ConcurrentHashMap源码分析
前言：ConcurrentHashMap是HashMap的线程安全版本，内部使用了数组+链表+红黑树的结构来存储数据，相对于同样线程安全的Hashtable来说，它在效率方面有很大的提升，因此多线程环境下更多的是使用ConcurrentHashMap，因此有必要对其原理进行分析。
注：本文jdk源码版本为jdk1.8.0_172
1.ConcurrentHashMap介绍
ConcurrentHashMap是HashMap的线程安全版本，底层数据结构为数组+链表+红黑树，默认容量16，线程同步，不允许[key,value]为null。
1 public class ConcurrentHashMap<K,V> extends AbstractMap<K,V> 2 implements ConcurrentMap<K,V>, Serializable
构造函数：
1 public ConcurrentHashMap() { 2 } 3 4 public ConcurrentHashMap(int initialCapacity) { 5 if (initialCapacity < 0) 6 throw new IllegalArgumentException(); 7 int cap = ((initialCapacity >= (MAXIMUM_CAPACITY >>> 1)) ? 8 MAXIMUM_CAPACITY : 9 tableSizeFor(initialCapacity + (initialCapacity >>> 1) + 1)); 10 this.sizeCtl = cap; 11 } 12 13 public ConcurrentHashMap(Map<? extends K, ? extends V> m) { 14 this.sizeCtl = DEFAULT_CAPACITY; 15 putAll(m); 16 } 17 18 public ConcurrentHashMap(int initialCapacity, float loadFactor) { 19 this(initialCapacity, loadFactor, 1); 20 } 21 22 public ConcurrentHashMap(int initialCapacity, 23 float loadFactor, int concurrencyLevel) { 24 if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0) 25 throw new IllegalArgumentException(); 26 if (initialCapacity < concurrencyLevel) // Use at least as many bins 27 initialCapacity = concurrencyLevel; // as estimated threads 28 long size = (long)(1.0 + (long)initialCapacity / loadFactor); 29 int cap = (size >= (long)MAXIMUM_CAPACITY) ? 30 MAXIMUM_CAPACITY : tableSizeFor((int)size); 31 this.sizeCtl = cap; 32 }
分析：
通过构造函数可以发现sizeCtl变量经常出现，该变量通过查看jdk源码注释可知该变量主要控制初始化或扩容：
#1.-1，表示线程正在进行初始化操作。
#2.-(1+nThreads)，表示n个线程正在进行扩容。
#3.0，默认值，后续在真正初始化的时候使用默认容量。
#4.>0，初始化或扩容完成后下一次的扩容门槛。
2.具体源码分析
put操作：
1 final V putVal(K key, V value, boolean onlyIfAbsent) { 2 if (key == null || value == null) throw new NullPointerException(); 3 // 计算key的hash值 4 int hash = spread(key.hashCode()); 5 // 用来计算在这个节点总共有多少个元素，用来控制扩容或者转移为树 6 int binCount = 0; 7 // 进行自旋 8 for (Node<K,V>[] tab = table;;) { 9 Node<K,V> f; int n, i, fh; 10 if (tab == null || (n = tab.length) == 0) 11 // table未初始化，则初始化 12 tab = initTable(); 13 // 如果该位置上的f为null，则说明第一次插入元素，则直接插入新的Node节点 14 else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { 15 if (casTabAt(tab, i, null, 16 new Node<K,V>(hash, key, value, null))) 17 break; // no lock when adding to empty bin 18 } 19 // 如果检测到当前某个节点的hash值为MOVED，则表示正在进行数组扩张的数据复制阶段 20 // 则当前线程与会参与复制，通过允许多线程复制的功能，减少数组的复制来带来的性能损失 21 else if ((fh = f.hash) == MOVED) 22 tab = helpTransfer(tab, f); 23 else { 24 V oldVal = null; 25 /** 26 * 到该分支表明该位置上有元素，采用synchronized方式加锁 27 * 如果是链表的话，则对链表进行遍历，找到key和key的hash值都一样的节点，进行替换 28 * 如果没有找到，则添加在链表最后面 29 * 如果是树的话，则添加到树中去 30 */ 31 synchronized (f) { 32 // 