（转载）Java并发容器：ConcurrentHashMap - 简书
（转载）Java并发容器：ConcurrentHashMap
此篇博客所有源码均来自JDK 1.8
HashMap是我们用得非常频繁的一个集合，但是由于它是非线程安全的，在多线程环境下，put操作是有可能产生死循环的，导致CPU利用率接近100%。为了解决该问题，提供了Hashtable和Collections.synchronizedMap(hashMap)两种解决方案，但是这两种方案都是对读写加锁，独占式，一个线程在读时其他线程必须等待，吞吐量较低，性能较为低下。故而Doug Lea大神给我们提供了高性能的线程安全HashMap：ConcurrentHashMap。
ConcurrentHashMap的实现
ConcurrentHashMap作为Concurrent一族，其有着高效地并发操作，相比Hashtable的笨重，ConcurrentHashMap则更胜一筹了。在1.8版本以前，ConcurrentHashMap采用分段锁的概念，使锁更加细化，但是1.8已经改变了这种思路，而是利用CAS+Synchronized来保证并发更新的安全，当然底层采用数组+链表+红黑树的存储结构。关于1.7和1.8的区别请参考占小狼博客：谈谈ConcurrentHashMap1.7和1.8的不同实现:我们从如下几个部分全面了解ConcurrentHashMap在1.8中是如何实现的：
重要内部类
ConcurrentHashMap的初始化
红黑树转换
ConcurrentHashMap定义了如下几个常量：
// 最大容量：2^30=
private static final int MAXIMUM_CAPACITY = 1 && 30;
// 默认初始值，必须是2的幕数
private static final int DEFAULT_CAPACITY = 16;
static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
private static final int DEFAULT_CONCURRENCY_LEVEL = 16;
private static final float LOAD_FACTOR = 0.75f;
// 链表转红黑树阀值,& 8 链表转换为红黑树
static final int TREEIFY_THRESHOLD = 8;
//树转链表阀值，小于等于6（tranfer时，lc、hc=0两个计数器分别++记录原bin、新binTreeNode数量，&=UNTREEIFY_THRESHOLD 则untreeify(lo)）
static final int UNTREEIFY_THRESHOLD = 6;
static final int MIN_TREEIFY_CAPACITY = 64;
private static final int MIN_TRANSFER_STRIDE = 16;
private static int RESIZE_STAMP_BITS = 16;
// 2^15-1，help resize的最大线程数
private static final int MAX_RESIZERS = (1 && (32 - RESIZE_STAMP_BITS)) - 1;
// 32-16=16，sizeCtl中记录size大小的偏移量
private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS;
// forwarding nodes的hash值
static final int MOVED
// 树根节点的hash值
static final int TREEBIN
// ReservationNode的hash值
static final int RESERVED
// 可用处理器数量
static final int NCPU = Runtime.getRuntime().availableProcessors();
上面是ConcurrentHashMap定义的常量，简单易懂，就不多阐述了。下面介绍ConcurrentHashMap几个很重要的概念。
table：用来存放Node节点数据的，默认为null，默认大小为16的数组，每次扩容时大小总是2的幂次方；
nextTable：扩容时新生成的数据，数组为table的两倍；
Node：节点，保存key-value的数据结构；
ForwardingNode：一个特殊的Node节点，hash值为-1，其中存储nextTable的引用。只有table发生扩容的时候，ForwardingNode才会发挥作用，作为一个占位符放在table中表示当前节点为null或则已经被移动
sizeCtl：控制标识符，用来控制table初始化和扩容操作的，在不同的地方有不同的用途，其值也不同，所代表的含义也不同
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重要内部类
为了实现ConcurrentHashMap，Doug Lea提供了许多内部类来进行辅助实现，如Node，TreeNode,TreeBin等等。下面我们就一起来看看ConcurrentHashMap几个重要的内部类。Node
作为ConcurrentHashMap中最核心、最重要的内部类，Node担负着重要角色：key-value键值对。所有插入ConCurrentHashMap的中数据都将会包装在Node中。定义如下：
static class Node&K,V& implements Map.Entry&K,V& {
volatile V
//带有volatile，保证可见性
volatile Node&K,V&
//下一个节点的指针
Node(int hash, K key, V val, Node&K,V& next) {
this.hash =
this.key =
this.val =
this.next =
public final K getKey()
