中一部分資料，那麼當多執行緒訪問容器裡不同資料段的資料時，執行緒間就不會存在鎖競爭，從而可以有效的提高併發訪問效率，這就是ConcurrentHashMap所使用的鎖分段技術，首先將資料分成一段一段的儲存，然後給每一段資料配一把鎖，當一個執行緒佔用鎖訪問其中一個段資料的時候，其他段的資料也能被其他執行緒訪問。
ConcurrentHashMap的結構
我們通過ConcurrentHashMap的類圖來分析ConcurrentHashMap的結構。
ConcurrentHashMap是由Segment陣列結構和HashEntry陣列結構組成。Segment是一種可重入鎖ReentrantLock，在ConcurrentHashMap裡扮演鎖的角色，HashEntry則用於儲存鍵值對資料。一個ConcurrentHashMap裡包含一個Segment陣列，Segment的結構和HashMap類似，是一種陣列和連結串列結構， 一個Segment裡包含一個HashEntry陣列，每個HashEntry是一個連結串列結構的元素， 每個Segment守護者一個HashEntry數組裡的元素,當對HashEntry陣列的資料進行修改時，必須首先獲得它對應的Segment鎖。
ConcurrentHashMap的初始化
ConcurrentHashMap初始化方法是通過initialCapacity，loadFactor, concurrencyLevel幾個引數來初始化segments陣列，段偏移量segmentShift，段掩碼segmentMask和每個segment裡的HashEntry陣列。
初始化segments陣列。讓我們來看一下初始化segmentShift，segmentMask和segments陣列的原始碼。
01 |
if (concurrencyLevel > MAX_SEGMENTS) |
03 |
concurrencyLevel = MAX_SEGMENTS; |
05 |
// Find power-of-two sizes best matching arguments |
07 |
int sshift = 0; |
09 |
int ssize = 1; |
11 |
while (ssize < concurrencyLevel) { |
13 |
++sshift; |
15 |
ssize <<= 1; |
17 |
} |
19 |
segmentShift = 32 - sshift; |
21 |
segmentMask = ssize - 1; |
23 |
this.segments = Segment.newArray(ssize); |
由上面的程式碼可知segments陣列的長度ssize通過concurrencyLevel計算得出。為了能通過按位與的雜湊演算法來定位segments陣列的索引，必須保證segments陣列的長度是2的N次方（power-of-two size），所以必須計算出一個是大於或等於concurrencyLevel的最小的2的N次方值來作為segments陣列的長度。假如concurrencyLevel等於14，15或16，ssize都會等於16，即容器裡鎖的個數也是16。注意concurrencyLevel的最大大小是65535，意味著segments陣列的長度最大為65536，對應的二進位制是16位。
初始化segmentShift和segmentMask。這兩個全域性變數在定位segment時的雜湊演算法裡需要使用，sshift等於ssize從1向左移位的次數，在預設情況下concurrencyLevel等於16，1需要向左移位移動4次，所以sshift等於4。segmentShift用於定位參與hash運算的位數，segmentShift等於32減sshift，所以等於28，這裡之所以用32是因為ConcurrentHashMap裡的hash()方法輸出的最大數是32位的，後面的測試中我們可以看到這點。segmentMask是雜湊運算的掩碼，等於ssize減1，即15，掩碼的二進位制各個位的值都是1。因為ssize的最大長度是65536，所以segmentShift最大值是16，segmentMask最大值是65535，對應的二進位制是16位，每個位都是1。
初始化每個Segment。輸入引數initialCapacity是ConcurrentHashMap的初始化容量，loadfactor是每個segment的負載因子，在構造方法裡需要通過這兩個引數來初始化陣列中的每個segment。
01 |
if (initialCapacity > MAXIMUM_CAPACITY) |
03 |
initialCapacity = MAXIMUM_CAPACITY; |
