【前言：無論是大數據從業人員還是Java從業人員，掌握Java高並發和多線程是必備技能之一。本文主要闡述Java並發包下的阻塞隊列和並發容器，其實研讀過大數據相關技術如Spark、Storm等源碼的，會發現它們底層大多用到了Java並發隊列、同步類容器、ReentrantLock等。建議大家結合本篇文章，仔細分析一下相關源碼】
BlockingQueue
阻塞隊列，位於java.util.concurrent並發包下，它很好的解決了多線程中如何安全、高效的數據傳輸問題。所謂“阻塞”是指在某些情況下線程被掛起，當滿足一定條件時會被自動喚醒，可以通過API進行控制。
常見的阻塞隊列主要分為兩種FIFO（先進先出）和LIFO（后進先出），當然通過不同的實現方式，還可以引申出多種不同類型的隊列。首先了解一下BlockingQueue的幾個核心API：put、take一對阻塞存取；add、poll一對非阻塞存取。
插入數據
put(anObj)：把anObj加到BlockingQueue里，如果BlockQueue沒有空間，則調用此方法的線程被阻塞，直到BlockingQueue里面有空間再繼續插入
add(anObj)：把anObj加到BlockingQueue里，如果BlockingQueue可以容納，則返回true，否則拋出異常
offer(anObj)：表示如果可能的話，將anObj加到BlockingQueue里，如果BlockingQueue可以容納，則返回true，否則返回false。
讀取數據
take()：取走BlockingQueue里排在首位的對象，若BlockingQueue為空，阻斷進入等待狀態，直到Blocking有新的對象被加入為止
poll(time)：取走BlockingQueue里排在首位的對象，若不能立即取出，則可以等time參數規定的時間，取不到時返回null
BlockingQueue核心成員介紹
ArrayBlockingQueue
基於數組實現的有界阻塞隊列。因為基於數組實現，所以具有查找快，增刪慢的特點。
生產者和消費者用的是同一把鎖，不能並行執行效率低。它底層使用了一種標准互斥鎖ReentrantLock，即讀讀、讀寫，寫寫都互斥，當然可以控制對象內部是否采用公平鎖，默認是非公平鎖。消費方式是FIFO。
生產和消費數據時，直接將枚舉對象插入或刪除，不會產生或銷毀額外的對象實例。
應用：因為底層生產和消費用了同一把鎖，定長數組不用頻繁創建和銷毀對象，適合於想按照隊列順序去執行任務，還不想出現頻繁的GC的場景。
LinkedBlockingQueue
基於鏈表實現的阻塞隊列，同樣具有增刪快，定位慢的特點。
需要注意一點：默認情況下創建的LinkedBlockingQueue容量是Integer.MAX_VALUE， 在這種情況下，如果生產者的速度一旦大於消費者的速度，可能還沒有等到隊列滿阻塞產生，系統內存就有可能已被消耗盡。可以通過指定容量創建LinkedBlockingQueue避免這種極端情況的發生。
雖然底層使用的也是ReentrantLock但take和put是分離的（生產和消費的鎖不是同一把鎖），高並發場景下效率仍然高於ArrayBlockingQueue。put方法在隊列滿的時候會阻塞直到有隊列成員被消費，take方法在隊列空的時候會阻塞，直到有隊列成員被放進來。
DelayQueue
DelayQueue是一個沒有大小限制的隊列，因此往隊列中插入數據的操作（生產者）永遠不會被阻塞，而只有獲取數據的操作（消費者）才會被阻塞。DelayQueue中的元素，只有指定的延遲時間到了，才能夠從隊列中獲取到該元素。
應用場景：
1.客戶端長時間占用連接的問題，超過這個空閑時間了，可以移除的
2.處理長時間不用的緩存:如果隊列里面的對象長時間不用，超過空閑時間，就移除
3.任務超時處理
PriorityBlockingQueue
PriorityBlockingQueue不會阻塞數據生產者，而只會在沒有可消費的數據時，阻塞數據的消費者。因此必須控制生產者生產數據的速度，避免消費者消費數據速度跟不上，否則時間一長，會最終耗盡所有的可用堆內存空間。
在向PriorityBlockingQueue中添加元素時，元素通過在實現實現Comparable接口，重寫compareTo()來定義優先級的邏輯。它內部控制線程同步的鎖采用的是公平鎖。
SynchronousQueue
一種無緩沖的等待隊列，來一個任務就執行這個任務，這期間不能添加任何的任務。也就是不用阻塞了，其實對於少量任務而言，這種做法更高效。
聲明一個SynchronousQueue有兩種不同的方式，公平模式和非公平模式:
公平模式：SynchronousQueue會采用公平鎖，並配合一個FIFO隊列來阻塞多余的生產者和消費者，從而體現整體的公平策略；