再次取出要存储的位置元素，跟之前的数据进行比较，看是否进行了更改 33 if (tabAt(tab, i) == f) { 34 // 链表 35 if (fh >= 0) { 36 binCount = 1; 37 // 遍历链表 38 for (Node<K,V> e = f;; ++binCount) { 39 K ek; 40 // 元素的hash、key都相同，则进行替换和hashMap相同 41 if (e.hash == hash && 42 ((ek = e.key) == key || 43 (ek != null && key.equals(ek)))) { 44 oldVal = e.val; 45 // 当使用putIfAbsent的时候，只有在这个key没有设置值时的候才设置 46 if (!onlyIfAbsent) 47 e.val = value; 48 break; 49 } 50 Node<K,V> pred = e; 51 // 不同key，hash值相同时，直接添加到链表尾即可 52 if ((e = e.next) == null) { 53 pred.next = new Node<K,V>(hash, key, 54 value, null); 55 break; 56 } 57 } 58 } 59 // 当前结点为红黑树 60 else if (f instanceof TreeBin) { 61 Node<K,V> p; 62 binCount = 2; 63 // 添加元素到树中去，表明树的当前结点存在值，则进行替换 64 if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key, 65 value)) != null) { 66 oldVal = p.val; 67 if (!onlyIfAbsent) 68 p.val = value; 69 } 70 } 71 } 72 } 73 if (binCount != 0) { 74 // 当在同一个节点的数目大于等于8时，则进行扩容或者将数据转换成红黑树 75 // 注意，这里并不一定是直接转换成红黑树，有可能先进行扩容 76 if (binCount >= TREEIFY_THRESHOLD) 77 treeifyBin(tab, i); 78 if (oldVal != null) 79 return oldVal; 80 break; 81 } 82 } 83 } 84 // 计数 binCount大于1（链表的长度）表示链表，binCount=2表示红黑树 85 addCount(1L, binCount); 86 return null; 87 }
分析：
通过查看put操作的核心源码，整体逻辑还是比较清晰，有几个点需要注意：
#1.在插入元素时，采用了自旋。
#2.在插入元素的时候才会进行初始化。
#3.在插入元素时，底层数据结构可能会转向红黑树。
initTable：初始化函数
1 private final Node<K,V>[] initTable() { 2 Node<K,V>[] tab; int sc; 3 while ((tab = table) == null || tab.length == 0) { 4 // sizeCtl初始值为0，当小于0时，表示在别的线程初始化表或扩展表，当前线程只需要让出cpu时间片即可 5 if ((sc = sizeCtl) < 0) 6 Thread.yield(); // lost initialization race; just spin 7 // 将sc更新为-1，表示线程正在进行初始化操作 8 else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) { 9 try { 10 if ((tab = table) == null || tab.length == 0) { 11 // 指定了大小就创建指定大小的Node数组，否则创建默认大小的Node数组 12 int n = (sc > 0) ? sc : DEFAULT_CAPACITY; 13 @SuppressWarnings("unchecked") 14 Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n]; 15 table = tab = nt; 16 sc = n - (n >>> 2); 17 } 18 } finally { 19 // 和上面逻辑对别可知sizeCtl的大小为数组长度的3/4 20 sizeCtl = sc; 21 } 22 break; 23 } 24 } 25 return tab; 26 }
分析：
在put操作时才进行初始化操作其实是懒加载的一种表现形式，并且初始化时，已考虑多线程的情况，默认容量为16。
当挂在链表上的元素大于等于8时，会通过treeifyBin方法来判断是否扩容或转换为一棵树。
treeifyBin：
1 private final void treeifyBin(Node<K,V>[] tab, int index) { 2 Node<K,V> b; int n, sc; 3 if (tab != null) { 4 // 如果数组长度小于64则进行扩容 5 if ((n = tab.length) < MIN_TREEIFY_CAPACITY) 6 tryPresize(n << 1); 7 else if ((b = tabAt(tab, index)) != null && b.hash >= 0) { 8 // 将链表转换成树 9 synchronized (b) { 10 // 再次比较当前位置结点是否改变 11 if (tabAt(tab, index) == b) { 12 TreeNode<K,V> hd = null, tl = null; // hd:树的头(head) 13 for (Node<K,V> e = b; e != null; e = e.next) { 14 TreeNode<K,V> p = 15 new TreeNode<K,V>(e.hash, e.key, e.val, 16 null, null); 17 // 链表转换成树后，头节点依然在相同位置 18 if ((p.prev = tl) == null) 19 hd = p; 20 else 21 tl.next = p; 22 tl = p; 23 } 24 setTabAt(tab, index, new TreeBin<K,V>(hd)); 25 } 26 } 27 } 28 } 29 }
