ConcurrentHashMap中节点数目并发统计的实现原理
前言：
前段时间又看了一遍ConcurrentHashMap的源码，对该并发容器的底层实现原理有了更进一步的了解，本想写一篇关于ConcurrentHashMap的put方法所涉及的初始化以及扩容操作等的源码解析的，但是这类文章在各平台上实在是太多了，写了感觉意义不是很大。但学了东西，还是想着尽量能够输出点什么，所以就打算稍微写写点偏门的，关于ConcurrentHashMap中统计节点数目的size()方法的实现原理。由于JDK 1.7和1.8中ConcurrentHashMap的源码发生了较大的变化，size()方法的底层实现也发生了变动。为此，本文将会通过对比两个版本的size()方法的底层实现来加深对ConcurrentHashMap的理解。
关键字：
源码、JDK1.7、JDK1.8、ConcurrentHashMap、LongAdder
思考：
在了解具体实现原理之前，我们可以先自己思考该如何实现并发容器中的节点数目统计问题。
一种很自然的想法是，用一个成员变量（size）来统计容器的节点数目，每次对容器进行put或者remove操作时，都对该成员变量（size）进行线程安全的更新。这样，当要获取容器的节点数目时，直接返回该值即可。
这样的计数方法在返回结果的时候，速度很快，但是在统计的过程中存在着一个很明显的问题，就是并发度不高。由于需要对该成员变量（size）进行线程安全的更新，为此只能采用独占锁（Synchronized、Lock等）或者CAS（AtomicInteger等）等方式来进行更新，无论采取何种方式，每次都只会允许一个线程执行成功。如果采用该方式来实现，节点统计将会成为该容器的瓶颈。且我们知道，ConcurrentHashMap为提高并发度，采用了分段锁的方式（无论是JDK 1.7还是1.8版本，1.8版本的可以看成进一步提高了分段锁的粒度）。为此，当采用一个成员变量线程安全更新的方式来实现时，分段锁的实现也变得没有了意义（因为要在每次put操作或者remove操作之后，执行对该变量的更新操作后才能返回）。
由于上面那种实现方式会导致存在性能瓶颈，那么为了并发而生的ConcurrentHashMap肯定是不能采用该方式实现的（事实证明，确实没有采用该方式进行实现）。我们知道， ConcurrentHashMap的底层采用了分段锁的方式。为此，另一种很自然的想法是让每个分段自己去统计该区间的节点数目，当在调用size()方法时，先一次性获取所有的分段锁(防止在统计节点数目时，还在进行节点数目的变动)，将每个分段区间都给锁住，之后依次获取各个分段区间的节点数目进行汇总，从而得到ConcurrentHashMap全局的节点数目。那么该方法是否可行呢？事实上，在JDK 1.7中就是采用了该方式来进行实现的且对该实现方式进行了改进（先尝试采用不获取任何独占锁的方式进行统计）。我们可以知道，在JDK 1.7中，每次对ConcurrentHashMap执行put操作，都会获取该分段区间对应的锁。为此，该方式天然契合JDK 1.7中ConcurrentHashMap的实现，不会由于各个分段进行节点数目的统计而导致并发度降低的问题。
JDK1.7的实现方式：
在具体了解JDK1.7的实现之前，我们可以先看下JDK1.7中的源码：
size为各个分段节点数目的总和，sum为各个segment的modCount的总和。我们知道，当segment对应的hashmap底层结构发生修改时(执行了put、remove操作)，modCount值便会加一，也就是modCount为segment对应的hashMap修改的次数，sum即为各个segment的修改次数的总和。last为上一次统计的各个segment的修改次数。通过源码我们可以得知，其会先进行两次非获取独占锁的统计，当sum==last时，也就是上一次统计和这一次统计的过程中，ConcurrentHashMap的各个分段都没有发生过改动(既没有新增节点，也没有删除节点)，则size即为对应的结果。否则，就一次性获取各个分段的独占锁，再度统计两次各个分段的节点数，而由于两次统计的过程中一直持有着各个分段的独占锁，为此，两次统计的过程中不可能会有别的线程对该ConcurrentHashMap进行改动，sum和last值必定相同，最终会退出循环。也就是size()方法最多循环执行四次，便可以得到节点数统计的结果。
JDK1.8的实现方式：
JDK1.8中ConcurrentHashMap的size()方法的底层实现和在1.8中引入的LongAdder该并发计数类的底层实现原理是相同的。为此，我们只需要了解JDK1.8中LongAdder的底层实现方法便可知道ConcurrentHashMap中对size()方法的实现原理。
LongAdder该类继承自Striped64，同时封装了相关方法，以实现对并发计数的要求，Striped64该类借鉴了分段锁的相关思想。其将原本所有线程对一个变量进行的线程安全的更新操作，扩展为不同线程对多个不同的计数单元的线程安全的操作。