非公平模式（SynchronousQueue默認）：SynchronousQueue采用非公平鎖，同時配合一個LIFO隊列來管理多余的生產者和消費者，而后一種模式，如果生產者和消費者的處理速度有差距，則很容易出現飢渴的情況，即可能有某些生產者或者是消費者的數據永遠都得不到處理。
ConcurrentLinkedQueue
不上鎖，高並發場景效率遠高於ArrayBlockingQueue和LinkedBlockingQueue等
容器
同步類容器
第一類：Vector、Stack、HashTable都是同步類，線程安全的，但高並發場景下仍然可能出現問題如ConcurrentModificationException。
第二類：Collections提供的一些工廠類（靜態），效率低
並發類容器
CopyOnWrite容器
寫時復制的容器：當我們往一個容器添加元素的時候，不直接往當前容器添加，而是先將當前容器進行copy，復制出一個新的容器，然后往新的容器里添加元素，添加完元素之后，再將原容器的引用指向新的容器，非常適合讀多寫少的場景。
但同時存在如下問題：
數據一致性問題：CopyOnWrite容器是弱一致性的，即只能保證數據的最終一致性，不能保證數據的實時一致性。所以如果你希望寫入的的數據能夠即時讀到，不要使用CopyOnWrite容器。
內存占用問題：因為CopyOnWrite 的寫時復制機制，所以在進行寫操作的時候，內存里會同時駐扎兩個對象的內存，舊的對象和新寫入的對象。如果這些對象占用的內存比較大，如果控制不好，比如寫特別多的情景，很有可能造成頻繁的Yong GC 和Full GC。針對內存占用問題，可以通過壓縮容器中的元素的方法來減少大對象的內存消耗，或者不使用CopyOnWrite容器，而使用其他的並發容器，如ConcurrentHashMap。
有兩種常見的CopyOnWrite容器：CopyOnWriteArrayList和CopyOnWriteArraySet，其中CopyOnWriteArrayList是ArrayList 的一個線程安全的變體。
ConcurrentHashMap
筆者分JDK1.7和JDK1.8兩部分說明ConcurrentHashMap。
JDK1.7 ConcurrentHashMap
JDK1.7采用"鎖分段"技術來降低鎖的粒度，它把整個map划分為一系列由segment組成的單元，一個segment相當於一個hashtable。通過這種方式，加鎖的對象就從整個map變成了一個segment。ConcurrentHashMap線程安全並且提高性能原因就在於：對map中的讀是並發的，無需加鎖；只有在put、remove操作時才加鎖，而加鎖僅是對需要操作的segment加鎖，不會影響其他segment的讀寫。因此不同的segment之間可以並發使用，極大地提高了性能。
根據源碼又可得出查找、插入、刪除的過程：通過key的hash確定segement（插入時如果segment大小達到擴容閾值則進行擴容） --> 確定鏈表數組HashEntry下標（插入/刪除時，獲取鏈表頭） --> 遍歷鏈表【查詢：調用equals()進行比對，找到與所查找key相等的結點並讀取；插入：如果找到相同的key的結點則更新value值，如果沒有則插入新結點；刪除：找到被刪除結點后，以被刪除結點的next結點開始建立新的鏈表，然后再把原鏈表頭直到被刪結點的前繼結點依次復制、插入新鏈表，最后把新鏈表頭設置為當前數組下標元素取代舊鏈表。
JDK1.8ConcurrentHashMap
JDK1.8中的ConcurrentHashMap在JDK1.7上做了很多優化：
1. 取消segments字段，直接采用transient volatile HashEntry<K,V>[] table保存數據，采用table數組元素作為鎖，從而實現了對每一行數據進行加鎖，通過進一步降低鎖粒度來減少並發沖突的概率
2. 將原先table數組＋鏈表的數據結構，變更為table數組＋鏈表＋紅黑樹的結構。對於hash表來說，最核心的能力在於將key hash之后能均勻的分布在數組中。如果hash之后散列的很均勻，那么table數組中的每個隊列長度主要為0或者1。但實際情況並非總是如此理想，雖然ConcurrentHashMap類默認的加載因子為0.75，但是在數據量過大或者運氣不佳的情況下，還是會存在一些隊列長度過長的情況，如果還是采用單向列表方式，那么查詢某個節點的時間復雜度為O(n)；因此，對於個數超過8(默認值)的列表，jdk1.8中采用了紅黑樹的結構，那么查詢的時間復雜度可以降低到O(logN)，可以改進性能
3. 新增字段transient volatile CounterCell[] counterCells，可方便的計算集合中所有元素的個數，性能大大優於jdk1.7中的size()方法
相信通過這些介紹，大家對於諸如"為什么選擇ConcurrentHashMap？"會有很好的思路了。
關注微信公眾號：大數據學習與分享，獲取更對技術干貨