当前位置:首页 > 文章列表 > 文章 > java教程 > 如何分析 ConcurrentHashMap 在 JDK 1.8 中通过 CAS 与 synchronized 实现的分段锁优化

如何分析 ConcurrentHashMap 在 JDK 1.8 中通过 CAS 与 synchronized 实现的分段锁优化

2026-05-03 19:18:53 0浏览 收藏

大家好,我们又见面了啊~本文《如何分析 ConcurrentHashMap 在 JDK 1.8 中通过 CAS 与 synchronized 实现的分段锁优化》的内容中将会涉及到等等。如果你正在学习文章相关知识,欢迎关注我,以后会给大家带来更多文章相关文章,希望我们能一起进步!下面就开始本文的正式内容~

JDK 1.8 中 ConcurrentHashMap 彻底移除了 Segment 和分段锁,改用 CAS + 单桶(table[i])级 synchronized 实现更细粒度并发控制;size()、扩容等均基于 table 数组与 CounterCell 协作完成,无任何“段”概念。

如何分析 ConcurrentHashMap 在 JDK 1.8 中通过 CAS 与 synchronized 实现的分段锁优化

ConcurrentHashMap 在 JDK 1.8 中根本没有分段锁 —— 它彻底移除了 Segment,所谓“分段锁优化”是误传或混淆了 JDK 1.7 的设计。真正起作用的是 CAS + 单桶(table[i])级 synchronized,粒度比 Segment 更细,也更轻量。

为什么说“分段锁优化”这个说法本身就不成立

JDK 1.7 确实用 Segment 数组实现分段锁,每个 Segment 是一个独立的 ReentrantLock,并发度默认为 16;但 JDK 1.8 的源码里已完全删掉 Segment 类,ConcurrentHashMap 的核心字段只剩 table、nextTable、sizeCtl 和 baseCount。所有“分段”“段锁”“并发度设置”等概念在 1.8 中既无对应类,也无对应逻辑。

  • 调用 new ConcurrentHashMap(16, 0.75f, 32) 时,第三个参数(原 JDK 1.7 的 concurrencyLevel)会被忽略,仅用于计算初始容量
  • size() 不再遍历多个 Segment 求和,而是依赖 baseCount + CounterCell 数组的 CAS 累加
  • 扩容不再按 Segment 分批进行,而是由多个线程协作迁移 table 中的桶(transfer 方法)

tabAt 和 casTabAt 是 CAS 操作的实际入口

所有无锁写入都围绕这两个 Unsafe 辅助方法展开,它们直接操作 table 数组的指定下标,不依赖锁:

  • tabAt(table, i):volatile 读取 table[i],保证看到其他线程写入的最新节点
  • casTabAt(table, i, c, v):比较并交换 table[i],仅当当前值等于 c 时才设为 v;失败则重试(如 putVal 中的 for 自旋)
  • 初始化 table、插入首个节点、协助扩容标记位(MOVED)、更新计数器等关键路径都优先走 CAS

注意:casTabAt 失败不等于操作失败,而是进入下一步:检查是否需要加锁(比如该桶已有节点,需 synchronized 链表头节点)。

什么时候会触发 synchronized?只锁链表/红黑树的首节点

不是锁整个数组,也不是锁某个逻辑“段”,而是当 CAS 插入失败且桶非空时,对 table[i] 当前引用的首节点加锁:

  • 锁对象是 f(即 tabAt(table, i) 返回的 Node),不是 this,也不是全局锁
  • 加锁后检查该桶是否已被其他线程改为红黑树(fh ),若是则走树的插入逻辑;否则遍历链表或插入尾部
  • 红黑树的读写操作(putTreeVal、find)内部也只对树根节点加锁,不影响其他桶
  • 这意味着:两个线程往不同桶(i != j)写,完全无竞争;往同一桶写,才可能因锁首节点而短暂阻塞

容易被忽略的细节:volatile 的边界与 sizeCtl 的多重语义

volatile 修饰的字段不是万能的,它只保证单变量的可见性,不保证复合操作原子性。例如:

  • table 是 volatile,但 table[i] = new Node(...) 这一赋值本身是原子的;而 table[i].val = value 依赖节点内 val 字段也是 volatile 才可见
  • sizeCtl 是个“多面手”:初始化时为 -1,扩容中为 -(1 + 参与扩容线程数),扩容结束前为新容量阈值,正常运行时为下次扩容阈值;读写它必须配合 CAS,不能直接赋值
  • 链表转红黑树的条件有两个缺一不可:binCount >= TREEIFY_THRESHOLD (8) 且 tab.length >= MIN_TREEIFY_CAPACITY (64);少一个都不会触发树化,这点常被调试时忽略

真正难啃的部分不在“怎么加锁”,而在理解 sizeCtl 状态机、transfer 协作迁移协议、以及 CounterCell 如何避免计数热点 —— 这些才是 JDK 1.8 并发设计的实质复杂点。

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《如何分析 ConcurrentHashMap 在 JDK 1.8 中通过 CAS 与 synchronized 实现的分段锁优化》文章吧,也可关注golang学习网公众号了解相关技术文章。

HTML怎么设置line-clamp_HTML -webkit-line-clamp多行截断【全网最全】HTML怎么设置line-clamp_HTML -webkit-line-clamp多行截断【全网最全】
上一篇
HTML怎么设置line-clamp_HTML -webkit-line-clamp多行截断【全网最全】
Win11怎么关闭触摸板 Win11笔记本快捷键禁用触控板及设置选项
下一篇
Win11怎么关闭触摸板 Win11笔记本快捷键禁用触控板及设置选项
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    263次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    313次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    294次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    271次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    87次使用