<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                合規國際互聯網加速 OSASE為企業客戶提供高速穩定SD-WAN國際加速解決方案。 廣告
                我在之前兩講介紹了 Java 集合框架的典型容器類,它們絕大部分都不是線程安全的,僅有的線程安全實現,比如 Vector、Stack,在性能方面也遠不盡如人意。幸好 Java 語言提供了并發包(java.util.concurrent),為高度并發需求提供了更加全面的工具支持。 今天我要問你的問題是,如何保證容器是線程安全的?ConcurrentHashMap 如何實現高效地線程安全? ## 典型回答 Java 提供了不同層面的線程安全支持。在傳統集合框架內部,除了 Hashtable 等同步容器,還提供了所謂的同步包裝器(Synchronized Wrapper),我們可以調用 Collections 工具類提供的包裝方法,來獲取一個同步的包裝容器(如 Collections.synchronizedMap),但是它們都是利用非常粗粒度的同步方式,在高并發情況下,性能比較低下。 另外,更加普遍的選擇是利用并發包提供的線程安全容器類,它提供了: * 各種并發容器,比如 ConcurrentHashMap、CopyOnWriteArrayList。 * 各種線程安全隊列(Queue/Deque),如 ArrayBlockingQueue、SynchronousQueue。 * 各種有序容器的線程安全版本等。 具體保證線程安全的方式,包括有從簡單的 synchronize 方式,到基于更加精細化的,比如基于分離鎖實現的 ConcurrentHashMap 等并發實現等。具體選擇要看開發的場景需求,總體來說,并發包內提供的容器通用場景,遠優于早期的簡單同步實現。 ## 考點分析 談到線程安全和并發,可以說是 Java 面試中必考的考點,我上面給出的回答是一個相對寬泛的總結,而且 ConcurrentHashMap 等并發容器實現也在不斷演進,不能一概而論。 如果要深入思考并回答這個問題及其擴展方面,至少需要: * 理解基本的線程安全工具。 * 理解傳統集合框架并發編程中 Map 存在的問題,清楚簡單同步方式的不足。 * 梳理并發包內,尤其是 ConcurrentHashMap 采取了哪些方法來提高并發表現。 * 最好能夠掌握 ConcurrentHashMap 自身的演進,目前的很多分析資料還是基于其早期版本。 今天我主要是延續專欄之前兩講的內容,重點解讀經常被同時考察的 HashMap 和 ConcurrentHashMap。今天這一講并不是對并發方面的全面梳理,畢竟這也不是專欄一講可以介紹完整的,算是個開胃菜吧,類似 CAS 等更加底層的機制,后面會在 Java 進階模塊中的并發主題有更加系統的介紹。 ## 知識擴展 1\. 為什么需要 ConcurrentHashMap? Hashtable 本身比較低效,因為它的實現基本就是將 put、get、size 等各種方法加上“synchronized”。簡單來說,這就導致了所有并發操作都要競爭同一把鎖,一個線程在進行同步操作時,其他線程只能等待,大大降低了并發操作的效率。 前面已經提過 HashMap 不是線程安全的,并發情況會導致類似 CPU 占用 100% 等一些問題,那么能不能利用 Collections 提供的同步包裝器來解決問題呢? 看看下面的代碼片段,我們發現同步包裝器只是利用輸入 Map 構造了另一個同步版本,所有操作雖然不再聲明成為 synchronized 方法,但是還是利用了“this”作為互斥的 mutex,沒有真正意義上的改進! ~~~ private static class SynchronizedMap<K,V> implements Map<K,V>, Serializable { private final Map<K,V> m; // Backing Map final Object mutex; // Object on which to synchronize // … public int size() { synchronized (mutex) {return m.size();} } // … } ~~~ 所以,Hashtable 或者同步包裝版本,都只是適合在非高度并發的場景下。 2.ConcurrentHashMap 分析 我們再來看看 ConcurrentHashMap 是如何設計實現的,為什么它能大大提高并發效率。 首先,我這里強調,**ConcurrentHashMap 的設計實現其實一直在演化**,比如在 Java 8 中就發生了非常大的變化(Java 7 其實也有不少更新),所以,我這里將比較分析結構、實現機制等方面,對比不同版本的主要區別。 早期 ConcurrentHashMap,其實現是基于: * 分離鎖,也就是將內部進行分段(Segment),里面則是 HashEntry 的數組,和 HashMap 類似,哈希相同的條目也是以鏈表形式存放。 * HashEntry 內部使用 volatile 的 value 字段來保證可見性,也利用了不可變對象的機制以改進利用 Unsafe 提供的底層能力,比如 volatile access,去直接完成部分操作,以最優化性能,畢竟 Unsafe 中的很多操作都是 JVM intrinsic 優化過的。 你可以參考下面這個早期 ConcurrentHashMap 內部結構的示意圖,其核心是利用分段設計,在進行并發操作的時候,只需要鎖定相應段,這樣就有效避免了類似 Hashtable 整體同步的問題,大大提高了性能。 ![](https://img.kancloud.cn/d4/5b/d45bcf9a34da2ef1ef335532b0198bd9_881x611.png) 在構造的時候,Segment 的數量由所謂的 concurrentcyLevel 決定,默認是 16,也可以在相應構造函數直接指定。注意,Java 需要它是 2 的冪數值,如果輸入是類似 15 這種非冪值,會被自動調整到 16 之類 2 的冪數值。 具體情況,我們一起看看一些 Map 基本操作的[源碼](http://hg.openjdk.java.net/jdk7/jdk7/jdk/file/9b8c96f96a0f/src/share/classes/java/util/concurrent/ConcurrentHashMap.java),這是 JDK 7 比較新的 get 代碼。針對具體的優化部分,為方便理解,我直接注釋在代碼段里,get 操作需要保證的是可見性,所以并沒有什么同步邏輯。 ~~~ public V get(Object key) { Segment<K,V> s; // manually integrate access methods to reduce overhead HashEntry<K,V>[] tab; int h = hash(key.hashCode()); // 利用位操作替換普通數學運算 long u = (((h >>> segmentShift) & segmentMask) << SSHIFT) + SBASE; // 以 Segment 為單位,進行定位 // 利用 Unsafe 直接進行 volatile access if ((s = (Segment<K,V>)UNSAFE.getObjectVolatile(segments, u)) != null && (tab = s.table) != null) { // 省略 } return null; } ~~~ 而對于 put 操作,首先是通過二次哈希避免哈希沖突,然后以 Unsafe 調用方式,直接獲取相應的 Segment,然后進行線程安全的 put 操作: ~~~ public V put(K key, V value) { Segment<K,V> s; if (value == null) throw new NullPointerException(); // 二次哈希,以保證數據的分散性,避免哈希沖突 int hash = hash(key.hashCode()); int j = (hash >>> segmentShift) & segmentMask; if ((s = (Segment<K,V>)UNSAFE.getObject // nonvolatile; recheck (segments, (j << SSHIFT) + SBASE)) == null) // in ensureSegment s = ensureSegment(j); return s.put(key, hash, value, false); } ~~~ 其核心邏輯實現在下面的內部方法中: ~~~ final V put(K key, int hash, V value, boolean onlyIfAbsent) { // scanAndLockForPut 會去查找是否有 key 相同 Node // 無論如何,確保獲取鎖 HashEntry<K,V> node = tryLock() ? null : scanAndLockForPut(key, hash, value); V oldValue; try { HashEntry<K,V>[] tab = table; int index = (tab.length - 1) & hash; HashEntry<K,V> first = entryAt(tab, index); for (HashEntry<K,V> e = first;;) { if (e != null) { K k; // 更新已有 value... } else { // 放置 HashEntry 到特定位置,如果超過閾值,進行 rehash // ... } } } finally { unlock(); } return oldValue; } ~~~ 所以,從上面的源碼清晰的看出,在進行并發寫操作時: * ConcurrentHashMap 會獲取再入鎖,以保證數據一致性,Segment 本身就是基于 ReentrantLock 的擴展實現,所以,在并發修改期間,相應 Segment 是被鎖定的。 * 在最初階段,進行重復性的掃描,以確定相應 key 值是否已經在數組里面,進而決定是更新還是放置操作,你可以在代碼里看到相應的注釋。重復掃描、檢測沖突是 ConcurrentHashMap 的常見技巧。 * 我在專欄上一講介紹 HashMap 時,提到了可能發生的擴容問題,在 ConcurrentHashMap 中同樣存在。不過有一個明顯區別,就是它進行的不是整體的擴容,而是單獨對 Segment 進行擴容,細節就不介紹了。 另外一個 Map 的 size 方法同樣需要關注,它的實現涉及分離鎖的一個副作用。 試想,如果不進行同步,簡單的計算所有 Segment 的總值,可能會因為并發 put,導致結果不準確,但是直接鎖定所有 Segment 進行計算,就會變得非常昂貴。其實,分離鎖也限制了 Map 的初始化等操作。 所以,ConcurrentHashMap 的實現是通過重試機制(RETRIES\_BEFORE\_LOCK,指定重試次數 2),來試圖獲得可靠值。如果沒有監控到發生變化(通過對比 Segment.modCount),就直接返回,否則獲取鎖進行操作。 下面我來對比一下,**在 Java 8 和之后的版本中,ConcurrentHashMap 發生了哪些變化呢?** * 總體結構上,它的內部存儲變得和我在專欄上一講介紹的 HashMap 結構非常相似,同樣是大的桶(bucket)數組,然后內部也是一個個所謂的鏈表結構(bin),同步的粒度要更細致一些。 * 其內部仍然有 Segment 定義,但僅僅是為了保證序列化時的兼容性而已,不再有任何結構上的用處。 * 因為不再使用 Segment,初始化操作大大簡化,修改為 lazy-load 形式,這樣可以有效避免初始開銷,解決了老版本很多人抱怨的這一點。 * 數據存儲利用 volatile 來保證可見性。 * 使用 CAS 等操作,在特定場景進行無鎖并發操作。 * 使用 Unsafe、LongAdder 之類底層手段,進行極端情況的優化。 先看看現在的數據存儲內部實現,我們可以發現 Key 是 final 的,因為在生命周期中,一個條目的 Key 發生變化是不可能的;與此同時 val,則聲明為 volatile,以保證可見性。 ~~~ static class Node<K,V> implements Map.Entry<K,V> { final int hash; final K key; volatile V val; volatile Node<K,V> next; // … } ~~~ 我這里就不再介紹 get 方法和構造函數了,相對比較簡單,直接看并發的 put 是如何實現的。 ~~~ final V putVal(K key, V value, boolean onlyIfAbsent) { if (key == null || value == null) throw new NullPointerException(); int hash = spread(key.hashCode()); int binCount = 0; for (Node<K,V>[] tab = table;;) { Node<K,V> f; int n, i, fh; K fk; V fv; if (tab == null || (n = tab.length) == 0) tab = initTable(); else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { // 利用 CAS 去進行無鎖線程安全操作,如果 bin 是空的 if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value))) break; } else if ((fh = f.hash) == MOVED) tab = helpTransfer(tab, f); else if (onlyIfAbsent // 不加鎖,進行檢查 && fh == hash && ((fk = f.key) == key || (fk != null && key.equals(fk))) && (fv = f.val) != null) return fv; else { V oldVal = null; synchronized (f) { // 細粒度的同步修改操作... } } // Bin 超過閾值,進行樹化 if (binCount != 0) { if (binCount >= TREEIFY_THRESHOLD) treeifyBin(tab, i); if (oldVal != null) return oldVal; break; } } } addCount(1L, binCount); return null; } ~~~ 初始化操作實現在 initTable 里面,這是一個典型的 CAS 使用場景,利用 volatile 的 sizeCtl 作為互斥手段:如果發現競爭性的初始化,就 spin 在那里,等待條件恢復;否則利用 CAS 設置排他標志。如果成功則進行初始化;否則重試。 請參考下面代碼: ~~~ private final Node<K,V>[] initTable() { Node<K,V>[] tab; int sc; while ((tab = table) == null || tab.length == 0) { // 如果發現沖突,進行 spin 等待 if ((sc = sizeCtl) < 0) Thread.yield(); // CAS 成功返回 true,則進入真正的初始化邏輯 else if (U.compareAndSetInt(this, SIZECTL, sc, -1)) { try { 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 = nt; sc = n - (n >>> 2); } } finally { sizeCtl = sc; } break; } } return tab; } ~~~ 當 bin 為空時,同樣是沒有必要鎖定,也是以 CAS 操作去放置。 你有沒有注意到,在同步邏輯上,它使用的是 synchronized,而不是通常建議的 ReentrantLock 之類,這是為什么呢?現代 JDK 中,synchronized 已經被不斷優化,可以不再過分擔心性能差異,另外,相比于 ReentrantLock,它可以減少內存消耗,這是個非常大的優勢。 與此同時,更多細節實現通過使用 Unsafe 進行了優化,例如 tabAt 就是直接利用 getObjectAcquire,避免間接調用的開銷。 ~~~ static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) { return (Node<K,V>)U.getObjectAcquire(tab, ((long)i << ASHIFT) + ABASE); } ~~~ 再看看,現在是如何實現 size 操作的。[閱讀代碼](http://hg.openjdk.java.net/jdk/jdk/file/12fc7bf488ec/src/java.base/share/classes/java/util/concurrent/ConcurrentHashMap.java)你會發現,真正的邏輯是在 sumCount 方法中, 那么 sumCount 做了什么呢? ~~~ final long sumCount() { CounterCell[] as = counterCells; CounterCell a; long sum = baseCount; if (as != null) { for (int i = 0; i < as.length; ++i) { if ((a = as[i]) != null) sum += a.value; } } return sum; } ~~~ 我們發現,雖然思路仍然和以前類似,都是分而治之的進行計數,然后求和處理,但實現卻基于一個奇怪的 CounterCell。 難道它的數值,就更加準確嗎?數據一致性是怎么保證的? ~~~ static final class CounterCell { volatile long value; CounterCell(long x) { value = x; } } ~~~ 其實,對于 CounterCell 的操作,是基于 java.util.concurrent.atomic.LongAdder 進行的,是一種 JVM 利用空間換取更高效率的方法,利用了[Striped64](http://hg.openjdk.java.net/jdk/jdk/file/12fc7bf488ec/src/java.base/share/classes/java/util/concurrent/atomic/Striped64.java)內部的復雜邏輯。這個東西非常小眾,大多數情況下,建議還是使用 AtomicLong,足以滿足絕大部分應用的性能需求。 今天我從線程安全問題開始,概念性的總結了基本容器工具,分析了早期同步容器的問題,進而分析了 Java 7 和 Java 8 中 ConcurrentHashMap 是如何設計實現的,希望 ConcurrentHashMap 的并發技巧對你在日常開發可以有所幫助。 ## 一課一練 關于今天我們討論的題目你做到心中有數了嗎?留一個道思考題給你,在產品代碼中,有沒有典型的場景需要使用類似 ConcurrentHashMap 這樣的并發容器呢?
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看