分析：
从上述源码上看，当节点链表上的元素大于等于8时，并不是一定要将数据结构转换成树。而是要先判断数组的容量，如果数组长度小于64，会进行扩容(扩容为原来数组长度的一倍)，否则才会转换成树。
tryPresize：扩容函数，注意通过treeifyBin调用tryPresize时，入参已经扩大2倍。
1 /** 2 * 扩容时大小总是2的N次方 3 * 扩容这里可能有一点绕，用一个例子来走下流程 4 * 假设原来数组长度为16（默认值），在调用tryPresize的时候size的值已经变成了32（16<<1）,此时sizeCtl为12 5 * 计算出c的值为64，注意扩容会在transfer中进行（前提数组已经初始化），每次扩大2倍，由于数组长度基数为2的N次方，所以最终的数组长度也是2的N次方。 6 * 注意c的值是用来控制循环退出的，条件c<=sc(sizeCtl)。 7 * 数组长度 sizeCtl 8 *第一次扩容： 32 28 9 *第二次扩容： 64 48 10 *第三次扩容： 128 96 此时c(64)<sc(96) 此时退出扩容 11 */ 12 private final void tryPresize(int size) { 13 // 通过tableSizeFor计算扩容退出控制量标志，容量大小总是2的N次方 14 int c = (size >= (MAXIMUM_CAPACITY >>> 1)) ? MAXIMUM_CAPACITY : 15 tableSizeFor(size + (size >>> 1) + 1); 16 int sc; 17 while ((sc = sizeCtl) >= 0) { 18 Node<K,V>[] tab = table; int n; 19 // 初始化 20 // 如果tab未初始化，则初始化一个大小为sizeCtl和c中较大的数组 21 // 初始化是将sizeCtl设置为-1，完成之后将其设置为数组长度的3/4 22 // 在此进行初始化，主要是因为如果直接调用putAll方法进行元素添加时，table还未初始化，所以这里需要判断table是否进行了初始化 23 if (tab == null || (n = tab.length) == 0) { 24 n = (sc > c) ? sc : c; 25 // 初始化tab的时候，把sizeCtl设置为-1，通过CAS 26 if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) { 27 try { 28 if (table == tab) { 29 @SuppressWarnings("unchecked") 30 Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n]; 31 table = nt; 32 sc = n - (n >>> 2); 33 } 34 } finally { 35 sizeCtl = sc; 36 } 37 } 38 } 39 // 一直扩容到c小于等于sizeCtl或者数组长度大于最大长度的时候，退出扩容 40 else if (c <= sc || n >= MAXIMUM_CAPACITY) 41 break; 42 else if (tab == table) { 43 int rs = resizeStamp(n); 44 // 如果正在扩容，则帮助扩容 45 // 否则的话，开始新的扩容 46 // 在transfer操作，将第一个参数的table元素，移到第二个元素的table去， 47 // 虽然此时第二个参数设置的是null，但是在transfer方法中，第二个参数为null的时候，会创建一个两倍大小的table 48 // sc小于0表示有线程在进行操作 49 if (sc < 0) { 50 Node<K,V>[] nt; 51 if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 || 52 sc == rs + MAX_RESIZERS || (nt = nextTable) == null || 53 transferIndex <= 0) 54 break; 55 // 将线程数加一，该线程将进行transfer，在transfer的时候，sc表示transfer工作线程数 56 if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) 57 transfer(tab, nt); 58 } 59 // 没有初始化或扩容，直接进行扩容 60 else if (U.compareAndSwapInt(this, SIZECTL, sc, 61 (rs << RESIZE_STAMP_SHIFT) + 2)) 62 transfer(tab, null); 63 } 64 } 65 }
分析：
扩容时稍微有一点绕，但上面注释给出了一个例子，理解该例子应该就可以理解扩容，特别要注意源码中的c值，可以看做是扩容控制值，通过该值来终止扩容函数。
transfer：数组扩容函数