public final V getValue()
public final int hashCode()
{ return key.hashCode() ^ val.hashCode(); }
public final String toString(){ return key + "=" + }
/** 不允许修改value的值 */
public final V setValue(V value) {
throw new UnsupportedOperationException();
public final boolean equals(Object o) {
Object k, v, Map.Entry&?,?&
return ((o instanceof Map.Entry) &&
(k = (e = (Map.Entry&?,?&)o).getKey()) != null &&
(v = e.getValue()) != null &&
(k == key || k.equals(key)) &&
(v == (u = val) || v.equals(u)));
赋值get()方法 */
Node&K,V& find(int h, Object k) {
Node&K,V& e =
if (k != null) {
if (e.hash == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
} while ((e = e.next) != null);
在Node内部类中，其属性value、next都是带有volatile的。同时其对value的setter方法进行了特殊处理，不允许直接调用其setter方法来修改value的值。最后Node还提供了find方法来赋值map.get()。
我们在学习HashMap的时候就知道，HashMap的核心就是链表。在ConcurrentHashMap中就不一样了，如果链表的数据过长是会转换为红黑树来处理。当它并不是直接转换，而是将这些链表的节点包装成TreeNode放在TreeBin对象中，然后由TreeBin完成红黑树的转换。所以TreeNode也必须是ConcurrentHashMap的一个核心类，其为树节点类，定义如下：
static final class TreeNode&K,V& extends Node&K,V& {
TreeNode&K,V&
// red-black tree links
TreeNode&K,V&
TreeNode&K,V&
TreeNode&K,V&
// needed to unlink next upon deletion
TreeNode(int hash, K key, V val, Node&K,V& next,
TreeNode&K,V& parent) {
super(hash, key, val, next);
this.parent =
Node&K,V& find(int h, Object k) {
return findTreeNode(h, k, null);
//查找hash为h，key为k的节点
final TreeNode&K,V& findTreeNode(int h, Object k, Class&?& kc) {
if (k != null) {
TreeNode&K,V& p =
int ph, K TreeNode&K,V&
TreeNode&K,V& pl = p.left, pr = p.
if ((ph = p.hash) & h)
else if (ph & h)
else if ((pk = p.key) == k || (pk != null && k.equals(pk)))
else if (pl == null)
else if (pr == null)
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
p = (dir & 0) ? pl :
else if ((q = pr.findTreeNode(h, k, kc)) != null)
} while (p != null);
源码展示TreeNode继承Node，且提供了findTreeNode用来查找查找hash为h，key为k的节点。
该类并不负责key-value的键值对包装，它用于在链表转换为红黑树时包装TreeNode节点，也就是说ConcurrentHashMap红黑树存放是TreeBin，不是TreeNode。该类封装了一系列的方法，包括putTreeVal、lookRoot、UNlookRoot、remove、balanceInsetion、balanceDeletion。由于TreeBin的代码太长我们这里只展示构造方法（构造方法就是构造红黑树的过程）：
static final class TreeBin&K,V& extends Node&K,V& {
TreeNode&K, V&
volatile TreeNode&K, V&
volatile T
volatile int lockS
static final int WRITER = 1; // set while holding write lock
static final int WAITER = 2; // set when waiting for write lock
static final int READER = 4; // increment value for setting read lock
TreeBin(TreeNode&K, V& b) {
super(TREEBIN, null, null, null);
this.first =
TreeNode&K, V& r =
for (TreeNode&K, V& x = b, x != x = next) {
next = (TreeNode&K, V&) x.
x.left = x.right =
if (r == null) {
x.parent =
int h = x.
