ConcurrentHashMap 和ConcurrentSkipListMap 详解

1. JUC包下的并发容器

Java的集合容器框架中，主要有四大类别：List、Set、Queue、Map，大家熟知的这些集合类ArrayList、LinkedList、HashMap这些容器都是非线程安全的。

所以，Java先提供了同步容器供用户使用。同步容器可以简单地理解为通过synchronized来实现同步的容器，比如Vector、Hashtable以及SynchronizedList等容器。这样做的代价是削弱了并发性，当多个线程共同竞争容器级的锁时，吞吐量就会降低。

因此为了解决同步容器的性能问题，所以才有了并发容器。java.util.concurrent包中提供了多种并发类容器：

CopyOnWriteArrayList

对应的非并发容器：ArrayList

目标：代替Vector、synchronizedList

原理：利用高并发往往是读多写少的特性，对读操作不加锁，对写操作，先复制一份新的集合，在新的集合上面修改，然后将新集合赋值给旧的引用，并通过volatile 保证其可见性，当然写操作的锁是必不可少的了。

CopyOnWriteArraySet

对应的非并发容器：HashSet

目标：代替synchronizedSet

原理：基于CopyOnWriteArrayList实现，其唯一的不同是在add时调用的是CopyOnWriteArrayList的addIfAbsent方法，其遍历当前Object数组，如Object数组中已有了当前元素，则直接返回，如果没有则放入Object数组的尾部，并返回。

ConcurrentHashMap

对应的非并发容器：HashMap

目标：代替Hashtable、synchronizedMap，支持复合操作

原理：JDK6中采用一种更加细粒度的加锁机制Segment“分段锁”，JDK8中采用CAS无锁算法。

ConcurrentSkipListMap

对应的非并发容器：TreeMap

目标：代替synchronizedSortedMap(TreeMap)

原理：Skip list（跳表）是一种可以代替平衡树的数据结构，默认是按照Key值升序的。

**
**

2. CopyOnWriteArrayList

并发容器（Map、List、Set）实战及其原理分析——CopyOnWriteArrayList篇

**
**

3. ConcurrentHashMap

ConcurrentHashMap 是 Java 中线程安全的哈希表，它支持高并发并且能够同时进行读写操作。

在JDK1.8之前，ConcurrentHashMap使用分段锁以在保证线程安全的同时获得更大的效率。JDK1.8开始舍弃了分段锁，使用自旋+CAS+synchronized关键字来实现同步。官方的解释中：一是节省内存空间，二是分段锁需要更多的内存空间，而大多数情况下，并发粒度达不到设置的粒度，竞争概率较小，反而导致更新的长时间等待（因为锁定一段后整个段就无法更新了）三是提高GC效率。

**
**

3.1 应用场景

ConcurrentHashMap 的应用场景包括但不限于以下几种：

共享数据的线程安全：在多线程编程中，如果需要进行共享数据的读写，可以使用 ConcurrentHashMap 保证线程安全。
缓存：ConcurrentHashMap 的高并发性能和线程安全能力，使其成为一种很好的缓存实现方案。在多线程环境下，使用 ConcurrentHashMap 作为缓存的数据结构，能够提高程序的并发性能，同时保证数据的一致性。

**
**

3.2 ConcurrentHashMap使用

基本用法

// 创建一个 ConcurrentHashMap 对象ConcurrentHashMap<Object, Object> concurrentHashMap = new ConcurrentHashMap<>();// 添加键值对concurrentHashMap.put("key", "value");// 添加一批键值对concurrentHashMap.putAll(new HashMap());// 使用指定的键获取值concurrentHashMap.get("key");// 判定是否为空concurrentHashMap.isEmpty();// 获取已经添加的键值对个数concurrentHashMap.size();// 获取已经添加的所有键的集合concurrentHashMap.keys();// 获取已经添加的所有值的集合concurrentHashMap.values();// 清空concurrentHashMap.clear();

其他方法：

V putIfAbsent(K key, V value)

如果 key 对应的 value 不存在，则 put 进去，返回 null。否则不 put，返回已存在的 value。

boolean remove(Object key, Object value)

如果 key 对应的值是 value，则移除 K-V，返回 true。否则不移除，返回 false。

boolean replace(K key, V oldValue, V newValue)

如果 key 对应的当前值是 oldValue，则替换为 newValue，返回 true。否则不替换，返回 false。

computeIfAbsent(key,Function)

如果存在则返回key的值。如果不存在，则Function返回值作为key的值

merge(key，value，BiFunction)

不存在指定的key时，将value设置为key的值。当key存在值时，执行BiFunction接收oldKey和value，返回结果设置为key的值。

统计文件中英文字母出现的总次数

将26个英文字母分别循环200次，每个字母作为一个单词，一共有5200个单词。
每个单词中间用”\n”分隔，乱序存入26个文件中
生成26个线程对26个文件中的单词进行计数，存入map中