05 |
int c = initialCapacity / ssize; |
07 |
if (c * ssize < initialCapacity) |
09 |
++c; |
11 |
int cap = 1; |
13 |
while (cap < c) |
15 |
cap <<= 1; |
17 |
for (int i = 0; i < this.segments.length; ++i) |
19 |
this.segments[i] = new Segment<K,V>(cap, loadFactor); |
上面程式碼中的變數cap就是segment裡HashEntry陣列的長度，它等於initialCapacity除以ssize的倍數c，如果c大於1，就會取大於等於c的2的N次方值，所以cap不是1，就是2的N次方。segment的容量threshold＝(int)cap*loadFactor，預設情況下initialCapacity等於16，loadfactor等於0.75，通過運算cap等於1，threshold等於零。
定位Segment
既然ConcurrentHashMap使用分段鎖Segment來保護不同段的資料，那麼在插入和獲取元素的時候，必須先通過雜湊演算法定位到Segment。可以看到ConcurrentHashMap會首先使用Wang/Jenkins hash的變種演算法對元素的hashCode進行一次再雜湊。
1 |
private static int hash(int h) { |
3 |
h += (h << 15) ^ 0xffffcd7d; h ^= (h >>> 10); |
5 |
h += (h << 3); h ^= (h >>> 6); |
7 |
h += (h << 2) + (h << 14); return h ^ (h >>> 16); |
9 |
} |
再雜湊，其目的是為了減少雜湊衝突，使元素能夠均勻的分佈在不同的Segment上，從而提高容器的存取效率。假如雜湊的質量差到極點，那麼所有的元素都在一個Segment中，不僅存取元素緩慢，分段鎖也會失去意義。我做了一個測試，不通過再雜湊而直接執行雜湊計算。
1 |
System.out.println(Integer.parseInt("0001111", 2) & 15); |
3 |
System.out.println(Integer.parseInt("0011111", 2) & 15); |
5 |
System.out.println(Integer.parseInt("0111111", 2) & 15); |
7 |
System.out.println(Integer.parseInt("1111111", 2) & 15); |
計算後輸出的雜湊值全是15，通過這個例子可以發現如果不進行再雜湊，雜湊衝突會非常嚴重，因為只要低位一樣，無論高位是什麼數，其雜湊值總是一樣。我們再把上面的二進位制資料進行再雜湊後結果如下，為了方便閱讀，不足32位的高位補了0，每隔四位用豎線分割下。
1 |
0100｜0111｜0110｜0111｜1101｜1010｜0100｜1110 |
3 |
1111｜0111｜0100｜0011｜0000｜0001｜1011｜1000 |
5 |
0111｜0111｜0110｜1001｜0100｜0110｜0011｜1110 |
7 |
1000｜0011｜0000｜0000｜1100｜1000｜0001｜1010 |
可以發現每一位的資料都雜湊開了，通過這種再雜湊能讓數字的每一位都能參加到雜湊運算當中，從而減少雜湊衝突。ConcurrentHashMap通過以下雜湊演算法定位segment。
預設情況下segmentShift為28，segmentMask為15，再雜湊後的數最大是32位二進位制資料，向右無符號移動28位，意思是讓高4位參與到hash運算中， (hash >>> segmentShift) & segmentMask的運算結果分別是4，15，7和8，可以看到hash值沒有發生衝突。
1 |
final Segment<K,V> segmentFor(int hash) { |
3 |
return segments[(hash >>> segmentShift) & segmentMask]; |
5 |
} |
ConcurrentHashMap的get操作
Segment的get操作實現非常簡單和高效。先經過一次再雜湊，然後使用這個雜湊值通過雜湊運算定位到segment，再通過雜湊演算法定位到元素，程式碼如下：
1 |
public V get(Object key) { |
3 |