Class&?& kc =
for (TreeNode&K, V& p = ; ) {
if ((ph = p.hash) & h)
else if (ph & h)
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode&K, V& xp =
if ((p = (dir &= 0) ? p.left : p.right) == null) {
x.parent =
if (dir &= 0)
xp.right =
r = balanceInsertion(r, x);
this.root =
assert checkInvariants(root);
/** 省略很多代码 */
通过构造方法是不是发现了部分端倪，构造方法就是在构造一个红黑树的过程。
ForwardingNode
这是一个真正的辅助类，该类仅仅只存活在ConcurrentHashMap扩容操作时。只是一个标志节点，并且指向nextTable，它提供find方法而已。该类也是集成Node节点，其hash为-1，key、value、next均为null。如下：
static final class ForwardingNode&K,V& extends Node&K,V& {
final Node&K,V&[] nextT
ForwardingNode(Node&K,V&[] tab) {
super(MOVED, null, null, null);
this.nextTable =
Node&K,V& find(int h, Object k) {
// loop to avoid arbitrarily deep recursion on forwarding nodes
outer: for (Node&K,V&[] tab = nextT;) {
if (k == null || tab == null || (n = tab.length) == 0 ||
(e = tabAt(tab, (n - 1) & h)) == null)
for (;;) {
if ((eh = e.hash) == h &&
((ek = e.key) == k || (ek != null && k.equals(ek))))
if (eh & 0) {
if (e instanceof ForwardingNode) {
tab = ((ForwardingNode&K,V&)e).nextT
return e.find(h, k);
if ((e = e.next) == null)
ConcurrentHashMap提供了一系列的构造函数用于创建ConcurrentHashMap对象：
public ConcurrentHashMap() {
public ConcurrentHashMap(int initialCapacity) {
if (initialCapacity & 0)
throw new IllegalArgumentException();
int cap = ((initialCapacity &= (MAXIMUM_CAPACITY &&& 1)) ?
MAXIMUM_CAPACITY :
tableSizeFor(initialCapacity + (initialCapacity &&& 1) + 1));
this.sizeCtl =
public ConcurrentHashMap(Map&? extends K, ? extends V& m) {
this.sizeCtl = DEFAULT_CAPACITY;
putAll(m);
public ConcurrentHashMap(int initialCapacity, float loadFactor) {
this(initialCapacity, loadFactor, 1);
public ConcurrentHashMap(int initialCapacity,
float loadFactor, int concurrencyLevel) {
if (!(loadFactor & 0.0f) || initialCapacity & 0 || concurrencyLevel &= 0)
throw new IllegalArgumentException();
if (initialCapacity & concurrencyLevel)
// Use at least as many bins
initialCapacity = concurrencyL
// as estimated threads
long size = (long)(1.0 + (long)initialCapacity / loadFactor);
int cap = (size &= (long)MAXIMUM_CAPACITY) ?
MAXIMUM_CAPACITY : tableSizeFor((int)size);
this.sizeCtl =
初始化： initTable()
ConcurrentHashMap的初始化主要由initTable()方法实现，在上面的构造函数中我们可以看到，其实ConcurrentHashMap在构造函数中并没有做什么事，仅仅只是设置了一些参数而已。其真正的初始化是发生在插入的时候，例如put、merge、compute、computeIfAbsent、computeIfPresent操作时。其方法定义如下：
private final Node&K,V&[] initTable() {
Node&K,V&[]
while ((tab = table) == null || tab.length == 0) {
//sizeCtl & 0 表示有其他线程在初始化，该线程必须挂起
if ((sc = sizeCtl) & 0)
Thread.yield();
// 如果该线程获取了初始化的权利，则用CAS将sizeCtl设置为-1，表示本线程正在初始化
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
// 进行初始化
if ((tab = table) == null || tab.length == 0) {
int n = (sc & 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
Node&K,V&[] nt = (Node&K,V&[])new Node&?,?&[n];
table = tab =
// 下次扩容的大小
sc = n - (n &&& 2); ///相当于0.75*n 设置一个扩容的阈值
} finally {
初始化方法initTable()的关键就在于sizeCtl，该值默认为0，如果在构造函数时有参数传入该值则为2的幂次方。该值如果 & 0，表示有其他线程正在初始化，则必须暂停该线程。如果线程获得了初始化的权限则先将sizeCtl设置为-1，防止有其他线程进入，最后将sizeCtl设置0.75 * n，表示扩容的阈值。
ConcurrentHashMap最常用的put、get操作，ConcurrentHashMap的put操作与HashMap并没有多大区别，其核心思想依然是根据hash值计算节点插入在table的位置，如果该位置为空，则直接插入，否则插入到链表或者树中。但是ConcurrentHashMap会涉及到多线程情况就会复杂很多。我们先看源代码，然后根据源代码一步一步分析：
public V put(K key, V value) {
return putVal(key, value, false);
final V putVal(K key, V value, boolean onlyIfAbsent) {
//key、value均不能为null
if (key == null || value == null) throw new NullPointerException();
//计算hash值
int hash = spread(key.hashCode());
int binCount = 0;
for (Node&K,V&[] tab =;) {
Node&K,V& int n, i,
// table为null，进行初始化工作
if (tab == null || (n = tab.length) == 0)
tab = initTable();
//如果i位置没有节点，则直接插入，不需要加锁
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
if (casTabAt(tab, i, null,
new Node&K,V&(hash, key, value, null)))
// no lock when adding to empty bin
// 有线程正在进行扩容操作，则先帮助扩容
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
V oldVal =
//对该节点进行加锁处理（hash值相同的链表的头节点），对性能有点儿影响
synchronized (f) {
if (tabAt(tab, i) == f) {
//fh & 0 表示为链表，将该节点插入到链表尾部
if (fh &= 0) {
binCount = 1;
for (Node&K,V& e =; ++binCount) {
//hash 和 key 都一样，替换value
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.