1）生成测试文件

/** * 生成测试文件 * 
@throws IOException 
*/
public void produceData() throws IOException {    
//定义26个字母的字符串    
String data="abcdefghijklmnopqrstuvwxyz";    
List<String> list=new ArrayList<>();    
    //循环遍历26个字母，每个字母循环200次，最后将5200个字母放入集合    
    for (int i = 0; i < data.length(); i++) {        
        for (int j = 0; j < 200; j++) {            
            list.add(String.valueOf(data.charAt(i)));       
        }    
    }    //将集合打乱    Collections.shuffle(list);    //遍历26次。每次取出集合中的200个元素加上“换行符”放入文件中    for (int i = 0; i < 26; i++) {        
    try(FileWriter fw=new FileWriter((i+1)+".txt")){            
        fw.write(list.subList(i*200,(i+1)*200).stream().collect(Collectors.joining("\n")));        
    }   
}}

2）读取文件

/** * 定义读文件的方法 */private static void read(List list, int i) {    //创建输入缓冲字符流    try (BufferedReader bf = new BufferedReader(new FileReader((i + 1) + ".txt"))) {        String data;        //读取每行数据，判断是否为空        while ((data = bf.readLine()) != null) {            //将字母加入到集合中            list.add(data);        }    } catch (FileNotFoundException e) {        e.printStackTrace();    } catch (IOException e) {        e.printStackTrace();    }}

3）生成线程：操作每个文件对应的list，存放到线程共享的map

/** * 定义26个线程读26个文件并将结果放入map。map由函数式接口作为参数提供，放入map由Consumer函数式接口处理。 * * @param supplier 提供者：提供map集合存放单词计数 * @param consumer 消费者：对list（第二个参数）进行计数并存入map（第一个参数）中 */private static <T> void deal(Supplier<Map<String, T>> supplier, BiConsumer<Map<String, T>, List<String>> consumer) {    //获得map集合，用于存放单词计数    Map<String, T> map = supplier.get();    //利用闭锁保证26个线程都执行完任务    CountDownLatch count = new CountDownLatch(26);    //循环创建26个线程，读取26个文件的内容，并进行计数操作    for (int i = 0; i < 26; i++) {        int j = i;        new Thread(() -> {            List<String> list = new ArrayList();            //读取文件            read(list, j);            consumer.accept(map, list);            count.countDown();        }).start();    }    try {        count.await();    } catch (InterruptedException e) {        e.printStackTrace();    }    System.out.println(map);}

你要做的是实现两个参数

一是提供一个 map 集合，用来存放每个单词的计数结果，key 为单词，value 为计数
二是提供一组操作，保证计数的安全性，会传递 map 集合以及单词 List

正确结果输出应该是每个单词出现 200 次

1	{a=200, b=200, c=200, d=200, e=200, f=200, g=200, h=200, i=200, j=200, k=200, l=200, m=200, n=200, o=200, p=200, q=200, r=200, s=200, t=200, u=200, v=200, w=200, x=200, y=200, z=200}

4）测试代码

// 换成ConcurrentHashMap可以吗？deal(() -> new HashMap<String, Integer>(), (map, words) -> {    for (String word : words) {        Integer counter = map.get(word);        int newValue = counter == null ? 1 : counter + 1;        map.put(word, newValue);    }});//正确的实现1deal(() -> new ConcurrentHashMap<String, LongAdder>(), (map, list) -> {    //遍历集合内容    list.forEach(str -> {        //单词数累加：map中没有str的key则new LongAdder，有则进行加1        map.computeIfAbsent(str, (key) -> new LongAdder()).increment();    });});//正确的实现2deal(() -> new ConcurrentHashMap<String, Integer>(), (map, list) -> {    //遍历集合内容    list.forEach(str -> {        //单词数累加：map中没有str的key则set(str,1)，有则set(str,Integer.sum(oldvalue,1))        map.merge(str, 1, Integer::sum);    });});

3.3 数据结构

HashTable的数据结构

JDK1.7 中的ConcurrentHashMap

在jdk1.7中，结构是用Segments数组 + HashEntry数组 + 链表实现的（写分散的思想）。ConcurrentHashMap内部维护了一个Segment数组。每个Segment继承自ReentrantLock并且它内部本质上是一个Hash表。这样做的好处是能够减小锁的粒度，提高并发访问的效率。默认Segment 数量为 16，可以通过构造函数来修改默认值。当需要put或get一个元素时，线程首先通过hash定位到具体的Segment，然后在对应的Segment上进行锁定操作。

JDK1.8中的ConcurrentHashMap

jdk1.8抛弃了Segments分段锁的方案，而是改用了和HashMap一样的结构操作，也就是数组 + 链表 + 红黑树结构，比jdk1.7中的ConcurrentHashMap提高了效率，在并发方面，使用了cas + synchronized的方式保证数据的一致性

