前言：
前段時間又看了一遍ConcurrentHashMap的源碼，對該並發容器的底層實現原理有了更進一步的了解，本想寫一篇關於ConcurrentHashMap的put方法所涉及的初始化以及擴容操作等的源碼解析的，但是這類文章在各平台上實在是太多了，寫了感覺意義不是很大。但學了東西，還是想着盡量能夠輸出點什么，所以就打算稍微寫寫點偏門的，關於ConcurrentHashMap中統計節點數目的size()方法的實現原理。由於JDK 1.7和1.8中ConcurrentHashMap的源碼發生了較大的變化，size()方法的底層實現也發生了變動。為此，本文將會通過對比兩個版本的size()方法的底層實現來加深對ConcurrentHashMap的理解。
關鍵字：
源碼、JDK1.7、JDK1.8、ConcurrentHashMap、LongAdder
思考：
在了解具體實現原理之前，我們可以先自己思考該如何實現並發容器中的節點數目統計問題。
一種很自然的想法是，用一個成員變量（size）來統計容器的節點數目，每次對容器進行put或者remove操作時，都對該成員變量（size）進行線程安全的更新。這樣，當要獲取容器的節點數目時，直接返回該值即可。
這樣的計數方法在返回結果的時候，速度很快，但是在統計的過程中存在着一個很明顯的問題，就是並發度不高。由於需要對該成員變量（size）進行線程安全的更新，為此只能采用獨占鎖（Synchronized、Lock等）或者CAS（AtomicInteger等）等方式來進行更新，無論采取何種方式，每次都只會允許一個線程執行成功。如果采用該方式來實現，節點統計將會成為該容器的瓶頸。且我們知道，ConcurrentHashMap為提高並發度，采用了分段鎖的方式（無論是JDK 1.7還是1.8版本，1.8版本的可以看成進一步提高了分段鎖的粒度）。為此，當采用一個成員變量線程安全更新的方式來實現時，分段鎖的實現也變得沒有了意義（因為要在每次put操作或者remove操作之后，執行對該變量的更新操作后才能返回）。
由於上面那種實現方式會導致存在性能瓶頸，那么為了並發而生的ConcurrentHashMap肯定是不能采用該方式實現的（事實證明，確實沒有采用該方式進行實現）。我們知道， ConcurrentHashMap的底層采用了分段鎖的方式。為此，另一種很自然的想法是讓每個分段自己去統計該區間的節點數目，當在調用size()方法時，先一次性獲取所有的分段鎖(防止在統計節點數目時，還在進行節點數目的變動)，將每個分段區間都給鎖住，之后依次獲取各個分段區間的節點數目進行匯總，從而得到ConcurrentHashMap全局的節點數目。那么該方法是否可行呢？事實上，在JDK 1.7中就是采用了該方式來進行實現的且對該實現方式進行了改進（先嘗試采用不獲取任何獨占鎖的方式進行統計）。我們可以知道，在JDK 1.7中，每次對ConcurrentHashMap執行put操作，都會獲取該分段區間對應的鎖。為此，該方式天然契合JDK 1.7中ConcurrentHashMap的實現，不會由於各個分段進行節點數目的統計而導致並發度降低的問題。
JDK1.7的實現方式：
在具體了解JDK1.7的實現之前，我們可以先看下JDK1.7中的源碼：
size為各個分段節點數目的總和，sum為各個segment的modCount的總和。我們知道，當segment對應的hashmap底層結構發生修改時(執行了put、remove操作)，modCount值便會加一，也就是modCount為segment對應的hashMap修改的次數，sum即為各個segment的修改次數的總和。last為上一次統計的各個segment的修改次數。通過源碼我們可以得知，其會先進行兩次非獲取獨占鎖的統計，當sum==last時，也就是上一次統計和這一次統計的過程中，ConcurrentHashMap的各個分段都沒有發生過改動(既沒有新增節點，也沒有刪除節點)，則size即為對應的結果。否則，就一次性獲取各個分段的獨占鎖，再度統計兩次各個分段的節點數，而由於兩次統計的過程中一直持有着各個分段的獨占鎖，為此，兩次統計的過程中不可能會有別的線程對該ConcurrentHashMap進行改動，sum和last值必定相同，最終會退出循環。也就是size()方法最多循環執行四次，便可以得到節點數統計的結果。
JDK1.8的實現方式：
JDK1.8中ConcurrentHashMap的size()方法的底層實現和在1.8中引入的LongAdder該並發計數類的底層實現原理是相同的。為此，我們只需要了解JDK1.8中LongAdder的底層實現方法便可知道ConcurrentHashMap中對size()方法的實現原理。
LongAdder該類繼承自Striped64，同時封裝了相關方法，以實現對並發計數的要求，Striped64該類借鑒了分段鎖的相關思想。其將原本所有線程對一個變量進行的線程安全的更新操作，擴展為不同線程對多個不同的計數單元的線程安全的操作。