//putIfAbsent()
if (!onlyIfAbsent)
Node&K,V& pred =
//链表尾部
if ((e = e.next) == null) {
pred.next = new Node&K,V&(hash, key,
value, null);
//树节点，按照树的插入操作进行插入
else if (f instanceof TreeBin) {
binCount = 2;
if ((p = ((TreeBin&K,V&)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.
if (!onlyIfAbsent)
if (binCount != 0) {
// 如果链表长度已经达到临界值8 就需要把链表转换为树结构
if (binCount &= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldV
//size + 1
addCount(1L, binCount);
按照上面的源码，我们可以确定put整个流程如下：
判空；ConcurrentHashMap的key、value都不允许为null
计算hash。利用方法计算hash值。
static final int spread(int h) {
return (h ^ (h &&& 16)) & HASH_BITS;
遍历table，进行节点插入操作，过程如下：
如果table为空，则表示ConcurrentHashMap还没有初始化，则进行初始化操作：initTable()根据hash值获取节点的位置i，若该位置为空，则直接插入，这个过程是不需要加锁的。计算f位置：i=(n - 1) & hash
如果检测到fh = f.hash == -1，则f是ForwardingNode节点，表示有其他线程正在进行扩容操作，则帮助线程一起进行扩容操作
如果f.hash &= 0 表示是链表结构，则遍历链表，如果存在当前key节点则替换value，否则插入到链表尾部。如果f是TreeBin类型节点，则按照红黑树的方法更新或者增加节点
若链表长度 & TREEIFY_THRESHOLD(默认是8)，则将链表转换为红黑树结构调用addCount方法，ConcurrentHashMap的size + 1这里整个put操作已经完成。get操作
ConcurrentHashMap的get操作还是挺简单的，无非就是通过hash来找key相同的节点而已，当然需要区分链表和树形两种情况
public V get(Object key) {
Node&K,V&[] Node&K,V& e, int n, K
// 计算hash
int h = spread(key.hashCode());
if ((tab = table) != null && (n = tab.length) & 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
// 搜索到的节点key与传入的key相同且不为null,直接返回这个节点
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
else if (eh & 0)
return (p = e.find(h, key)) != null ? p.val :
// 链表，遍历
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
get操作的整个逻辑非常清楚： - 计算hash值 - 判断table是否为空，如果为空，直接返回null - 根据hash值获取table中的Node节点（tabAt(tab, (n - 1) & h)），然后根据链表或者树形方式找到相对应的节点，返回其value值。
ConcurrentHashMap的size()方法我们虽然用得不是很多，但是我们还是很有必要去了解的。ConcurrentHashMap的size()方法返回的是一个不精确的值，因为在进行统计的时候有其他线程正在进行插入和删除操作。当然为了这个不精确的值，ConcurrentHashMap也是操碎了心。为了更好地统计size，ConcurrentHashMap提供了baseCount、counterCells两个辅助变量和一个CounterCell辅助内部类。
@sun.misc.Contended static final class CounterCell {
CounterCell(long x) { value = }
//ConcurrentHashMap中元素个数,但返回的不一定是当前Map的真实元素个数。基于CAS无锁更新
private transient volatile long baseC
private transient volatile CounterCell[] counterC
这里我们需要清楚CounterCell 的定义size()方法定义如下：
public int size() {
long n = sumCount();
return ((n & 0L) ? 0 :
(n & (long)Integer.MAX_VALUE) ? Integer.MAX_VALUE :
内部调用sunmCount()：
final long sumCount() {
CounterCell[] as = counterC CounterC
long sum = baseC
if (as != null) {
for (int i = 0; i & as. ++i) {
//遍历，所有counter求和
if ((a = as[i]) != null)
sumCount()就是迭代counterCells来统计sum的过程。我们知道put操作时，肯定会影响size()，我们就来看看CouncurrentHashMap是如何为了这个不和谐的size()操碎了心。
在put()方法最后会调用addCount()方法，该方法主要做两件事，一件更新baseCount的值，第二件检测是否进行扩容，我们只看更新baseCount部分：