int hash = hash(key.hashCode()); |
5 |
return segmentFor(hash).get(key, hash); |
7 |
} |
get操作的高效之處在於整個get過程不需要加鎖，除非讀到的值是空的才會加鎖重讀，我們知道HashTable容器的get方法是需要加鎖的，那麼ConcurrentHashMap的get操作是如何做到不加鎖的呢？原因是它的get方法裡將要使用的共享變數都定義成volatile，如用於統計當前Segement大小的count欄位和用於儲存值的HashEntry的value。定義成volatile的變數，能夠線上程之間保持可見性，能夠被多執行緒同時讀，並且保證不會讀到過期的值，但是隻能被單執行緒寫（有一種情況可以被多執行緒寫，就是寫入的值不依賴於原值），在get操作裡只需要讀不需要寫共享變數count和value，所以可以不用加鎖。之所以不會讀到過期的值，是根據Java記憶體模型的happen before原則，對volatile欄位的寫入操作先於讀操作，即使兩個執行緒同時修改和獲取volatile變數，get操作也能拿到最新的值，這是用volatile替換鎖的經典應用場景。
1 |
transient volatile int count; |
3 |
volatile V value; |
在定位元素的程式碼裡我們可以發現定位HashEntry和定位Segment的雜湊演算法雖然一樣，都與陣列的長度減去一相與，但是相與的值不一樣，定位Segment使用的是元素的hashcode通過再雜湊後得到的值的高位，而定位HashEntry直接使用的是再雜湊後的值。其目的是避免兩次雜湊後的值一樣，導致元素雖然在Segment裡雜湊開了，但是卻沒有在HashEntry裡雜湊開。
1 |
hash >>> segmentShift) & segmentMask//定位Segment所使用的hash演算法 |
3 |
int index = hash & (tab.length - 1);// 定位HashEntry所使用的hash演算法 |
ConcurrentHashMap的Put操作
由於put方法裡需要對共享變數進行寫入操作，所以為了執行緒安全，在操作共享變數時必須得加鎖。Put方法首先定位到Segment，然後在Segment裡進行插入操作。插入操作需要經歷兩個步驟，第一步判斷是否需要對Segment裡的HashEntry陣列進行擴容，第二步定位新增元素的位置然後放在HashEntry數組裡。
是否需要擴容。在插入元素前會先判斷Segment裡的HashEntry陣列是否超過容量（threshold），如果超過閥值，陣列進行擴容。值得一提的是，Segment的擴容判斷比HashMap更恰當，因為HashMap是在插入元素後判斷元素是否已經到達容量的，如果到達了就進行擴容，但是很有可能擴容之後沒有新元素插入，這時HashMap就進行了一次無效的擴容。
如何擴容。擴容的時候首先會建立一個兩倍於原容量的陣列，然後將原數組裡的元素進行再hash後插入到新的數組裡。為了高效ConcurrentHashMap不會對整個容器進行擴容，而只對某個segment進行擴容。
ConcurrentHashMap的size操作
如果我們要統計整個ConcurrentHashMap裡元素的大小，就必須統計所有Segment裡元素的大小後求和。Segment裡的全域性變數count是一個volatile變數，那麼在多執行緒場景下，我們是不是直接把所有Segment的count相加就可以得到整個ConcurrentHashMap大小了呢？不是的，雖然相加時可以獲取每個Segment的count的最新值，但是拿到之後可能累加前使用的count發生了變化，那麼統計結果就不準了。所以最安全的做法，是在統計size的時候把所有Segment的put，remove和clean方法全部鎖住，但是這種做法顯然非常低效。
因為在累加count操作過程中，之前累加過的count發生變化的機率非常小，所以ConcurrentHashMap的做法是先嚐試2次通過不鎖住Segment的方式來統計各個Segment大小，如果統計的過程中，容器的count發生了變化，則再採用加鎖的方式來統計所有Segment的大小。
那麼ConcurrentHashMap是如何判斷在統計的時候容器是否發生了變化呢？使用modCount變數，在put , remove和clean方法裡操作元素前都會將變數modCount進行加1，那麼在統計size前後比較modCount是否發生變化，從而得知容器的大小是否發生變化。
轉自：http://blog.csdn.net/yansong_8686/article/details/50664351