当要获取总数时，将多个计数单元的值进行累加求和，即可得到最终结果。
在讲解LongAdder该类的源码之前，我们先了解Striped64该类。
在Striped64该类中，有着如下几个重要的成员变量和内部类：
NCPU表示系统CPU的数目，cells是计数单元的数组，其大小始终为2的n次方倍，目的是使取余运算更加高效。base作为基础计数变量来使用，线程尝试先将值加在该变量上，如果成功则返回，否则认为存在竞争，则应当去将值添加到对应的计数单元中。cellsBusy是一个用volatile修饰的变量，通过CAS原子更新的方式，充当了自旋锁的作用，当该值为0时，表示该锁可以使用，当该值为1时，表示某个线程获取了锁。
接着我们来看静态内部类Cell：
内部类Cell为计数单元，其实现较为简单，成员变量只有一个被volatile所修饰的long型变量value，对该值的修改是通过CAS的方式进行的，用于叠加各个线程记录到该计数单元的值。值得注意的是，该类被注解@sun.misc.Contended所修饰，该注解是用于解决伪共享问题的，这里就暂时不展开讨论伪共享的问题，留到下一篇文章中再讲。
接着我们来看Striped64该类中的重要方法，longAccumulate()，该方法完成了计数单元数组cells的初始化，计数单元数组某个元素的初始化，扩容以及将值叠加到对应的计数单元上等相关操作。
我们先来解析当cells非空的情况，当其非空时，表明之前存在多线程更新base的值发生过冲突。
当cells数组非空，但对应的计数单元为空，且没有其它线程获取锁时，其先尝试实例化一个计数单元，同时将值传递给该计数单元，之后，尝试获取锁，并将该计数单元赋值给cells数组对应的元素，完成赋值操作后，再释放锁，并退出循环，进行返回。
当cells数组非空，对应的计数单元也非空时，尝试采用CAS的方式将值叠加到对应的计数单元中，当执行成功时返回。否则，判断Cell数组的长度是否是最大的了(大于等于CPU的数目)，如已经是最大的了，则重新计算线程的hash值，继续进行操作。如不是，则进行扩容操作。
我们从源码中可以得知，每次cells数组扩容时，其大小为先前大小的2倍，同时将旧计数单元数组的每个元素直接复制到新表中，完成扩容的过程。以上便是当cells非空时，所进行的相关操作。
当cells数组为空时，其会先尝试获取锁并初始化数组，同时将值叠加到对应的计数器单元中，当获取锁失败时，则尝试将值叠加到基础计数变量base中，成功时返回，失败时继续循环操作。以上便是Striped64处理并发情况下统计值的整个过程。
总结：当cells数组非空时，尝试将值叠加到某个数组元素所表示的计数单元中，叠加失败时，表明存在多线程的竞争。此时，如果cells的大小小于CPU数目时，尝试进行扩容操作，否则，将对应线程的hash值进行rehash后，重新执行循环过程。当cells为空时，尝试对cells进行初始化，并将值叠加到对应的计数单元中，执行初始化完成之后返回。否则，当初始化失败时，尝试将值叠加到基础计数变量base中，初始化成功时结束该过程并返回，失败时，重新执行循环过程。
在了解了Striped64该类的主要实现方法和相关成员变量后，了解LongAdder该类的实现就是一件非常简单的事情了。
下面我们对LongAdder该类的源码进行解析。
我们可以看到，LongAdder类中核心的便是那个add()方法，当cells还没有进行初始化时（表明之前不存在多线程的竞争累加），其先尝试将值x通过CAS的方式累加到成员变量base中。当失败时，表明存在多线程之间的竞争，随后判断计数单元cells是否已被初始化完成，如果已经初始化（被其它线程初始化），则尝试通过将值x累加到某个计数单元中，当同样失败时，执行父类Striped64中的longAccumulate方法，将值累加到对应的计数单元或者base中，以完成累加的过程。
那么如何获取统计操作后的结果呢？
其源码实现如下所示：
从源码中我们就可以得知，其累加了base变量的值和各个计数单元Cell的值作为结果进行返回。当该方法被调用的时候，其它线程可能还在进行着修改操作，为此，其最终返回的值并非是精确的当前情况下的统计结果，其只是一个“大概”值。当想要获得精确值时，只能采用对各个计数单元进行加锁的方式来实现。
一个问题：仔细想想，ConcurrentHashMap为何采用该方式来实现size()方法？我能想到的一个原因是ConcurrentHashMap并不需要在并发修改情况下的精确节点数目的值，由于ConcurrentHashMap该数据结构是为并发而生的，为此，获取精确的节点数目的值本身意义并不大。当你消耗了性能，获取了某个时刻节点数目的精确值，随后还是可能会被其他线程修改，导致上一刻的值无法使用，为此获取一个“大概”值便是一个较好的选择。而采用该方法实现也是线程安全的，能够确保没有线程对其进行修改的时候，其值的准确性。
这个是本人的公众号，致力于写出绝大部分人都能读懂的技术文章。欢迎相互交流，我们博采众长，共同进步。