private final void addCount(long x, int check) {
CounterCell[] long b,
// s = b + x，完成baseCount++操作；
if ((as = counterCells) != null ||
!U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) {
boolean uncontended =
if (as == null || (m = as.length - 1) & 0 ||
(a = as[ThreadLocalRandom.getProbe() & m]) == null ||
!(uncontended =
U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) {
多线程CAS发生失败时执行
fullAddCount(x, uncontended);
if (check &= 1)
s = sumCount();
// 检查是否进行扩容
x == 1，如果counterCells == null，则U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)，如果并发竞争比较大可能会导致改过程失败，如果失败则最终会调用fullAddCount()方法。其实为了提高高并发的时候baseCount可见性的失败问题，又避免一直重试，JDK 8 引入了类Striped64,其中LongAdder和DoubleAdder都是基于该类实现的，而CounterCell也是基于Striped64实现的。如果counterCells ！= null，且uncontended = U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x)也失败了，同样会调用fullAddCount()方法，最后调用sumCount()计算s。
其实在1.8中，它不推荐size()方法，而是推崇mappingCount()方法，该方法的定义和size()方法基本一致：
public long mappingCount() {
long n = sumCount();
return (n & 0L) ? 0L : // ignore transient negative values
当ConcurrentHashMap中table元素个数达到了容量阈值（sizeCtl）时，则需要进行扩容操作。在put操作时最后一个会调用addCount(long x, int check)，该方法主要做两个工作：1.更新baseCount；2.检测是否需要扩容操作。如下：
private final void addCount(long x, int check) {
CounterCell[] long b,
// 更新baseCount
//check &= 0 :则需要进行扩容操作
if (check &= 0) {
Node&K,V&[] tab, int n,
while (s &= (long)(sc = sizeCtl) && (tab = table) != null &&
(n = tab.length) & MAXIMUM_CAPACITY) {
int rs = resizeStamp(n);
if (sc & 0) {
if ((sc &&& RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || (nt = nextTable) == null ||
transferIndex &= 0)
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1))
transfer(tab, nt);
//当前线程是唯一的或是第一个发起扩容的线程
此时nextTable=null
else if (U.compareAndSwapInt(this, SIZECTL, sc,
(rs && RESIZE_STAMP_SHIFT) + 2))
transfer(tab, null);
s = sumCount();
transfer()方法为ConcurrentHashMap扩容操作的核心方法。由于ConcurrentHashMap支持多线程扩容，而且也没有进行加锁，所以实现会变得有点儿复杂。整个扩容操作分为两步：
构建一个nextTable，其大小为原来大小的两倍，这个步骤是在单线程环境下完成的
将原来table里面的内容复制到nextTable中，这个步骤是允许多线程操作的，所以性能得到提升，减少了扩容的时间消耗我们先来看看源代码，然后再一步一步分析：
private final void transfer(Node&K,V&[] tab, Node&K,V&[] nextTab) {
int n = tab.length,
// 每核处理的量小于16，则强制赋值16
if ((stride = (NCPU & 1) ? (n &&& 3) / NCPU : n) & MIN_TRANSFER_STRIDE)
stride = MIN_TRANSFER_STRIDE; // subdivide range
if (nextTab == null) {
// initiating
@SuppressWarnings("unchecked")
Node&K,V&[] nt = (Node&K,V&[])new Node&?,?&[n && 1];
//构建一个nextTable对象，其容量为原来容量的两倍
} catch (Throwable ex) {
// try to cope with OOME
sizeCtl = Integer.MAX_VALUE;
nextTable = nextT
transferIndex =
int nextn = nextTab.