1 private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) { 2 int n = tab.length, stride; 3 // 确定线程负责数组大小的范围 4 if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE) 5 stride = MIN_TRANSFER_STRIDE; // subdivide range 6 // 扩容后数组长度为原来的两倍 7 if (nextTab == null) { // initiating 8 try { 9 @SuppressWarnings("unchecked") 10 Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1]; 11 nextTab = nt; 12 } catch (Throwable ex) { // try to cope with OOME 13 sizeCtl = Integer.MAX_VALUE; 14 return; 15 } 16 nextTable = nextTab; 17 transferIndex = n; 18 } 19 int nextn = nextTab.length; 20 /** 21 * 创建一个fwd结点，用来控制并发，当一个结点为空或者已经被转移之后，就设置为fwd结点 22 * 这是一个空的标志节点 23 */ 24 ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab); 25 // 是否继续向前查找的标志位 26 boolean advance = true; 27 boolean finishing = false; // to ensure sweep before committing nextTab 28 for (int i = 0, bound = 0;;) { 29 Node<K,V> f; int fh; 30 while (advance) { 31 int nextIndex, nextBound; 32 if (--i >= bound || finishing) 33 advance = false; 34 else if ((nextIndex = transferIndex) <= 0) { 35 i = -1; 36 advance = false; 37 } 38 else if (U.compareAndSwapInt 39 (this, TRANSFERINDEX, nextIndex, 40 nextBound = (nextIndex > stride ? 41 nextIndex - stride : 0))) { 42 bound = nextBound; 43 i = nextIndex - 1; 44 advance = false; 45 } 46 } 47 if (i < 0 || i >= n || i + n >= nextn) { 48 int sc; 49 // 数据迁移完成，替换旧桶数据 50 if (finishing) { 51 nextTable = null; 52 table = nextTab; 53 // 设置sizeCtl为扩容后的0.75 54 sizeCtl = (n << 1) - (n >>> 1); 55 return; 56 } 57 // 扩容完成，将扩容线程数-1 58 if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) { 59 if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT) 60 return; 61 // finishing和advance设置为true，重新走到上面if条件，再次检查是否迁移完 62 // 通过fh=f.hash==MOVED进行判断 63 finishing = advance = true; 64 i = n; // recheck before commit 65 } 66 } 67 // 如果桶中无数据，则放入fwd标记，表示该位置已迁移 68 else if ((f = tabAt(tab, i)) == null) 69 advance = casTabAt(tab, i, null, fwd); 70 // 如果桶中第一个元素的hash值为MOVED，说明该节点为fwd节点，详情看fwd节点的构造函数 71 // 说明该位置已经被迁移 72 else if ((fh = f.hash) == MOVED) 73 advance = true; // already processed 74 else { 75 // 加锁迁移元素 76 synchronized (f) { 77 // 再次判断桶中第一个元素是否有过修改 78 if (tabAt(tab, i) == f) { 79 /** 80 * 把一个链表划分成两个链表 81 * 规则是桶中各元素的hash值与桶大小n进行与操作 82 * 等于0的放到低位链表（low）中，等于1的放到高位链表（high）中 83 * 其中低位链表迁移到新桶的位置是相对旧桶不变的 84 * 高位链表迁移到新桶的位置正好是其在旧桶位置上加n，这里在HashMap（jdk1.8中）分析过。 85 * 这就是为什么扩容时，容量变成原来两倍的原因 86 */ 87 Node<K,V> ln, hn; // ln:low节点 hn:height节点 88 // 链表的节点hash值大于0，TreeBin的hash值为-2 89 if (fh >= 0) { 90 // 首先计算出当前结点的位置 91 int runBit = fh & n; 92 Node<K,V> lastRun = f; 93 for (Node<K,V> p = f.next; p != null; p = p.next) { 94 int b = p.hash & n; 95 // 同一节点下hashCode可能是不同的，这样才会有hash分布 96 // 更新runBit的值，找出与f不同的节点 97 // 这里一直要找到链表尾，但是lastRun不一定是尾节点，也就是找到最后一段相同的 98 // 因为是链表，当位置相同，直接就带过去了，避免没必要的循环 99 if (b != runBit) { 100 runBit = b; 101 lastRun = p; 102 } 103 } 104 // 设置低位节点 105 if (runBit == 0) { 106 ln = lastRun; 107 hn = null; 108 } 109 // 设置高位节点 110 else { 111 hn = lastRun; 112 ln = null; 113 } 114 // 生成两条链表，直接拼接 115 // 找到不等于lastRun的节点，进行拼接，不是倒序，这里就是进行一个拼接，因为把hash值相同的链从lastRun带过来了 116 for (Node<K,V> p = f; p != lastRun; p = p.next) { 117 int ph = p.hash; K pk = p.key; V pv = p.val; 118 if ((ph & n) == 0) 119 ln = new Node<K,V>(ph, pk, pv, ln); 120 else 121 hn = new Node<K,V>(ph, pk, pv, hn); 122 } 123 // 这里设置和hashMap类似，在相应点上设置节点即可 124 setTabAt(nextTab, i, ln); 125 setTabAt(nextTab, i + n, hn); 126 // 在旧的链表位置上设置占位符，标记已迁移完成 127 setTabAt(tab, i, fwd); 128 advance = true; 129 } 130 /** 131 * 结点是树的情况 132 * 和链表相同，分成两颗树，根据hash&n为0的放在低位树，为1的放在高位树 133 */ 134 else if (f instanceof TreeBin) { 135 TreeBin<K,V> t = (TreeBin<K,V>)f; 136 TreeNode<K,V> lo = null, loTail = null; 137 TreeNode<K,V> hi = null, hiTail = null; 138 int lc = 0, hc = 0; 139 // 遍历整棵树，根据hash&n是否为0进行划分 140 for (Node<K,V> e = t.first; e != null; e = e.next) { 141 int h = e.hash; 142 TreeNode<K,V> p = new TreeNode<K,V> 143 (h, e.key, e.val, null, null); 144 if ((h & n) == 0) { 145 if ((p.prev = loTail) == null) 146 lo = p; 147 else 148 loTail.next = p; 149 loTail = p; 150 ++lc; 151 } 152 else { 153 if ((p.prev = hiTail) == null) 154 hi = p; 155 else 156 hiTail.next = p; 157 hiTail = p; 158 ++hc; 159 } 160 } 161 // 复制完树结点之后，如果树的节点小于等于6时，就转回链表 162 ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) : 163 (hc != 0) ? new TreeBin<K,V>(lo) : t; 164 hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) : 165 (lc != 0) ? new TreeBin<K,V>(hi) : t; 166 // 低位树的位置不变 167 setTabAt(nextTab, i, ln); 168 // 高位树的位置在原来位置上加n 169 setTabAt(nextTab, i + n, hn); 170 // 标记该位置已经进迁移 171 setTabAt(tab, i, fwd); 172 // 继续循环，执行--i操作 173 advance = true; 174 } 175 } 176 } 177 } 178 } 179 }
分析：
扩容函数中对于中间有段求i的值不是特别明白，其他流程还是比较清楚的，和HashMap的扩容有点类似，链表分成两段进行处理，通过hash&n是否等于0进行划分，迁移是从靠后的桶开始的（具体就在中间那段求i的值处），在迁移过程中锁住了当前桶，还是采用了分段锁的思想。需注意：#1.针对树节点，如果扩容后树节点上的元素总数小于等于6，则会退化成链表；#2.在链表拆分后进行组合时并不一定是倒序。
在put操作中还有一个帮助扩容的函数：helpTransfer
1 // 线程添加元素时发现正在扩容且当前元素所在的桶已经迁移完成，则协助迁移其他桶的元素 2 final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) { 3 Node<K,V>[] nextTab; int sc; 4 // 如果桶数组不为空，并且当前桶第一个元素为fwd类型，且nexttable不为空 5 // 说明当前桶已经迁移完毕，可以去帮助迁移其他的桶的元素了 6 if (tab != null && (f instanceof ForwardingNode) && 7 (nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) { 8 int rs = resizeStamp(tab.length); 9 // sizeCtl<0,说明正在扩容 10 while (nextTab == nextTable && table == tab && 11 (sc = sizeCtl) < 0) { 12 if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 || 13 sc == rs + MAX_RESIZERS || transferIndex <= 0) 14 break; 15 // 扩容线程数加1 16 if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) { 17 // 当前线程帮忙迁移元素 18 transfer(tab, nextTab); 19 break; 20 } 21 } 22 return nextTab; 23 } 24 return table; 25 }