當要獲取總數時，將多個計數單元的值進行累加求和，即可得到最終結果。
在講解LongAdder該類的源碼之前，我們先了解Striped64該類。
在Striped64該類中，有着如下幾個重要的成員變量和內部類：
NCPU表示系統CPU的數目，cells是計數單元的數組，其大小始終為2的n次方倍，目的是使取余運算更加高效。base作為基礎計數變量來使用，線程嘗試先將值加在該變量上，如果成功則返回，否則認為存在競爭，則應當去將值添加到對應的計數單元中。cellsBusy是一個用volatile修飾的變量，通過CAS原子更新的方式，充當了自旋鎖的作用，當該值為0時，表示該鎖可以使用，當該值為1時，表示某個線程獲取了鎖。
接着我們來看靜態內部類Cell：
內部類Cell為計數單元，其實現較為簡單，成員變量只有一個被volatile所修飾的long型變量value，對該值的修改是通過CAS的方式進行的，用於疊加各個線程記錄到該計數單元的值。值得注意的是，該類被注解@sun.misc.Contended所修飾，該注解是用於解決偽共享問題的，這里就暫時不展開討論偽共享的問題，留到下一篇文章中再講。
接着我們來看Striped64該類中的重要方法，longAccumulate()，該方法完成了計數單元數組cells的初始化，計數單元數組某個元素的初始化，擴容以及將值疊加到對應的計數單元上等相關操作。
我們先來解析當cells非空的情況，當其非空時，表明之前存在多線程更新base的值發生過沖突。
當cells數組非空，但對應的計數單元為空，且沒有其它線程獲取鎖時，其先嘗試實例化一個計數單元，同時將值傳遞給該計數單元，之后，嘗試獲取鎖，並將該計數單元賦值給cells數組對應的元素，完成賦值操作后，再釋放鎖，並退出循環，進行返回。
當cells數組非空，對應的計數單元也非空時，嘗試采用CAS的方式將值疊加到對應的計數單元中，當執行成功時返回。否則，判斷Cell數組的長度是否是最大的了(大於等於CPU的數目)，如已經是最大的了，則重新計算線程的hash值，繼續進行操作。如不是，則進行擴容操作。
我們從源碼中可以得知，每次cells數組擴容時，其大小為先前大小的2倍，同時將舊計數單元數組的每個元素直接復制到新表中，完成擴容的過程。以上便是當cells非空時，所進行的相關操作。
當cells數組為空時，其會先嘗試獲取鎖並初始化數組，同時將值疊加到對應的計數器單元中，當獲取鎖失敗時，則嘗試將值疊加到基礎計數變量base中，成功時返回，失敗時繼續循環操作。以上便是Striped64處理並發情況下統計值的整個過程。
總結：當cells數組非空時，嘗試將值疊加到某個數組元素所表示的計數單元中，疊加失敗時，表明存在多線程的競爭。此時，如果cells的大小小於CPU數目時，嘗試進行擴容操作，否則，將對應線程的hash值進行rehash后，重新執行循環過程。當cells為空時，嘗試對cells進行初始化，並將值疊加到對應的計數單元中，執行初始化完成之后返回。否則，當初始化失敗時，嘗試將值疊加到基礎計數變量base中，初始化成功時結束該過程並返回，失敗時，重新執行循環過程。
在了解了Striped64該類的主要實現方法和相關成員變量后，了解LongAdder該類的實現就是一件非常簡單的事情了。
下面我們對LongAdder該類的源碼進行解析。
我們可以看到，LongAdder類中核心的便是那個add()方法，當cells還沒有進行初始化時（表明之前不存在多線程的競爭累加），其先嘗試將值x通過CAS的方式累加到成員變量base中。當失敗時，表明存在多線程之間的競爭，隨后判斷計數單元cells是否已被初始化完成，如果已經初始化（被其它線程初始化），則嘗試通過將值x累加到某個計數單元中，當同樣失敗時，執行父類Striped64中的longAccumulate方法，將值累加到對應的計數單元或者base中，以完成累加的過程。
那么如何獲取統計操作后的結果呢？
其源碼實現如下所示：
從源碼中我們就可以得知，其累加了base變量的值和各個計數單元Cell的值作為結果進行返回。當該方法被調用的時候，其它線程可能還在進行着修改操作，為此，其最終返回的值並非是精確的當前情況下的統計結果，其只是一個“大概”值。當想要獲得精確值時，只能采用對各個計數單元進行加鎖的方式來實現。
一個問題：仔細想想，ConcurrentHashMap為何采用該方式來實現size()方法？我能想到的一個原因是ConcurrentHashMap並不需要在並發修改情況下的精確節點數目的值，由於ConcurrentHashMap該數據結構是為並發而生的，為此，獲取精確的節點數目的值本身意義並不大。當你消耗了性能，獲取了某個時刻節點數目的精確值，隨后還是可能會被其他線程修改，導致上一刻的值無法使用，為此獲取一個“大概”值便是一個較好的選擇。而采用該方法實現也是線程安全的，能夠確保沒有線程對其進行修改的時候，其值的准確性。
這個是本人的公眾號，致力於寫出絕大部分人都能讀懂的技術文章。歡迎相互交流，我們博采眾長，共同進步。