// 连接点指针，用于标志位（fwd的hash值为-1，fwd.nextTable=nextTab）
ForwardingNode&K,V& fwd = new ForwardingNode&K,V&(nextTab);
// 当advance == true时，表明该节点已经处理过了
boolean advance =
boolean finishing = // to ensure sweep before committing nextTab
for (int i = 0, bound = 0;;) {
// 控制 --i ,遍历原hash表中的节点
while (advance) {
int nextIndex, nextB
if (--i &= bound || finishing)
else if ((nextIndex = transferIndex) &= 0) {
// 用CAS计算得到的transferIndex
else if (U.compareAndSwapInt
(this, TRANSFERINDEX, nextIndex,
nextBound = (nextIndex & stride ?
nextIndex - stride : 0))) {
bound = nextB
i = nextIndex - 1;
if (i & 0 || i &= n || i + n &= nextn) {
// 已经完成所有节点复制了
if (finishing) {
nextTable =
table = nextT
// table 指向nextTable
sizeCtl = (n && 1) - (n &&& 1);
// sizeCtl阈值为原来的1.5倍
// 跳出死循环，
// CAS 更扩容阈值，在这里面sizectl值减一，说明新加入一个线程参与到扩容操作
if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) {
if ((sc - 2) != resizeStamp(n) && RESIZE_STAMP_SHIFT)
finishing = advance =
i = // recheck before commit
// 遍历的节点为null，则放入到ForwardingNode 指针节点
else if ((f = tabAt(tab, i)) == null)
advance = casTabAt(tab, i, null, fwd);
// f.hash == -1 表示遍历到了ForwardingNode节点，意味着该节点已经处理过了
// 这里是控制并发扩容的核心
else if ((fh = f.hash) == MOVED)
advance = // already processed
// 节点加锁
synchronized (f) {
// 节点复制工作
if (tabAt(tab, i) == f) {
Node&K,V& ln,
// fh &= 0 ,表示为链表节点
if (fh &= 0) {
// 构造两个链表
一个是原链表
另一个是原链表的反序排列
int runBit = fh &
Node&K,V& lastRun =
for (Node&K,V& p = f. p != p = p.next) {
int b = p.hash &
if (b != runBit) {
if (runBit == 0) {
ln = lastR
hn = lastR
for (Node&K,V& p = p != lastR p = p.next) {
int ph = p. K pk = p. V pv = p.
if ((ph & n) == 0)
ln = new Node&K,V&(ph, pk, pv, ln);
hn = new Node&K,V&(ph, pk, pv, hn);
// 在nextTable i 位置处插上链表
setTabAt(nextTab, i, ln);
// 在nextTable i + n 位置处插上链表
setTabAt(nextTab, i + n, hn);
// 在table i 位置处插上ForwardingNode 表示该节点已经处理过了
setTabAt(tab, i, fwd);
// advance = true 可以执行--i动作，遍历节点
// 如果是TreeBin，则按照红黑树进行处理，处理逻辑与上面一致
else if (f instanceof TreeBin) {
TreeBin&K,V& t = (TreeBin&K,V&)f;
TreeNode&K,V& lo = null, loTail =
TreeNode&K,V& hi = null, hiTail =
int lc = 0, hc = 0;
for (Node&K,V& e = t. e != e = e.next) {
int h = e.