分析：
只有当前桶元素迁移完成了才能去协助迁移其他桶的元素。
接下来看addCount函数，该函数在put操作后会判断是否需要扩容，如果达到扩容门槛，则进行扩容或协助扩容。
1 private final void addCount(long x, int check) { 2 CounterCell[] as; long b, s; 3 // 如果计数盒子不为空，或者修改baseCount失败 4 if ((as = counterCells) != null || 5 !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) { 6 CounterCell a; long v; int m; 7 boolean uncontended = true; 8 // 如果as为空，或者长度为0，或者当前线程所在的段为null，或者在当前线程的段上加数量失败 9 if (as == null || (m = as.length - 1) < 0 || 10 (a = as[ThreadLocalRandom.getProbe() & m]) == null || 11 !(uncontended = 12 U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) { 13 // 这里对counterCells扩容，减少多线程hash到同一个段的频率 14 fullAddCount(x, uncontended); 15 return; 16 } 17 if (check <= 1) 18 return; 19 // 计算元素个数 20 s = sumCount(); 21 } 22 if (check >= 0) { 23 Node<K,V>[] tab, nt; int n, sc; 24 // 如果元素个数达到了扩容门槛，则进行扩容 25 // sizeCtl即为扩容门槛，它为容量的0.75倍 26 while (s >= (long)(sc = sizeCtl) && (tab = table) != null && 27 (n = tab.length) < MAXIMUM_CAPACITY) { 28 // rs是扩容的一个邮戳标识 29 int rs = resizeStamp(n); 30 // sc小于0，表明正在扩容 31 if (sc < 0) { 32 if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 || 33 sc == rs + MAX_RESIZERS || (nt = nextTable) == null || 34 transferIndex <= 0) 35 // 扩容完成，退出循环 36 break; 37 // 扩容未完成，将当前线程加入迁移元素中，并把扩容线程数加1 38 if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) 39 transfer(tab, nt); 40 } 41 else if (U.compareAndSwapInt(this, SIZECTL, sc, 42 (rs << RESIZE_STAMP_SHIFT) + 2)) 43 // 进行元素迁移 44 transfer(tab, null); 45 // 重新计算元素个数 46 s = sumCount(); 47 } 48 } 49 }
分析：
该函数的主要作用就是将元素个数加1，并且判断是否需要进行扩容。目前对该函数的详细逻辑不是特别清楚，后续再来进行分析。
一个put操作涉及的内容太多了，还需深入理解，下面来看get操作：
1 public V get(Object key) { 2 Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek; 3 // 计算hash 4 int h = spread(key.hashCode()); 5 // 如果对应位置上有元素 6 if ((tab = table) != null && (n = tab.length) > 0 && 7 (e = tabAt(tab, (n - 1) & h)) != null) { 8 // 如果第一个元素就是要找的元素，则直接返回 9 if ((eh = e.hash) == h) { 10 if ((ek = e.key) == key || (ek != null && key.equals(ek))) 11 return e.val; 12 } 13 // 如果hash小于0，则说明是树或正在扩容，则使用find寻找元素，find根据Node的不同子类实现方式不同 14 else if (eh < 0) 15 return (p = e.find(h, key)) != null ? p.val : null; 16 // 遍历整个链表寻找元素 17 while ((e = e.next) != null) { 18 if (e.hash == h && 19 ((ek = e.key) == key || (ek != null && key.equals(ek)))) 20 return e.val; 21 } 22 } 23 return null; 24 }
分析：
get操作整体来说逻辑清楚明了，与HashMap类似，但是要注意hash值小于0的时候，其寻找元素的方式有所不同，并且整个获取元素的过程是没有加锁的。
接下来看remove操作：