链表转化为红黑树需要满足2个条件:

链表的节点数量大于等于树化阈值8
Node数组的长度大于等于最小树化容量值64

1	#树化阈值为8static final int TREEIFY_THRESHOLD = 8;#最小树化容量值为64static final int MIN_TREEIFY_CAPACITY = 64;

4. ConcurrentSkipListMap

ConcurrentSkipListMap 是 Java 中的一种线程安全、基于跳表实现的有序映射（Map）数据结构。它是对 TreeMap 的并发实现，支持高并发读写操作。

ConcurrentSkipListMap适用于需要高并发性能、支持有序性和区间查询的场景，能够有效地提高系统的性能和可扩展性。

**
**

4.1 跳表

跳表是一种基于有序链表的数据结构，支持快速插入、删除、查找操作，其时间复杂度为O(log n)，比普通链表的O(n)更高效。

图一

图二

图三

**
**

跳表的特性有这么几点：

一个跳表结构由很多层数据结构组成。
每一层都是一个有序的链表，默认是升序。也可以自定义排序方法。
最底层链表（图中所示Level1）包含了所有的元素。
如果每一个元素出现在LevelN的链表中（N>1)，那么这个元素必定在下层链表出现。
每一个节点都包含了两个指针，一个指向同一级链表中的下一个元素，一个指向下一层级别链表中的相同值元素。

跳表的查找

**
**

跳表的插入

跳表插入数据的流程如下：

找到元素适合的插入层级K，这里的K采用随机的方式。若K大于跳表的总层级，那么开辟新的一层，否则在对应的层级插入。
申请新的节点。
调整对应的指针。

假设我要插入元素13，原有的层级是3级，假设K=4：

倘若K=2：

4.2 ConcurrentSkipListMap****使用

基本用法

public class ConcurrentSkipListMapDemo {    public static void main(String[] args) {        ConcurrentSkipListMap<Integer, String> map = new ConcurrentSkipListMap<>();                // 添加元素        map.put(1, "a");        map.put(3, "c");        map.put(2, "b");        map.put(4, "d");                // 获取元素        String value1 = map.get(2);        System.out.println(value1); // 输出：b                // 遍历元素        for (Integer key : map.keySet()) {            String value = map.get(key);            System.out.println(key + " : " + value);        }                // 删除元素        String value2 = map.remove(3);        System.out.println(value2); // 输出：c    }}

5. 电商场景中并发容器的选择

案例一：电商网站中记录一次活动下各个商品售卖的数量。

场景分析：需要频繁按商品id做get和set，但是商品id（key）的数量相对稳定不会频繁增删

初级方案：选用HashMap，key为商品id，value为商品购买的次数。每次下单取出次数，增加后再写入

问题：HashMap线程不安全！在多次商品id写入后，如果发生扩容，在JDK1.7 之前，在并发场景下HashMap 会出现死循环，从而导致CPU 使用率居高不下。JDK1.8 中修复了HashMap 扩容导致的死循环问题，但在高并发场景下，依然会有数据丢失以及不准确的情况出现。

选型：Hashtable 不推荐，锁太重，选ConcurrentHashMap 确保高并发下多线程的安全性

**
**

案例二：在一次活动下，为每个用户记录浏览商品的历史和次数。

场景分析：每个用户各自浏览的商品量级非常大，并且每次访问都要更新次数，频繁读写

初级方案：为确保线程安全，采用上面的思路，ConcurrentHashMap

问题：ConcurrentHashMap 内部机制在数据量大时，会把链表转换为红黑树。而红黑树在高并发情况下，删除和插入过程中有个平衡的过程，会牵涉到大量节点，因此竞争锁资源的代价相对比较高

选型：用跳表，ConcurrentSkipListMap将key值分层，逐个切段，增删效率高于ConcurrentHashMap

结论：如果对数据有强一致要求，则需使用Hashtable；在大部分场景通常都是弱一致性的情况下，使用ConcurrentHashMap 即可；如果数据量级很高，且存在大量增删改操作，则可以考虑使用ConcurrentSkipListMap。

**
**

案例三：在活动中，创建一个用户列表，记录冻结的用户。一旦冻结，不允许再下单抢购，但是可以浏览。

场景分析：违规被冻结的用户不会太多，但是绝大多数非冻结用户每次抢单都要去查一下这个列表。低频写，高频读。

初级方案：ArrayList记录要冻结的用户id

问题：ArrayList对冻结用户id的插入和读取操作在高并发时，线程不安全。Vector可以做到线程安全，但并发性能差，锁太重。可以使用CopyOnWriteArrayList。

选型：综合业务场景，选CopyOnWriteArrayList，会占空间，但是也仅仅发生在添加新冻结用户的时候。绝大多数的访问在非冻结用户的读取和比对上，不会阻塞。