TreeNode&K,V& p = new TreeNode&K,V&
(h, e.key, e.val, null, null);
if ((h & n) == 0) {
if ((p.prev = loTail) == null)
loTail.next =
if ((p.prev = hiTail) == null)
hiTail.next =
// 扩容后树节点个数若&=6，将树转链表
ln = (lc &= UNTREEIFY_THRESHOLD) ? untreeify(lo) :
(hc != 0) ? new TreeBin&K,V&(lo) :
hn = (hc &= UNTREEIFY_THRESHOLD) ? untreeify(hi) :
(lc != 0) ? new TreeBin&K,V&(hi) :
setTabAt(nextTab, i, ln);
setTabAt(nextTab, i + n, hn);
setTabAt(tab, i, fwd);
上面的源码有点儿长，稍微复杂了一些，在这里我们抛弃它多线程环境，我们从单线程角度来看：
为每个内核分任务，并保证其不小于16
检查nextTable是否为null，如果是，则初始化nextTable，使其容量为table的两倍
死循环遍历节点，知道finished：节点从table复制到nextTable中，支持并发，请思路如下：
如果节点 f 为null，则插入ForwardingNode（采用pareAndSwapObjectf方法实现），这个是触发并发扩容的关键
如果f为链表的头节点（fh &= 0）,则先构造一个反序链表，然后把他们分别放在nextTable的i和i + n位置，并将ForwardingNode 插入原节点位置，代表已经处理过了
如果f为TreeBin节点，同样也是构造一个反序 ，同时需要判断是否需要进行unTreeify()操作，并把处理的结果分别插入到nextTable的i 和i+nw位置，并插入ForwardingNode 节点
所有节点复制完成后，则将table指向nextTable，同时更新sizeCtl = nextTable的0.75倍，完成扩容过程
在多线程环境下，ConcurrentHashMap用两点来保证正确性：ForwardingNode和synchronized。当一个线程遍历到的节点如果是ForwardingNode，则继续往后遍历，如果不是，则将该节点加锁，防止其他线程进入，完成后设置ForwardingNode节点，以便要其他线程可以看到该节点已经处理过了，如此交叉进行，高效而又安全。下图是扩容的过程（来自：）：
这里写图片描述
在put操作时如果发现fh.hash = -1，则表示正在进行扩容操作，则当前线程会协助进行扩容操作。
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
helpTransfer()方法为协助扩容方法，当调用该方法的时候，nextTable一定已经创建了，所以该方法主要则是进行复制工作。如下：
final Node&K,V&[] helpTransfer(Node&K,V&[] tab, Node&K,V& f) {
Node&K,V&[] nextT
if (tab != null && (f instanceof ForwardingNode) &&
(nextTab = ((ForwardingNode&K,V&)f).nextTable) != null) {
int rs = resizeStamp(tab.length);
while (nextTab == nextTable && table == tab &&
(sc = sizeCtl) & 0) {
if ((sc &&& RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 ||
sc == rs + MAX_RESIZERS || transferIndex &= 0)
if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) {
transfer(tab, nextTab);
return nextT
转换红黑树
在put操作是，如果发现链表结构中的元素超过了TREEIFY_THRESHOLD（默认为8），则会把链表转换为红黑树，已便于提高查询效率。如下：
if (binCount &= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
调用treeifyBin方法用与将链表转换为红黑树。
private final void treeifyBin(Node&K,V&[] tab, int index) {
Node&K,V& int n,
if (tab != null) {
if ((n = tab.length) & MIN_TREEIFY_CAPACITY)//如果table.length&64 就扩大一倍 返回
tryPresize(n && 1);
else if ((b = tabAt(tab, index)) != null && b.hash &= 0) {
synchronized (b) {
if (tabAt(tab, index) == b) {
TreeNode&K,V& hd = null, tl =
//构造了一个TreeBin对象 把所有Node节点包装成TreeNode放进去
for (Node&K,V& e = e != e = e.next) {
TreeNode&K,V& p =
new TreeNode&K,V&(e.hash, e.key, e.val,
null, null);//这里只是利用了TreeNode封装 而没有利用TreeNode的next域和parent域
if ((p.prev = tl) == null)
//在原来index的位置 用TreeBin替换掉原来的Node对象
setTabAt(tab, index, new TreeBin&K,V&(hd));
从上面源码可以看出，构建红黑树的过程是同步的，进入同步后过程如下：
根据table中index位置Node链表，重新生成一个hd为头结点的TreeNode
根据hd头结点，生成TreeBin树结构，并用TreeBin替换掉原来的Node对象。
整个红黑树的构建过程有点儿复杂，关于ConcurrentHashMap 红黑树的构建过程，我们后续分析。
原文地址 ：