1 final V replaceNode(Object key, V value, Object cv) { 2 // 计算hash值 3 int hash = spread(key.hashCode()); 4 // 进行自旋操作 5 for (Node<K,V>[] tab = table;;) { 6 Node<K,V> f; int n, i, fh; 7 // 如果tab为空，或者key所在的位置上没有元素，则直接终止自旋 8 if (tab == null || (n = tab.length) == 0 || 9 (f = tabAt(tab, i = (n - 1) & hash)) == null) 10 break; 11 // 正在扩容，则协助其扩容 12 else if ((fh = f.hash) == MOVED) 13 tab = helpTransfer(tab, f); 14 else { 15 V oldVal = null; 16 // 标记是否处理过 17 boolean validated = false; 18 // 加锁 19 synchronized (f) { 20 // 再次验证当前位置上的元素是否被修改过 21 if (tabAt(tab, i) == f) { 22 // 链表 23 if (fh >= 0) { 24 validated = true; 25 // 遍历链表，寻找节点 26 for (Node<K,V> e = f, pred = null;;) { 27 K ek; 28 if (e.hash == hash && 29 ((ek = e.key) == key || 30 (ek != null && key.equals(ek)))) { 31 // 找到目标元素 32 V ev = e.val; 33 if (cv == null || cv == ev || 34 (ev != null && cv.equals(ev))) { 35 oldVal = ev; 36 // 如果value不为空，则替换旧值 37 if (value != null) 38 e.val = value; 39 else if (pred != null) 40 // 前置节点不为空，删除当前节点 41 pred.next = e.next; 42 else 43 // 如果前置节点为空，则说明是桶中第一个元素，则删除即可 44 setTabAt(tab, i, e.next); 45 } 46 break; 47 } 48 // 更新前置节点 49 pred = e; 50 // 遍历到链表尾还未找打元素，则跳出循环 51 if ((e = e.next) == null) 52 break; 53 } 54 } 55 // 节点是树 56 else if (f instanceof TreeBin) { 57 validated = true; 58 TreeBin<K,V> t = (TreeBin<K,V>)f; 59 TreeNode<K,V> r, p; 60 // 遍历树找到目标节点 61 if ((r = t.root) != null && 62 (p = r.findTreeNode(hash, key, null)) != null) { 63 V pv = p.val; 64 if (cv == null || cv == pv || 65 (pv != null && cv.equals(pv))) { 66 oldVal = pv; 67 if (value != null) 68 // 替换旧值 69 p.val = value; 70 else if (t.removeTreeNode(p)) 71 // 当removeTreeNode返回true表示树的元素个数较少，则退化成链表 72 setTabAt(tab, i, untreeify(t.first)); 73 } 74 } 75 } 76 } 77 } 78 // 如果处理过 79 if (validated) { 80 // 找到了元素，返回其旧值 81 if (oldVal != null) { 82 // 如果要替换的值为空，则将元素个数减1 83 if (value == null) 84 addCount(-1L, -1); 85 return oldVal; 86 } 87 break; 88 } 89 } 90 } 91 return null; 92 }
分析：
利用自旋删除元素，整体流程清晰，根据链表或树进行相应操作，注意如果删除过程中正在进行扩容，需要协助其扩容后再进行删除。
size函数：获取元素个数
1 public int size() { 2 // 调用sumCount计算元素个数 3 long n = sumCount(); 4 return ((n < 0L) ? 0 : 5 (n > (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE : 6 (int)n); 7 } 8 9 final long sumCount() { 10 // 计算CounterCell所有段以及baseCount的数量之和 11 CounterCell[] as = counterCells; CounterCell a; 12 long sum = baseCount; 13 if (as != null) { 14 for (int i = 0; i < as.length; ++i) { 15 if ((a = as[i]) != null) 16 sum += a.value; 17 } 18 } 19 return sum; 20 }
分析：
元素的个数会计算CounterCell所有段和baseCount之和，并且该函数是没有加锁的。
3.总结
ConcurrentHashMap的源码分析真不容易，代码量非常的大，其实有的地方目前还没弄懂，需后续反复阅读。
#1.ConcurrentHashMap是HashMap的线程安全版本。
#2.ConcurrentHashMap底层数据结构为数组+链表+红黑树，默认容量为16，不允许[key,value]为null。
#3.ConcurrentHashMap内部采用的锁有synchronized、CAS、自旋锁、分段锁、volatile。
#4.通过sizeCtl变量来控制扩容、初始化等操作。
#5.查询操作不加锁，因此ConcurrentHashMap不是强一致性。
ConcurrentHashMap未完待续！！！
by Shawn Chen，2019.09.18日，下午。
